随着计算机技术、网络技术、通讯技术和Internet技术的发展，企业业务操作流程日益自动化，营销过程中产生了的大量的客户数据，这些数据和由此产生的信息是企业的宝贵财富，但是面对如此海量的客户数据，管理者却面临数据丰富而知识贫乏的困境。在客户关系管理中迫切需要寻找一种新的工具，来对企业的营销规律进行研究和探索，为营销决策提供有价值的知识，使企业获得更大的利润，其中数据挖掘便是一种很有发展前景的技术。 数据挖掘是从存放在数据库、数据仓库或其它信息库中的大量数据中挖掘有趣知识的过程，主要是基于人工智能、机器学习、统计学等技术，高度自动化的分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助决策者调整市场策略，做出正确的决策。粗糙集理论是一种新的有效的数据挖掘的方法。 属性约简是粗糙集用于数据分析的重要概念。寻求一种高效的属性约简算法仍然是粗糙集的研究热点之一，现尚不存在一种非常有效的约简算法。研究表明，最小约简的计算和全部约简的计算都是NP问题。在人工智能中，解决这类问题的一般方法是利用启发式信息进行约简。本文详细的分析了几种典型的约简算法，提出了一种新的基于物元的属性约简算法。从算法的执行时间、约简的完备性和约简的最小性几方面进行对比分析，通过实例说明了该方法的有效性和优越性。同时举例将基于物元的属性约简算法应用于客户关系管理的客户价值分析中得到合理有指导性的规则，并将此方法与可拓集合、物元变换、物元的可拓性相结合应用于新客户发掘中，给出了一种客户分类和新客户发掘的方法。