当今的客户已经成为左右企业发展的一种决定性的因素。在现实的市场条件下任何企业要想成功，必须以客户需求为出发点，把客户对企业的信任和忠诚作为企业最重要的资产。　　 企业在培养客户忠诚时必须首先明确不同客户对企业具有不同的价值。为了能与无处不在的竞争者竞争，企业需要对客户进行分类，用不同的策略对待处于不同细分群体中的客户。　　 企业常用的客户分类方法是基于经验方法和统计方法的简单划分，这些方法虽然曾得到广泛应用并取得良好效果，但却无法满足日益增长的数据量以及日益复杂的分析需求。为了解决这些不足，本文采用了一种基于粗糙集的客户分类方法。主要是以粗糙集理论为基础，将从客户关系管理系统中获取的数据转化成决策表，再对决策表中的数据进行预处理、属性约简和值约简，最后生成客户分类规则，据此进行客户分类。　　 本文的工作主要包括以下几方面：　　 1.属性约简算法的改进。现实中的数据存在很多冗余，特别是存在大量的数据时冗余更加严重，不仅浪费存放空间而且扰乱推出正确的规则。本文首先介绍了现有的一些属性约简算法，重点研究了基于可辨识矩阵的属性约简算法，针对该算法时间复杂度较高的问题，根据可辨识矩阵中各个属性出现的频率，对其作了一些改进。　　 2.基于粗糙集理论的客户分类方法。主要是以粗糙集理论为基础，首先从客户关系管理系统中获取数据，构造决策表，再对决策表中的数据进行预处理，然后利用改进的基于可辨识矩阵的属性约简算法进行属性约简，在规则提取后，引入bagging概念，提高了规则的可靠性。　　 通过对客户关系管理系统中获取的数据进行实验，本文实现了相应的客户分类功能，并获得了较好的效果，证实了本文采用的基于粗糙集的客户分类方法具有一定的实用价值。