與此同時，客戶消費心理日趨成熟，出現了理性化、個性化的消費趨勢。在這種情況下，實施客戶關系管理（Customer Relationship Management，CRM）的效果與企業的預期相差甚遠。
CRM的成功除了需要一個合理的組織結構外，還需要一個合理的信息結構，傳統的CRM雖然記錄了企業與客戶交往過程中形成的大量客戶數據，但并沒有將這些數據用于有效地理解客戶。
在激烈的競爭環境下，企業對有限數目客戶的爭奪日趨白熱化。如果不能及時了解客戶的需求、掌握客戶的消費模式，預測客戶的行為動向，企業失去競爭的能力，而CRM僅僅局限于事務處理，沒有充分地將客戶及其知識轉化為企業的持續競爭力。
針對CRM的不足，近年來關于客戶知識管理（Customer Knowledge Management，CKM）的研究獲得了普遍的關注和重視。CKM的出現是全球電子商務大潮對傳統商業模式的改變，它要求企業以全新的思維看待未來的客戶，以客戶需求為心設計和實現信息技術驅動的商務活動。
從而給企業帶來長久利益。企業期望通過CKM建立一個客戶需求導向的銷售、營銷、服務和支持應用的自動化價值鏈，以便加強企業與客戶的關系，提高客戶的滿意度和忠誠度，增強企業的競爭優勢。
目前，CKM主要的應用領域集中在制造業、公共事業、電信業、零售業和金融服務業等行業，許多新興的企業如Amazon、Cisco等已率先成為CKM的使用者和受益者。
CKM的核心是潛在客戶知識的發現，包括與客戶有關的各種概念、規則、模式、規律和約束，通常都是隱含在客戶數據中的深層信息內容。盡管客戶數據是形成潛在客戶知識的源泉，但從數據中提取知識并不容易。
這主要在于，首先，企業所積累的客戶數據往往數量非常龐大，且在企業的發展過程中客戶數據會不斷地增加與更新；
其次，客戶數據的結構復雜，可以是結構化的，如存儲在關系數據庫中的數據，也可以是半結構化的。如文本、圖形和圖像數據，甚至是分布在網絡上的異構型數據；
再次，許多客戶數據是零散的、斷續的、冗雜的和動態的。從某種意義上說。潛在客戶知識的發現是一種高級的人類智力活動。但是人腦對于處理如此大量繁復的數據并不擅長。
因此，人的經驗和技巧必須與自動化知識處理工具結合起來才能達到從海量數據中獲取知識的目的。
顯然，潛在客戶知識發現需要的不是常規的數據錄入、查詢和統計工具，而是能夠歸納數據特征、分析數據內部關聯、推斷數據發展趨勢的高效、智能化工具。
因此，潛在客戶知識發現與管理是一項以智能信息處理技術為支撐的多學科交叉融合的前沿研究領域。
數據挖掘是指從大量不完全的、有噪聲的、模糊的和隨機的數據中，提取隱含的、未知的且潛在有用的知識和模式的過程。它綜合運用計算機科學、人工智能、統計學、信息管理、認知科學等領域的先進理論與技術，研究如何從海量信息資源中快速準確地獲取潛在的知識，是一種信息資源深層開發的新型信息處理技術，不僅具有很高的理論研究價值。
而且對于企業和國家信息化的跨越發展乃至整個社會經濟建設與發展都具有極為重要的意義。當前，眾多發達國家企業紛紛開展以數據挖掘技術為基礎的知識資源管理和工商企業的智能化管理，具有代表性的應用領域有科學研究、Web智能、商務智能、風險投資、制造業、銀行、國土安全、氣象、醫學、通訊等，將數據挖掘合理地融入CKM過程之中，能夠有助于實現從“客戶數據礦山”中挖掘“客戶知識金礦”的目的。
