粗糙集理论作为一种处理不完整、不精确数据的有效方法，在数据挖掘领域无疑大有用武之地。粗糙集从提出以来在各个领域取得了成功的应用，它在理论上有着深远的意义和应用，正以巨大的潜力吸引着世界上许多专家学者的注意，特别是把粗糙集应用到客户关系管理中，无疑是一种新的挑战。 本文首先阐述了选题的背景，客户关系管理以及粗糙集理论的发展和现状；其次对国内外最新成果进行了调查研究。目前，许多学者和机构从不同的视角研究客户关系管理，但从粗糙集知识发现和知识管理视角对客户关系管理开展的研究非常之少，并就其内容而言，大多缺乏系统性、完整性和深入性。本论文研究将进一步借鉴、提炼国内外相关研究成果，使本论文研究立足于国内领先水平。通过对相关理论和方法的总结与对比分析，为本论文深入研究奠定了基础。 本文研究了粗糙集数据预处理，包括冗余数据的处理、遗漏数据的补齐、数据的离散化。数据的质量严重的影响着知识发现算法的运行效率和应用效果，因此本文对ROUSTIDA算法进行改进。不一致现象在现实的数据库中是普遍存在的，还研究了能够直接处理不一致决策表的约简方法。 本文研究了基于粗糙集的客户分类预测模型。主要以粗糙集的理论为基础，首先从CRM系统中获取数据，转化为相应的决策表，再对决策表中的数据进行决策表补齐、离散化，然后进行属性和值的约简，最后生成决策规则，建立逻辑推理系统。 本文对客户分类预测模型的实用性进行验证和分析，并将客户知识挖掘的过程融入到CRM系统中，构建CRM系统，实现了企业和客户交互的自动化。