经济的全球化导致行业的市场竞争日益激烈，信息时代的企业必须利用大量数据中隐含的知识才能抓住时机，提升核心竞争力。 客户是企业至关重要的成功因素和利润来源。将数据挖掘技术应用于客户关系管理，能够为企业提供经营和决策的量化依据，使企业更有效地利用有限的资源，拓展利润上升空间。 客户流失预测和控制是当今所有企业面临的一大难题。大量而频繁的客户流失延长了企业利润回收的周期，给企业造成了巨大的损失。目前国内外对流失控制的研究一般是采取提供个性化服务、进行客户满意度和客户忠诚度分析的方法，这些方法的有效性很难验证，而且不能从根本上解决问题。 本文将多种数据分析技术应用于客户流失研究，针对目前相关研究中存在的问题，给出了客户流失研究中涉及的主要问题的解决方案，包括客户描述、属性约简、流失模型发现、流失原因分析以及流失预测与控制策略等，重点解决其中流失模型的建立问题。 客户流失模型是通过对流失客户的数据进行分析后得出的，包括基本模型和行为模型。对客户的基本数据实施关联规则挖掘，可以发现描述流失客户基本特征的关键属性集合。论文中采取的是一种能自动调节最小支持度的、受限的关联规则挖掘算法CAARM，该算法是在前人研究的基础上，作了一些调整和改善后得到的。客户流失的行为模型采用序列模式发现方法，识别出流失客户的典型行为序列，用作流失趋势的预测。 论文对客户价值分析也作了初步的探讨，认为应将客户流失预测群体中价值较高的子群体作为市场策略的目标群体，并结合消费者心理学的有关知识对客户流失原因进行了简单的分析。 最后给出了部分关键算法的详细描述和分析。