随着数据库技术的迅速发展以及数据库管理系统的广泛应用，企业的数据库或数据仓库中积累的数据越来越多。然而激增的数据背后隐藏着许多重要的信息，企业中的领导希望能够对其进行更高层次的分析，以便更好地利用这些数据，为企业以后的营销、发展提供正确的决策方案。 本论文首先介绍了数据挖掘理论及其在客户关系管理中的应用，并着重对数据挖掘的两种重要新方法粗糙集理论和神经网络以及它们的应用进行了概述。接着介绍了粗糙集的基本理论，它是建立在等价关系基础之上的，用上下近似集合来表示一个不精确的概念。属性约简问题是粗糙集理论的核心问题之一，本文给出了几种属性约简算法，并将属性约简方法运用于数据挖掘的数据预处理中。针对目前单纯使用神经网络会因输入信息空间维数较大使网络结构复杂且训练时间长，同时，对企业的大型数据库或数据仓库进行数据挖掘时，输入信息不仅数据量大，而且存在噪声干扰，在数据挖掘中单纯的使用粗集方法会受噪声干扰而直接影响分类精度的问题。本论文最后将粗糙集理论与神经网络相结合，对神经网络设置前置粗糙集子系统，构成粗糙集——神经网络系统。然后，对两种方法对具体问题的分析结果进行比较。说明粗糙集于神经网络相结合的分析方法是很有意义的。