（一）客户关系管理与数据仓库、数据挖掘技术的融合问题

数据仓库（Data Warehouse，DW）和数据挖掘（Data Mining，DM）的概念早在客户关系管理之前就已产生，但真正引起人们普遍关注应起始于该技术在各行业中的广泛应用。

实施CRM的基础就是客户数据，没有较多的信息资源，CRM就成了无源之水、无本之木。

数据仓库是目前国际上解决此项问题的比较成熟、应用较为广泛的技术。在CRM中，数据仓库的目标就是决策支持，数据仓库技术在改善交易系统数据方面取得了显著成效。Chris Todman认为，采用个性化的销售方法，必须尽可能了解有关客户详情和行为的信息，而只有通过提取、转换、装载（ETL）等程序建立起来的以CRM为中心的数据仓库才能满足这一需求。

随着数据仓库技术的应用，越来越多的企业拥有了大量的客户数据，当这些数据的规模成为“海量”数据时，数据挖掘技术在CRM中的应用就成为必然。如果说过去是因为企业掌握的客户数据太少而对客户行为无从把握，今天则是由于企业获得的客户数据太多而使企业无所适从。很显然，在如今浩如烟海的数据中淘金，仅靠人力是无法做到的。数据挖掘就是从客户数据的“矿山”中挖掘出潜在的、尚不为人知的趋势或模式，从而使企业能更好地进行客户关系管理。Alex Berson等人提出，数据挖掘能帮助销售人员更准确的定位销售活动，并使活动紧密结合现有客户和潜在客户的需求、愿望和状态。数据挖掘软件能自动地从庞大的数据堆中找出好的预测客户购买行为的模式。他们认为，统计、邻近、聚类、决策树、神经元网络、规则归纳等数据挖掘技术能在客户盈利能力分析、客户获取、客户保持、客户细分、交叉营销等方面体现重大的商业价值。Michael J.A.Berry和Gordon S.Linoff认为。在客户关系管理中，数据挖掘正起着导向作用，只有应用数据挖掘技术，大企业才能将客户数据库的大量数据转变成描述顾客特征的一些图像。目前，在这个领域内比较全面的当属Ronald S.Swift和William G.Zikmund等人的观点，他们认为数据仓库和数据挖掘都是CRM中不可或缺的重要内容，没有二者的结合应用，CRM系统就不可能发挥其全部功效。尽管上述观点都不同程度地强调了技术的重要性，但他们同时都坚信技术必须以商业目标为指导。这样才能真正实现技术与商业的完美结合。