随着因特网技术的飞速发展,人类社会进入了以IT产业为支柱的崭新经济时代,电子商务已渗入到生活的方方面面。如何才能在电子商务产生的信息汪洋中及时发现有价值的信息并利用它们做出科学的决策最终为企业创造利润,是企业亟需解决的难题。数据挖掘可以为解决这一难题提供便利。本文选择了影响电子商务活动几个重要因素中的客户价值分类和销售额作为研究对象,开展了大量工作。一方面针对客户价值的分类问题,本文阐述了基于支持向量机的分类方法。首先对支持向量机分类方法进行了分析,从理论上分析了它在解决非线性、维数灾难和局部最小等实际问题时所表现出的优势,并分析了影响支持向量机分类性能的关键因素,然后本文综合了销售量、销售增长率、客户的服务成本、与竞争企业的交易量作为客户价值分类技术指标,将支持向量机用于在线电子商务平台客户类别的识别,同时采用了支持向量机模型中的一些核函数对客户进行学习分类,对它们的分类结果进行比较。另一方面,运用神经网络对销售额进行预测。首先以历史销售额数据为基础,采用人工神经网络对销售额进行预测,然后以支持向量机客户分类结果为依据,对相应客户类型的历史销售额采用人工神经网络对销售额进行预测。创建BP神经网络模型,通过对网络进行初始化、训练和模拟,获得预测结果,以该模型预测值作为输入构建灰色神经网络模型对销售额进行预测,最后对预测结果进行分析和比较。本文实现了以支持向量机理论为基础的客户价值分类,利用客户数据和销售数据的相关性,建立了灰色神经网络预测模型完成对销售数据的预测。研究表明,支持向量机的理论以及灰色神经网络在电子商务活动中发挥了积极的作用,为企业的客户管理和营销管理提供了参考数据,且在研究小样本的学习时具有一定的优势。