隨著我國電信業的不斷改革以及中國加入WTO后國外電信運營商的逐步進入，國內電信市場的競爭愈演愈烈。今天的電信市場已經從以前的技術導向轉變為產品導向、客戶導向。因此，電信企業利用有效的工具和手段，提升客戶關系管理(Customer Relationship Management,CRM)水平，增強電信企業的競爭力，已成為電信運營企業的重要競爭戰略。
CRM是企業的一項商業策略，它按照客戶的細分情況有效地組織企業資源，培養以客戶為中心的經營行為以及實施以客戶為中心的業務流程，并以此為手段來提高企業的盈利能力、收入以及客戶滿意度。簡單地說，CRM就是一種倡導以客戶為中心的管理思想和方法。CRM包括三層含義：CRM是一種管理理念；CRM是一種管理機制；CRM是一種管理軟件和技術。
CRM是一種旨在改善企業與客戶關系的新型管理機制，它貫穿于市場營銷、銷售、服務和技術支持等與客戶相關的領域，通過向企業的銷售、市場和客戶服務的專業人員提供全面的、個性化的客戶資料，并強化跟蹤服務、信息分析的能力，使他們能夠協同建立和維護一系列與客戶和生意伙伴之間卓有成效的關系。CRM也表現為一套管理軟件和技術，它將最佳的商業實踐與數據挖掘、數據倉庫、銷售自動化以及其它信息技術緊密結合在一起，收集并提取出與客戶相關的有用信息，利用模型及其他技術方法進行決策支持和營銷分析，為企業的銷售、客戶服務和決策支持等領域提供了一個自動化的商業問題解決方案。
CRM軟件在整個客戶關系管理體系中具有重要地位。目前有很多公司致力于CRM系統的研究與開發，并已有許多成功的實施案例。不同公司的CRM產品具有不同的功能和架構，但大致上相同。按照功能層次，美國的Meta Group把CRM系統分為運營型CRM(Operational CRM)、協作型CRM(Collaborative CRM)和分析型CRM(Analytical CRM)。
運營型CRM系統應用于企業中直接面對客戶的部門，使這些部門在日常工作中能夠共享客戶資源，減少信息流動滯留點，形成一個虛擬的綜合部門，從而實現企業業務流程的自動化和高效率，全面提高企業同客戶的交流能力。運營型CRM一般由銷售力自動化(Sales Force Automation,SFA)、營銷自動化(Marketing Automation,MA)和客戶服務與支持(Customer Serviceand Support)三個基本功能組成，以實現銷售、營銷和客戶服務的自動化。
協作型CRM系統讓企業客戶服務人員與客戶能夠協同工作，實現全方位為客戶提供交互服務和收集客戶信息，實現多種客戶交流渠道(如呼叫中心、面對面交流、互聯網、傳真)的集成，使各種渠道信息相互流通，保證企業和客戶都能得到完整、準確、一致的信息。協作型CRM系統由呼叫中心服務、傳真/信件服務、電子郵件服務、Web站點服務和現場接觸服務等幾部分組成，實現企業與客戶、客戶與客戶的全面交流。
分析型CRM系統的設計主要利用數據倉庫、在線分析處理(OLAP)和數據挖掘等計算機技術，將交易操作所累計的大量數據過濾并抽取到數據倉庫中，基于統一的客戶數據視圖，再利用在線分析處理和數據挖掘技術，建立各種分析模型，最后通過可視化的方式展示出來，提供既定量又定性的即時分析，然后將分析結果反饋給管理層和其他相關部門，為企業的經營決策提供支持。
近年來我國電信企業加大了對IT系統的投入，逐步建立和完善了運營數據存儲（ODS）、企業數據倉庫（EDW）、CRM系統和MBOSS系統等，電信企業獲取、存儲和集成應用數據的能力不斷增強，這些海量數據為電信企業面向分析型CRM的數據挖掘奠定了基礎；同時，基于現代統計學、人工智能和機器學習等現代計算技術的數據挖掘(Data Mining,DM)方法和工具的發展應用，為提升CRM水平提供了新的方法和手段。因此，以電信企業IT系統集成為前提、以數據挖掘技術為手段，分析型CRM在電信企業將實現普及。國外一些知名的電信企業如BT、Verizon等已將數據挖掘技術應用于客戶行為的分析、研究與預測，并以此作為提升CRM水平的重要手段。我國電信企業如中國電信、中國移動等近年來利用數據挖掘技術，對客戶細分和客戶流失等商業問題進行了研究，為提升客戶關系管理和企業經營決策水平進行了有益的嘗試。
