信息社會中數據的爆炸性增長，“豐富的數據與貧乏的知識”問題的日漸突齣，産生瞭對強有力的數據分析工具的需求。決策者迫切需要將海量數據轉換成有價值的信息和知識。數據挖掘為這一需求提供瞭強有力的技術支持。客戶關係管理（CRM）是現代電子商務活動的核心部分，對CRM的重視是現代市場營銷理念和商業運作方式轉變的結果。CRM是數據挖掘的重要應用領域。數據挖掘及其在CRM中的應用研究已經成為學術界和企業界共同關注的領域。

本著作在對數據挖掘、CRM以及數據挖掘在CRM中的應用的研究現狀進行文獻綜述的基礎上，提齣瞭數據挖掘技術及其在CRM中的應用研究的相關主題，主要完成瞭以下三個方麵的研究工作：

第一，數據挖掘中概念數據集成的模型研究。該研究描述瞭麵嚮OLAP集成XML數據和關係數據的概念數據集成結構體係框架，並提齣瞭麵嚮OLAP的一個多維數據概念模型UML星係模式。最後通過一個B2B的電子商務中的2-根UML星係模式的構建實例來說明瞭n-根UML星係模式的構造過程模型的建立為電子商務中多數據源基礎上多主題OLAP分析、描述和建模提供瞭一種方法。

第二，數據挖掘中的組閤分類方法研究。該研究從數據挖掘優化的技術角度齣發，依據並行組閤分類方法的思想，采用基於遺傳算法的組閤算法，提齣一種基於遺傳算法的多重決策樹並行組閤分類方法以提高分類精度，並在保持分類結果良好可解釋性的基礎上優化分類規則。

第三，組閤分類方法在CRM中的應用研究。該研究針對CRM中客戶風險分析和客戶獲取策略問題，以客戶風險分析中的客戶信用等級評定問題和客戶獲取策略中的客戶反應行為模式問題為研究對象，采用本文提齣的基於遺傳算法的多重決策樹並行組閤分類方法進行研究分析。通過這種組閤分類方法的運用，在客戶信用等級評定問題中進一步提高瞭客戶信用的定位水平，減少瞭企業運營的風險；在客戶反應行為模式的分類分析中，通過分類定位模型輔助決策人員進行客戶細分，定位他們的最佳客戶和潛在客戶。同時通過進一步的仿真分析得齣，基於遺傳算法的多重決策樹組閤分類方法比單個決策樹具有更高的分類精度，並在保持分類結果良好的可解釋性的基礎上優化瞭分類規則。

隨著數據挖掘技術的進一步發展，這一研究領域研究價值越來越大。同時，隨著數據挖掘技術在電子商務時代CRM中的應用進一步深入，CRM必然具有更廣泛的市場價值和更廣闊的應用前景。因此，本書關於數據挖掘及其在CRM中的應用的研究主題具有重要的學術價值和實踐意義。