进入21世纪以来，随着全球经济一体化趋势的进一步加强，制造业的竞争也随之加剧。产品的同质化及市场需求的多样化，使得制造企业仅凭内部管理以提高生产效率及改善产品质量来赢得市场的机会越来越小。因而，许多制造企业为了满足多样化的客户需求，纷纷由生产型向服务型和知识型发展，建立以客户为中心的业务模式，保持和推进价值客户的持续贡献度，从而全面提升企业竞争力。但在当今数据量激增的情况下，不借助于商业智能技术来发现数据背后所隐藏的信息是很难建立良好的客户关系的。研究商业智能技术在CRM中的应用是本文的立足点，通过对这些技术及其应用的研究，对提高企业的决策水平及决策效率有着很现实的意义。 首先介绍了CRM和商业智能的基本内容，给出了一个基于商业智能的制造企业CRM系统的需求分析。然后，研究了数据仓库的设计、创建与维护，重点是DTS包设计与数据转换。根据系统的需求，构建面向客户和供应商的数据仓库，实现了从操作型数据到分析型数据的转换。其中包括对数据的综合，数据整理(统一表现形式、命名习惯等)，并实现自动的数据转换和定期自动备份等维护操作。根据分析的需要，尝试采用了聚类的方法来将连续型数据转化为离散型数据来满足分类应用的数据初始化的要求等。 接下来，结合企业的实际情况，在数据仓库的基础上，进行OLAP多维分析结果的展示。OLAP分析服务提供了丰富的应用程序编程接口，方便用户的应用程序利用分析服务的资源。分析服务有一个模块数据透视表服务(PivotTablesService)，与分析服务服务器(Analysisservice)通讯，客户端应用程序通过这样的进程与Analysis服务器交换数据。同时数据透视表服务可以在脱机的方式完成大部分分析服务的功能，实现客户脱机完成数据分析服务。 最后，给出了一个基于数据挖掘的制造企业CRM系统的设计和实现，实现分类(基于决策树)和聚类(K-means)挖掘算法，并讨论了其复杂度、可信性和优化方法。其中分类挖掘实现了将客户和供应商进行分类，并分析出各类客户的特征；聚类实现了客户、供应商和销售员工按选定的属性分成几类。系统在聚类算法中实现了嵌套，可以进行子类的进一步细分：分类算法的实现中进行了决策树的预先剪枝，解决了噪声数据的问题；系统还实现了聚类与分类的结合，将聚类算法有效地运用到了离散化连续数据的工作中；另外，聚类的分析结果可以在分类分析中作为被预测的列和用于预测的列。 本文围绕客户的发展过程：潜在客户、响应客户、关系客户到流失客户，对不同阶段的客户采取有针对性的管理，并结合客户动态分析、数据挖掘等方法和技术，对公司客户销售实现和客户服务流程进行了重新设计，通过对流程的改进来增强企业的竞争力，并提出了CRM在企业的实施建议，为企业的改进工作提供了方向和依据，对其他企业在引进CRM系统时也起到借鉴的作用。