智能客户关系管理系统(ICRM)是客户关系管理系统(CRM)引入人工智能技术后的产物,是目前CRM 的前沿研究领域,数据挖掘是提高其决策支持能力的一种重要工具和手段,研究数据挖掘的相关理论和方法及其在CRM 中的应用具有重要的理论意义和实用价值。数据挖掘是从大量的历史数据中发现隐含的、有潜在应用价值并最终能被人理解的知识的过程。在决策领域,人们所面对的数据往往具有不确定性和不完整性,从这类数据中发现知识是一个非常困难的问题。本文针对客户关系管理系统的特征,分析了数据挖掘过程的步骤和特点;为适应当前客户关系管理系统更依赖于商业智能分析的特点,提出了应用聚类算法和粗糙集理论的解决方案;在深入研究模糊聚类算法的缺陷后,给出了其相应改进算法,并应用于客户分类规则发现,在此基础上结合粗糙集理论进行了更深层次的决策规则挖掘。具体的研究内容如下: 1.本文对支持多数据集、多学习目标的数据挖掘处理过程进行了讨论。数据处理过程模型化能更适合实际工作的需要,降低用户和数据挖掘人员之间的影响因素,促进数据挖掘的应用。2.通过对传统聚类算法的具体性能、缺点的分析研究,利用聚类有效性函数来解决聚类效果最佳问题,采用自动循环迭代策略来生成聚类有效数目,在FKM算法基础上本文提出了新的改进算法——FKMA算法,并将其应用于客户分类规则的挖掘。3.在客户分类规则基础上,探讨了粗糙集用于不确定性和不完全性客户信息系统中的知识约简、导出问题的决策或分类规则的具体步骤,设计了一套用于粗糙集中相关数字量和集合量的计算方法,从而得到较高精度的决策规则集合。4.在上述工作的基础上,研究了基于数据挖掘数据分析(DMA)的智能决策支持系统的体系结构,同时结合现代客户关系管理理念,研究了基于数据挖掘分析的智能CRM系统的体系,给出了功能结构设计方案。