面臨殘酷的市場競爭，所有的企業都在不遺余力地爭取新客戶。然而，現有老客戶也蘊涵著巨大的商機。調查發現，大部分企業每年有20~50%的客戶都是變動的，而這一數字在技術型公司更甚。一方面在挖空心思爭取新客戶，另一面卻不斷失去老客戶。要改變這種狀況，留住老客戶贏得新客戶，企業必須充分挖掘現有客戶潛力。通過對客戶的數據挖掘學習老客戶，發掘新的目標客戶，這也是很多成功企業上馬CRM的原因。因而一套完善的CRM系統，在建設前期就應該認真考慮對數據挖掘的需求。
需求與技術催生數據挖掘
比較常見的分類，CRM被分為分析型、運營型、協作型，但無論哪一種，實現對客戶活靈活現地了解都是最終目標，因而數據挖掘處于CRM系統的核心地位。
數據挖掘是提取有用信息的“數據產生”過程，是從大量數據中挖掘出隱含的、先前未知的、對決策有潛在價值的知識和規則，并能夠根據已有的信息對未發生行為做出結果預測，為企業經營決策、市場策劃提供依據。
數據挖掘的產生從企業需求方面講，CRM上馬后，運營特性最先顯露出來，公司日常所有的營銷業務都可以流程化和自動化地管理起來，隨后客戶信息的日趨復雜，客戶數據大量積累，僅限于營銷流程的管理已經難以滿足企業進一步的需要，企業家期待CRM扮演更重要的角色，分析大量復雜的客戶數據，挖掘客戶價值。CRM數據應該適應多種分析的需求：
客戶特征多維分析：挖掘客戶個性需求，客戶屬性描述要包括地址、年齡、性別、收入、職業、教育程度等多個字段，可以進行多維的組合型分析，并快速給出符合條件的客戶名單和數量。
客戶行為分析：結合客戶信息對某一客戶群的消費行為進行分析。針對不同的消費行為及其變化，制定個性化營銷策略，并從中篩選出“黃金客戶”。
客戶關注點分析：客戶接觸與客戶服務的分析。
客戶忠誠度分析：對客戶持久性、牢固性及穩定性分析。
銷售分析與銷售預期：包括按產品、促銷效果、銷售渠道、銷售方式等進行的分析。同時，分析不同客戶對企業效益的不同影響，分析客戶行為對企業收益的影響，使企業與客戶的關系及企業利潤得到最優化。
參數調整：為了提高分析結果的靈活度，擴大其適用范圍，企業需要對有關參數進行調整。例如，價格的變化對收入會有什么樣的影響？客戶的消費點臨近什么值開始成為“正利潤”客戶？企業需要通過對收集到的各種信息進行整理和分析，利用科學的方法，做出各種決策。
此外信息技術的發展對數據挖掘的產生做出了很大貢獻。IDC的調研報告中，2003年數據倉庫將達到200億美元的市場規模，數據倉庫是一種面向決策主題、由多數據源集成、擁有當前及歷史終結數據的數據庫系統。它是一個中央存儲系統，可以幫助企業員工回答來自客戶的業務問題。