随着货运市场竞争的不断加剧、铁路信息化进程的逐步推进,铁路信息系统积累了大量的货运数据信息。货运数据具有信息量大、结构复杂、多层次等特征。应用数据挖掘相关技术,研究铁路货运市场目标客户、生命周期、客户价值及发展等相关问题,是当前铁路货运管理研究的热点话题。论文研究了我国铁路货运数据挖掘问题,所做主要工作如下：(1)分析了铁路货运数据的组成、特点和层次结构,并对铁路货运数据进行了整理和分类。(2)深度挖掘铁路货运数据关联规则,进行知识发现；对铁路货运数据进行聚类分析,探寻铁路货运目标客户；利用ARIMA模型,提出基于时间序列的铁路货运量预测方法。(3)系统分析铁路货运客户关系生灭过程,合理划分铁路货运客户生命周期的典型阶段,揭示不同阶段特征变化和客户忠诚发展演变规律,构建基于数据挖掘的铁路货运客户生命周期阶段判定模型,提出铁路货运客户生命周期阶段判定过程与方法。(4)深入分析不同生命周期阶段铁路货运客户利润曲线特征,构建不同阶段的铁路货运客户利润拟合函数,并提出基于数据挖掘的铁路货运客户价值细分算法,对铁路货运客户进行细分。(5)全面分析营销成本、客户类型、期望收益等铁路货运客户发展影响因素,构建潜在型客户发展模型、竞争型客户发展模型以及保持型客户发展模型等一系列客户发展模型,在此基础上,提出不同类型不同阶段的铁路货运客户关系管理策略,并给出实例分析。