随着社会不断进步与发展，企业呈现全球化，多样化趋势，企业之间的竞争日益剧烈，这使得企业从以产品为核心不得不转变为以客户为核心，因为客户在消费过程中具有多选择性，客户对某些产品消费的多少直接影响企业的生存与发展，因此客户作为一种无形资产已受到各企业广泛关注，成为衡量企业生存与发展的首要因素。这样，对客户进行分析就成了当前企业管理重点考虑的对象，这不仅有利于企业长远发展，增加企业核心竞争力，而且能避免很不稳定的市场环境下企业运行风险。就目前研究情况来看，对客户分析的大部分研究成果重点体现在客户划分及客户价值方面的研究，无法为企业人员提供更多的决策支持;另一方面，客户消费已呈现多样化，客户消费数据库也不断增大，消费特征发生了根本性变化，为此，本文为解决这些问题，进行了如下研究：第一，从心理学角度分析了消费者购买行为过程，且对影响消费的各种因素进行分析；第二，建立了客户消费行为预测数据挖掘模型；第三，对如何提取客户消费数据基本特征，提出了基于神经网络的特征权重方法；第四，对如何分类不同类型客户，提出了关联规则树分类算法；第五，针对客户消费行为预测，建立了基于模糊格属性表示法的朴素贝叶斯方法；最后，通过实例对提出的模型、方法进行了详细分析，得到了相应的结论。本文研究的重点是客户关联分类及贝叶斯推理方法。从研究内容中，不难看出，本文研究的逻辑关系为：所建立的客户挖掘模型是客户分析的整体路线，该路线中，先对客户数据进行预处理；之后，为提高分析效率，对重要的特征进行提取；再其次，对客户进行关联分类，分类的目的是对每类客户进行贝叶斯推理，这样就能得到每类客户的消费情况；最后是客户消费推理的贝叶斯方法论述。