在大数据兴起的时代,企业管理客户的方式不能仅仅是传统的推广宣传和营销手段,更需要的是运用数据信息处理技术来帮助企业完成客户关系管理。然而,我国的客户关系管理与信息化技术的集成起步较晚,相关的应用程序和系统还不成熟。尤其是对于一些具体问题的分析还不能给出解决方案,部分功能模块还处于开发研究阶段。所以,这里选择了客户关系管理中的两个具体问题,潜在客户开发和客户忠诚度分析来进行具体研究,并试图运用数据分析方法给出解决方案。通过研究潜在客户的开发,可以更明确的了解客户需求。开发潜在客户如果有合适的方法和渠道,可以使企业避免做无用的努力,精准的定位潜在客户群体,实施具有针对性的商业策略。潜在客户需求开发的思想,是以产品为研究对象,使用优化改进的Apriori算法找出产品之间的关联规则,从而发现购买了某种产品的客户还有哪些其他的需求,或者通过规则引导,制定有针对性的营销策略,吸引潜在客户,同时提高经济效益。在改进Apriori算法时引入了利润贡献值和加权支持度的思想,减少了关联规则的数量,提高了规则的实用性。研究客户忠诚度可以从整体上了解企业的客户现状,对客户忠诚等级进行优劣评定,不仅能够是企业清晰的认识到目前所拥有的客户质量,还可以明确企业在市场中的地位和分量。首先从态度和行为两方面来探讨客户忠诚度,构建态度忠诚度模型和行为忠诚度模型。然后使用DBSCAN密度聚类算法对客户忠诚度从态度和行为两个维度进行聚类。在不使用问卷调查法的情况下,通过企业现有的客户购买产品的数据进行挖掘,从而评定客户的忠诚度类别,以便更好的制定客户关怀计划。最后通过分析企业的实际数据证明了两种算法具有可操作性和实用性。