數據挖掘是從海量的數據庫中選擇、探索、識別出有效的、新穎的、具有潛在效用的乃至最終可理解的模式以獲取商業利益的非平凡的過程。簡單地說，數據挖掘就是從海量數據中提取或“挖掘”知識的過程，這些知識必須是隱含的、事先未知的，并且潛在有用的信息。數據挖掘技術的深入應用，產生了大量經典的數據挖掘算法，如K-means聚類算法、C5.0決策樹算法、Apriori算法、人工神經網絡算法、遺傳算法、粗糙集、支持向量機等，還有一些與數據挖掘密切相關的統計模型，如概率分布、相關分析、回歸分析、判別分析等。基于十多年來發展日趨成熟的數據挖掘算法，其功能主要有：聚類分析、分類分析（預測）、關聯分析、時序模式、異常檢測等。
由于數據挖掘技術具有商用價值，許多企業投入了大量人力物力進行數據挖掘系統的開發工作，較有影響的商業數據挖掘系統有：SPSS公司的Clementine、SAS公司的Enterprise Miner、IBM公司的Intelligent Miner、SGI公司的Mineset、Sybase公司的Warehouse Studio、Oracle公司的Darwin等。近年來我國也開發了一些具有自主知識產權的數據挖掘工具，如天律公司的馬克威(Markway)數據挖掘工具、復旦德門(DMiner)數據挖掘工具等。
數據挖掘方法論是數據挖掘項目的一個具體操作流程。其代表的方法論有：SAS公司的SEMMA，即采樣(Sample)、探索(Explore)、修正(Modify)、建模(Model)、評估(Assess)；以SPSS、NCR等公司為代表的CRISP-DM（Cross-Industry Standard Process for Data Mining，跨行業數據挖掘標準流程），強調以業務理解（Businessunderstanding）、數據理解（Dataunderstanding）、數據準備（Datapreparation）、建模（Modeling）、評價（Evaluation）、發布（Deployment）為核心環節，將數據挖掘目標和商務目標有機地聯系在一起。
電信企業在實施數據挖掘時首先要明確商業問題，即要研究和解決的主題。在電信CRM中，數據挖掘的商業問題要基于動態的客戶全生命周期(Customer Life Time,CLT)管理中的CRM目標。CRM的三大目標是：獲取新客戶、提升客戶價值和保持老客戶。客戶生命周期可分為客戶識別期、客戶發展期、客戶穩定期和客戶衰退期四個階段，在不同的時期有不同的CRM目標，也就是說有不同的挖掘主題。
在客戶識別期，如何高效地識別和獲取新客戶是主要任務。因此，數據挖掘的主題是建立響應率分析模型。分析客戶對某種電信新服務或者新產品的感興趣程度，預測哪些客戶能夠響應以及響應的可能性是多少，找到最合適的響應客戶，能夠有效地降低市場推廣的費用，同時能夠更加有針對性地面對目標市場，達到以最小的投入獲得最佳效果的目的。建立客戶響應率模型的方法主要是分類分析（預測）技術，如決策樹、神經網絡等。
在客戶發展期，CRM的目標是獲取客戶和提升客戶價值。數據挖掘的任務是依據客戶的自然屬性、行為屬性和價值屬性，建立客戶細分模型。針對不同的客戶群，研究客戶的消費水平、消費行為、消費傾向，對不同的客戶群進行特征刻畫，設計出針對不同客戶群的營銷策略，提高服務水平，提升客戶價值，擴大市場占有率，為開展精確化營銷提供決策支持。建立客戶細分模型的方法主要是聚用分析技術，如K-mean聚類方法等。
在客戶穩定期，CRM的目標主要是引導客戶使用電信產品，在提升客戶價值的同時提升企業價值。數據挖掘的主題是建立交叉銷售模型。交叉銷售模型是利用數據挖掘技術，找出那些曾經購買某種電信產品的客戶更容易購買其他相關產品的規則，利用該規則發現不同產品之間的潛在關系，向客戶提供捆綁組合產品，實現交叉銷售，在為客戶提供更多產品和服務的同時實現企業收益的增長。建立交叉銷售模型的方法是關聯分析技術，如Apriori算法等。
在客戶衰退期，CRM的目標是延長客戶生命周期，保持老客戶。數據挖掘的主題是建立客戶流失預測模型。客戶流失預測模型主要通過對客戶數據庫中的大量數據進行分析和處理，挖掘出客戶流失的潛在規則和模式，并建立一個流失預測模型，用以識別和預測客戶的流失傾向，分析客戶流失原因，為制訂客戶挽留策略提供依據。建立流失預測模型的主要方法是分類分析技術，如決策樹、人工神經網絡等。
在電信CRM中，除了解決上述主要商業問題外，數據挖掘技術在電信CRM中挖掘的主題還包括：客戶價值評價模型、客戶忠誠度模型、客戶信譽度模型、客戶欺詐預警模型等。隨著數據挖掘技術在電信CRM中的廣泛應用，其必將成為提升電信CRM水平的助推器。
人民郵電報
