正如我刚踏入大学校园时对“电子商务（E-business）”充满好奇一样，在研究生项目管理课程中第一次听到“企业资源计划（Enterprise Resource Planning, ERP）”一词时也感到耳目一新，而现在却发现几乎所有的人都在大谈特谈网络经济时代和电子商务，周围的不少朋友也可能正在为本公司的ERP系统奔走忙碌，相关的书籍和文章更是如雨后春笋般层出不穷，更多的概念像潮水一样向我们涌来——譬如客户关系管理（CRM）。其实对企业而言，客户关系管理并不是什么新名词，本文开头举出的街边小店的例子就很好的说明了这一点。然而要强调的是，客户关系管理并不等同于CRM。尽管从字面上没有差别，但前者更倾向于一种管理理念，而后者则更像一整套如何对客户关系进行管理的解决方案。这正是由于企业对客户关系管理一向以来的重视，并对这个概念不断丰富和扩充的结果。客户关系管理涵盖了包括发掘高价值客户、提高客户利润贡献率、降低客户流失率等一切与客户有关的活动，其目的都是为了保证“以客户为中心”战略的实施。“管理为本、技术为用”，CRM正是在这种需求下应运而生，信息技术的发展为在企业内构建CRM应用提供了支持和保障，许多企业也纷纷建立起自己的CRM系统，然而对客户关系管理的质量却没有得到实质性的提高。一方面，CRM的功能仍然集中在对营销、销售和客户服务三部分业务流程的信息化、一体化，以及与客户进行沟通所需要的手段（如电话、传真、网络、Email等）的集成化、自动化之上；另一方面，CRM系统自身和企业的其它应用系统、外部数据源却产生了大量的未经处理的数据，这些数据的价值有90%没有开发出来。针对目前主流CRM系统偏重流程的特点，业界提出了分析型CRM的概念，即具有对数据进行分析和提炼，产生客户智能，并支持企业战略决策功能的CRM系统。实际上，数据仓库、OLAP和数据挖掘的概念在较早的时候就已经提出来了，并且运用于商业活动的某些领域，然而，将这三者作为一个整体并冠以商业智能（Business Intelligence, BI）的名称却仅仅是两三年前的事（详见文中有关IBM商业智能体系结构的介绍），而如何用商业智能来构建分析型CRM系统却正是目前业界正在探讨的问题之一。本文首先从客户生涯价值的角度，以Fast Lube公司进行客户保持策略前后客户生涯价值对比分析的案例论述了客户关系管理对企业的重要性。紧接着，文章对CRM的体系结构和当前CRM系统的应用情况进行了探讨，指出了当前主流的流程型CRM的主要不足之处，即无法真正明白客户需求、无法进行有针对性的商业措施，又从CRM系统投资回报率（ROI）的角度详细论述了采用分析型CRM在提高客户利润贡献率等各方面的优势，从而得出了分析型CRM将是CRM发展趋势的结论。随后，本文通过大量翔实的案例重点研究了如何运用商业智能来构建分析型CRM的问题。* 从所用的商业智能技术来分析：<WP=3>首先，建立客户信息数据仓库，对异构数据源进行清洗和转换，为以后的数据分析工作打下良好的基础。其次，通过报表查询和多维分析（OLAP）来完成有关客户关系管理的验证型问题，即观察CRM系统的实际情况，以便确定某种假设是否成立；最后，通过数据挖掘来完成有关客户关系管理的发现型问题，即从大量数据中发现未知的信息，进而对将来的情形进行预测。* 从CRM的应用领域来分析从广义的应用来看，商业智能可以运用于CRM系统中营销、销售和客户服务这三大领域；从狭义的应用来看，商业智能（主要是数据挖掘技术）可以运用于客户细分、客户保留、客户响应、交叉营销和市场分析等各项具体业务。本文的写作过程也是笔者学习、探讨和实践的过程。在此期间，笔者阅读了大量国内外著作、论文，对大量资料进行了归纳和整理，也试着对该论题进行细致而深入的研究。真诚感谢我的导师陈恭和教授在论文写作期间给予我无私的指导，并提出了许多非常宝贵的意见和建议，同时还要感谢所有老师对我的帮助，没有你们的支持，我不可能顺利完成论文，也不可能完成学业。通过论文的写作，笔者自身感觉受益颇多，也希望能对读者有所帮助。