CRM中的數據挖掘是復雜的過程、涉及客戶決策的許多步驟，大致分為問題定義、數據準備和處理、數據挖掘以及結果的解釋等階段。具體步驟如下：

1.理解和發展CRM系統客戶(包括營銷經理、營銷人員以及客戶)的應用區域、日標以及相關知識。

2.為CRM系統定義商業目標集合，并為每個目標建立恰當的模型。例如，“提高客戶對企業促銷的響應率”或“提高每個客戶響應的價值”這兩個目標所需要的模型是不同的，并且在定義問題的同時，也生成了評價CRM（http://www.cloudcc.com）應用結果的標準和方法，即確定了數據挖掘結果的評價指標。

3.數據準備處理。包括對數據的選擇、預處理和清洗以及對數據的轉換和歸納。搜索所有相關的數據，根據挖掘的需要選取較為重要的數據源。在此基礎上完成對數據的預處理和清洗，以此來解決臟數據中的冗余、缺值、數據不一致等問題。之后依靠作業目標來尋找有用特征表示數據。利用多維歸納或轉換方法來減少變量的有效數目。

4.數據挖掘準備。包括選樣數據挖掘任務、挑選數據挖掘算法以及搜索有意義的模式。

5.數據挖掘，包括按照特定的方式搜索有意義的模式，或模式集合。

6.解釋7 挖掘得到的數據模式，并可能返回到上述各步循環操作。

7.集結發現的指示，集成發現的知識到績效系統，或簡單將其做成文本提交給感興趣者。

數據挖掘對基于web的智能CRM的支持研究。當前數據挖掘大多是對構建于企業內網的CRM數據進行分析，對于來自web的各種渠道的數據處理能力較弱，這是今后研究的一個方向。在數據挖掘支持流程中嵌入專家系統的研究。數據挖掘支持流程的第三步可以考慮用專家系統來代替人類的工作，從而進一步提升CRM系統的智能化。