目前，全球正处于一个数据激增的时代，数据规模呈几何级数增长。海量的数据给管理和维护带来困难的同时也为企业提供了巨大的潜在价值。数据就像一个神奇的钻石矿，当它的首要价值被发掘后仍然能不断给予。它的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山的一角，而绝大部分都隐藏在表面之下。超大规模客户时代，企业拥有的海量客户数据一方面为企业更全面深入的了解客户需求提供了丰富的原材料；另一方面，随着数据规模的不断激增，传统的数据分析方法在对海量数据的处理上力不从心，一些客户关系管理思想也不再能有效的指导企业及时的制定有针对性的，科学的客户关系管理策略。本文在分析超大规模客户环境特点的基础上，对传统的客户关系管理理论进行梳理，探究超大规模客户环境给企业客户关系管理带来的影响，通过对比分析发现超大规模客户环境下企业客户关系管理的发展趋势。超大规模客户数据有助于企业将客户的各种相关数据进行整合，构建客户信息全景图，动态管理企业客户，提高企业的客户关系管理能力。同时，超大规模客户环境下，不仅仅是数据规模在增长，数据类型、数据处理对象和数据处理分析工具都在变化，数据的价值密度非常低，需要对数据进行整合，反复挖掘发现新的知识来找出数据潜在的价值，企业客户关系研究要适应超大规模客户数据时代的要求就需要在数据处理量、处理类型、处理速度和方式上进行转变创新。本文选定超大规模客户数据环境中的海量规模客户数据分析为重点研究对象，在维克托·迈尔-舍恩伯格提出的海量数据环境下，最佳的分析方法为改进简单算法使其适用于海量数据知识挖掘为算法选择改进主要指导思想。在海量数据环境下，算法计算效率对算法有效性的影响较大，因此本文选定时间复杂度较低，计算效率较高的K均值聚类算法为改进对象，针对算法本身存在的对初始聚类中心较敏感和在海量数据环境下数据源源不断的产生且数据密度低，数据稀疏性高会对算法产生的不利影响等方面对算法进行改进，并对改进算法从理论和应用两方面进行可行性分析。