數據挖掘怎樣挖？
在CRM中，必不可少的要素是將海量的、復雜的客戶行為數據集中起來的，形成整合的、結構化的數據倉庫（Data Wearhouse），這是數據挖掘的基礎。在此基礎上，就需要借助大量的知識和方法，把表面的、無序的信息整合，揭示出潛在的關聯性和規(guī)律，從而用于指導決策。
橫向關聯  
是挖掘表面看似獨立的事件間的相互關系，例如“90%的顧客在一次購買活動中購買商品A的同時購買商品B”之類的知識。比如經典的“尿布和啤酒”的故事，就是利用這種方法，發(fā)現二者之間有很高的相關系數，引起重視，然后深入分析后才找出內在原因的。
次序關聯  
這種分析的側重點在于分析事件的前后序列關系，發(fā)現諸如“在購買A商品后，一段時間里顧客會接著購買商品B，而后購買商品C”的知識，形成一個客戶行為的“A→B→C”模式?？梢韵胍姷氖?，一個顧客在買了電腦之后，就很有可能購買打印機、掃描儀等配件。不過，要是通過數據挖掘找出“刮胡刀→抽水馬桶→鉆石戒指”這樣的模式，估計企業(yè)客戶服務部門就要忙乎一陣搞明白其中潛在的聯系了。
分類  
分類分析就是通過分析樣本客戶數據庫中的數據，為每個類別作出準確的描述或建立分析模型或挖掘出分類規(guī)則，然后用這個分類規(guī)則對其它客戶的記錄進行分類。比如，信用卡公司根據顧客的信用記錄，把持卡人分成不同等級，并把等級標記賦與數據庫中的每個記錄。對于每一等級，找出它們共同點，比如：“年收入在10萬元以上，年齡在40～50歲之間的外企白領”總體上信用記錄最高。有了這樣的挖掘結果，客戶服務部門就知道一個新的客戶的潛在價值，在客戶服務投入上就心中有底。
聚類  
這是分類的逆向方法。聚類把沒有分類的記錄，在不知道應分成幾類的情況下，按照數據內在的差異性大小，合理地劃分成幾類，并確定每個記錄所屬類別。它采用的分類規(guī)剛是按統(tǒng)計學的聚類分析方法決定的。比如，面對數據庫中“消費額”、“購買頻率”、“收入水平”等多個評價指標，沒有辦法按照一個指標去分類，就可以通過聚類按照數據間的自然聯系把分散的記錄“聚”成幾“堆”，然后再對每堆進行深入分析。
數據挖掘融合了數據庫、人工智能、機器學習、統(tǒng)計學等多個領域的理論和技術，對數據進行標準化、抽象化、規(guī)范化分類、分析，從而淘出所需要的“金”。在技術上，客戶關系管理系統(tǒng)采用嵌入數據挖掘系統(tǒng)的方式，可以自動地產生一些所需要的信息。深度的數據挖掘，還需要企業(yè)有統(tǒng)計學、決策科學、計算機科學方面的專業(yè)人才，制定出相應的挖掘規(guī)則，才能發(fā)揮出挖掘系統(tǒng)的優(yōu)勢。
注：全球最大的零售商沃爾瑪（Walmart）通過對顧客購物的數據分析后發(fā)現，很多周末購買尿布的顧客也同時購買啤酒。經過深入研究后發(fā)現，美國家庭買尿布的多是爸爸。爸爸們下班后要到超市買尿布，同時要“順手牽羊”帶走啤酒，好在周末看棒球賽的同時過把酒癮。后來沃爾瑪就把尿布和啤酒擺放得很近，從而雙雙促進了尿布和啤酒的銷量。這個故事被公認是商業(yè)領域數據挖掘的誕生。