CRM系統被分為分析型、運營型、協作型三種類型，無論哪一種，實現對客戶更為詳盡的了解是最終目標，但其中最重要的是對客戶的數據挖掘，在CRM系統中具有核心地位。

數據挖掘是提取有用信息的“數據產生”過程，企業的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，隨著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。

數據挖掘技術在CRM中能夠起到的作用包括：

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，包括客戶接觸與客戶服務的分析；

客戶忠誠度分析，包括對客戶持久性、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，是為了提高分析結果的靈活度，擴大其適用范圍。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。

數據倉庫技術對數據挖掘在CRM中產生的核心作用提供了巨大的支持。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。

在CRM中，數據倉庫將海量復雜的客戶行為數據集中起來，建立一個整合的、結構化的數據模型，在此基礎上對數據進行標準化、抽象化、規范化分類、分析，為企業管理層提供及時的決策信息，為企業業務部門提供有效的反饋數據。現在，以數據倉庫為基礎的數據挖掘已經成為對客戶資料進行分析，挖掘客戶潛力的基石。