信息社会中数据的爆炸性增长，“丰富的数据与贫乏的知识”问题的日渐突出，产生了对强有力的数据分析工具的需求。决策者迫切需要将海量数据转换成有价值的信息和知识。数据挖掘为这一需求提供了强有力的技术支持。客户关系管理（CRM）是现代电子商务活动的核心部分，对CRM的重视是现代市场营销理念和商业运作方式转变的结果。CRM是数据挖掘的重要应用领域。数据挖掘及其在CRM中的应用研究已经成为学术界和企业界共同关注的领域。

本著作在对数据挖掘、CRM以及数据挖掘在CRM中的应用的研究现状进行文献综述的基础上，提出了数据挖掘技术及其在CRM中的应用研究的相关主题，主要完成了以下三个方面的研究工作：

第一，数据挖掘中概念数据集成的模型研究。该研究描述了面向OLAP集成XML数据和关系数据的概念数据集成结构体系框架，并提出了面向OLAP的一个多维数据概念模型UML星系模式。最后通过一个B2B的电子商务中的2-根UML星系模式的构建实例来说明了n-根UML星系模式的构造过程模型的建立为电子商务中多数据源基础上多主题OLAP分析、描述和建模提供了一种方法。

第二，数据挖掘中的组合分类方法研究。该研究从数据挖掘优化的技术角度出发，依据并行组合分类方法的思想，采用基于遗传算法的组合算法，提出一种基于遗传算法的多重决策树并行组合分类方法以提高分类精度，并在保持分类结果良好可解释性的基础上优化分类规则。

第三，组合分类方法在CRM中的应用研究。该研究针对CRM中客户风险分析和客户获取策略问题，以客户风险分析中的客户信用等级评定问题和客户获取策略中的客户反应行为模式问题为研究对象，采用本文提出的基于遗传算法的多重决策树并行组合分类方法进行研究分析。通过这种组合分类方法的运用，在客户信用等级评定问题中进一步提高了客户信用的定位水平，减少了企业运营的风险；在客户反应行为模式的分类分析中，通过分类定位模型辅助决策人员进行客户细分，定位他们的最佳客户和潜在客户。同时通过进一步的仿真分析得出，基于遗传算法的多重决策树组合分类方法比单个决策树具有更高的分类精度，并在保持分类结果良好的可解释性的基础上优化了分类规则。

随着数据挖掘技术的进一步发展，这一研究领域研究价值越来越大。同时，随着数据挖掘技术在电子商务时代CRM中的应用进一步深入，CRM必然具有更广泛的市场价值和更广阔的应用前景。因此，本书关于数据挖掘及其在CRM中的应用的研究主题具有重要的学术价值和实践意义。