实施客户关系管理对提高企业核心竞争力有着重要的作用，尤其是在专业为客户提供服务的客户服务中心，CRM系统的应用可以帮助提高企业工作效率，增加服务竞争力。随着客户服务中心CRM系统的逐步推广应用及客户数据的膨胀发展，把商业智能融入其中成为了CRM系统发展的必然趋势。依赖商业智能技术中的数据仓库与数据挖掘技术，能够把这种面向日常应用的数据转化成对于企业管理人员有价值的信息，并有效地处理大量数据信息，从中获得有关知识。 本文结合微软内部成功实施的一个全球合作伙伴商业智能项目的实际应用，建立了一套基于现有CRM的商业智能系统。系统整合了来源于7个不同地区的CRM数据库系统以及其它6个重要数据源，建立了以客户数据为中心的数据仓库和OLAP数据立方体，提供24*7的准确可靠的OLAP数据访问，从而极大地减少了各地区业务部门用在手动整合分析数据上的时间，在短期内提高200％的数据分析效率的同时，节约了60％的人力成本，并且在长期看来可以获得更大的价值。数据的整合还使得全球合作伙伴部门业务负责人能够在同样的标准下观察各地区的数据，在最短的时间内做出最准确的业务决策。 同时，本文还研究并开发了嵌入CRM系统中的数据挖掘分类应用模块，使用微软决策树算法，用于进行客户获取预测。在实际应用中，可以帮助售前支持工程师在成千上万的注册合作伙伴中，迅速找到最有可能购买付费服务的公司，从而更好地进行具有针对性的售前技术服务支持，为企业创造更多利润。 本文的核心是为企业构建切实可行的基于CRM的商业智能平台，并把CRM中客户服务和销售的概念融合到平台应用中。本文还探讨了一些在企业商业智能实际开发过程中会遇到的问题和需要注意的关键点，并提出了一定可行且可靠的解决方案和思路。