CRM系统被分为分析型、运营型、协作型三种类型，无论哪一种，实现对客户更为详尽的了解是最终目标，但其中最重要的是对客户的数据挖掘，在CRM系统中具有核心地位。

数据挖掘是提取有用信息的“数据产生”过程，企业的CRM上马后，运营特性最先显露出来，公司日常所有的营销业务都可以流程化和自动化地管理起来，随着客户信息的日趋复杂，客户数据大量积累，仅限于营销流程的管理已经难以满足企业进一步的需要，企业家期待CRM扮演更重要的角色―分析大量复杂的客户数据，挖掘客户价值。

数据挖掘技术在CRM中能够起到的作用包括：

客户特征多维分析，挖掘客户个性需求，客户属性描述要包括地址、年龄、性别、收入、职业、教育程度等多个字段，可以进行多维的组合型分析，并快速给出符合条件的客户名单和数量；客户行为分析，结合客户信息对某一客户群的消费行为进行分析。针对不同的消费行为及其变化，制定个性化营销策略，并从中筛选出“黄金客户”；

客户关注点分析，包括客户接触与客户服务的分析；

客户忠诚度分析，包括对客户持久性、牢固性及稳定性分析；销售分析与销售预期，包括按产品、促销效果、销售渠道、销售方式等进行的分析，同时，分析不同客户对企业效益的不同影响，分析客户行为对企业收益的影响，使企业与客户的关系及企业利润得到最优化；参数调整，是为了提高分析结果的灵活度，扩大其适用范围。例如，价格的变化对收入会有什么样的影响？客户的消费点临近什么值开始成为“正利润”客户？企业需要通过对收集到的各种信息进行整理和分析，利用科学的方法，做出各种决策。

数据仓库技术对数据挖掘在CRM中产生的核心作用提供了巨大的支持。数据仓库是一种面向决策主题、由多数据源集成、拥有当前及历史终结数据的数据库系统。它是一个中央存储系统，可以帮助企业员工回答来自客户的业务问题。

在CRM中，数据仓库将海量复杂的客户行为数据集中起来，建立一个整合的、结构化的数据模型，在此基础上对数据进行标准化、抽象化、规范化分类、分析，为企业管理层提供及时的决策信息，为企业业务部门提供有效的反馈数据。现在，以数据仓库为基础的数据挖掘已经成为对客户资料进行分析，挖掘客户潜力的基石。