在经济全球化的背景下,随着信息技术运用的不断深入,商业智能技术开始被引入到越来越多的商业领域,尤其在如银行、电信、保险、交通、零售等领域,商业智能成功地帮助企业整合数据,提取有用的信息并转换为知识,帮助企业实现更有效的管理,做出更明智的决策,从而获取更大的效益。本文利用商业智能系统中的数据挖掘技术,结合某零售企业食品超市的数据库,以平均购买金额、购买频率和客龄作为细分变量,对客户的购买行为构建客户细分模型,并对每一类客户进行特征提取做分析,为零售企业在认识客户和制定营销策略方面提供一定的参考价值。客户聚类分析中,K-means算法是一种高效的算法。但是算法的缺点也很明显,聚类数目要预先指定,随机选取的初始聚类质心对聚类结果影响较大。而自组织神经网络SOM算法,能够从样本数据中识别出少于输出单元数目的簇,显然对输入数据具有“聚类”作用,同时也为接下来K-means算法的实施指定聚类的数目和初始的聚类质心。于是,本文提出了SOM神经网络算法与K-means算法结合的聚类分析方法,把整个聚类分析分为了两阶段进行：第一阶段使用SOM神经网络得到聚类数目与聚类质心；第二阶段用第一阶段的输出作为K-means算法的输入。由于聚类分析是无指导的学习,划分的类也是未知,因此本文在对数据做聚类分析之后,再利用决策树算法进行分类分析,以提取每类客户群的共性特征,为零售企业决策者提供有价值的决策依据。