在世界范围内,CRM(Customer Relation Management)自1997年以来一直迅速发展,成为了企业信息化建设的重要组成部分。同时CRM的广泛应用也积累了海量的客户数据。随着企业竞争得加剧,企业管理对决策支持的需求日益迫切。客户关系管理与数据挖掘技术的结合已成为一种发展趋势。论文针对CRM系统对决策支持方面的需求,将数据挖掘技术应用到销售预测中。结构化的CRM系统设计基于模块,模块间功能独立,数据交互功能复杂。论文在设计CRM时采用基于业务流程管理(Business ProcessManagement)的方法,通过完成业务流程实现系统功能,同时可以让管理人员管理和优化企业业务流程。有效融合了企业内部的不同信息系统,同时也为数据仓库的构建和数据挖掘提供了便利。基于数学统计的销售预测方法往往只考虑了一部分影响销售的因素,无法表达影响需求的各种因素之间的复杂的相互作用,建立的模型相对简单。论文通过对比传统的统计学预测方法和人工神经网络,认为人工神经网络具有良好的非线性映射能力和自学习能力,可以通过学习把基本需求、季节、周期、市场活动等因素以及它们之间的相互作用以权值的形式固化在神经网络中,用来预测销售趋势。论文分析了基于BP(Back Propagation)网络进行销售预测的原理,利用三层前馈神经网络建立预测模型,详细探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定、激活函数的选取等问题。仿真结果表明,该模型预测精度较高,具有较好的泛化能力。论文提出并实现的适用于中小型企业的销售分析预测系统,基于企业不同信息系统搭建数据仓库,通过数据挖掘实现销售预测,同时也包括其他数据分析模型。在系统设计构架上,考虑到对不同类型的神经网络类型的扩展需求,论文将不同神经网络的共同特征提取、设计成接口,便于以后将不同类型的神经网络应用集成到该框架中来,具备更好地可扩展性,为日后的功能增强提供了支持。