经济全球化和互联网技术的飞速发展使得企业面临着越来越严峻的市场竞争，顾客成为了企业生存和发展的生命线，人们的关注焦点由之前的以产品为中心，发展到以顾客关注为核心的客户关系管理时代。与此同时，信息技术的进步使实时的、多用户、多数据库环境的联机事务处理系统(OLTP)得以产生和发展。对于零售企业，条形码等技术的普遍应用使其OLTP极为发达，并积累了海量数据。如今，OLTP逐步向着智能化的联机分析处理(OLAP)不断进步。联机分析处理通过对系统积累的数据进行分析和处理，基于分析结果支持管理决策。数据的指数级增长和智能化分析技术的发展同时也为顾客关系管理带来了机遇和挑战。业务系统的海量数据和企业自身资源的有限性使得企业不得不把精力和关注放在最有价值的核心顾客上，正如CRM理论经典的帕累托80／20法则原则指出，企业80％利润通常只来自于20％的客户。对顾客进行细分并发现黄金顾客，整合企业有限资源对重点客户进行差异化服务，为企业在残酷的市场竞争中保持竞争力有着极为重要的意义。数据仓库将异源数据以统一模式在同一站点组织和管理，为企业提供了有效的数据组织管理平台和强有力的分析工具，在改善顾客服务水平，提高满意度和忠诚度，并最终达到企业竞争力的提升中扮演着越来越重要的作用。本文旨在应用数据仓库的原理和数据挖掘方法进行零售企业顾客细分，然后基于不同顾客群给以不同的分析和关注。文中首先基于顾客关系管理的背景研究对国内外关于顾客细分理论研究进行综述，阐述了顾客的细分要素，并提出了本文的基本理论模型；其次，借助Microsoft SQL Server 2000 and Analysis Server(在后面的章节以MSAS代替)强大的分析环境进行本文的核心平台—顾客信息数据仓库的构建；然后，以FoodMart超市数据为基础借助数据挖掘流程标准CRISP-DM进行数据分析来实现顾客细分；最后，对细分顾客群进行顾客特征、流失分析等应用研究，并给出了总结和展望。