随着市场竞争的日益加剧，企业运营思想从“以产品为中心”向“以客户为中心”转移，客户逐渐成为企业竞相争夺的资源。企业越来越重视维持和发展与客户的关系，作为客户关系管理的核心部分——客户价值管理，已经成为了企业关注的焦点。有效实现客户价值管理的前提便是能够清楚的识别客户，然而随着企业业务系统的深入应用，企业累积了大量的客户数据，这些数据中包含有大量的知识信息，如何才能有效地挖掘这些信息，为企业决策的制定提供正确的支持？随着信息技术的日益创新，许多新的数据处理和分析方法的优势日益体现。数据挖掘技术的应用为企业进行客户价值管理提供了一个新方法。论文首先对客户价值、客户生命周期价值和客户价值管理三个方面详细回顾和评述了前人文献，界定了客户价值和客户价值管理的概念，依托客户价值的相关理论，深入剖析了客户价值的来源，分类以及创造的模式。其次，针对当前客户价值管理理论的不完善和评价客户价值方法的不足，构建了客户价值管理的基本层次框架（来源层、价值分析层、数据挖掘层、结果层和业务应用层）、分析了客户价值管理的内容（广度管理、远度管理和深度管理）并建立了客户价值评价体系（历史价值、当前价值和潜在价值），同时针对评价体系给出了客户价值的计算方法。再次，针对广度管理中的核心问题——客户细分，探讨了传统客户细分方法的不足，并在前人研究的基础上提出了多指标RFM模型的细分方法，利用因子分析法对多指标进行统计分析，找出潜在的影响因子，结合数据挖掘技术中的聚类算法，对客户进行细分；在远度管理中，针对客户保持和客户赢回，结合数据挖掘技术中的决策树方法，构建客户流失模型，为客户保持和客户赢回提供了依据；在深度管理中，针对交叉销售，结合数据挖掘技术中的Apriori算法，得出客户交叉购买的关联规则，为客户价值的深度管理提供了依据。最后，结合某大型纸业的客户数据，对客户价值的广度、远度和深度管理进行验证分析，结果表明，利用数据挖掘技术能有效地进行客户价值管理。