4) 知识发现层面：

　　与数据分析层面一样，是一系列算法、工具或模型。将数据转变成信息，而后通过发现，将信息转变成知识;或者直接将信息转变成知识。

　　5) 战略层面：

　　将信息或知识应用在提高决策能力和运营能力上、企业建模等。客户智能的战略层面是利用多个数据源的信息以及应用经验和假设来提高企业决策能力的一组概念、方法和过程的集合。它通过对数据的获取、管理和分析，为贯穿企业组织的各种人员提供知识，以提高企业战略决策和战术决策能力。

　　客户发展战略指的是企业坚持以客户为中心的发展战略，将企业内部资源条件与外部环境因素结合起来考虑，最终目标是使客户生命周期价值最大化。客户发展战略离不开企业其他战略类型的支持，如目标市场战略、营销组合战略、市场竞争战略、财务战略、协作战略、组织战略、人才战略等。以客户为中心的发展战略不能代替企业总体战略，但是总体战略最具有参照价值的战略。

　　客户智能系统(CI System)是本文提出的实现客户智能的系统平台。它包括了客户智能体系中的信息系统层面、数据分析层面、知识发现层面，是基于客户智能理论的可操作的系统框架。因此，客户智能体系也可以简单地用客户智能基础理论和基于客户智能理论的客户智能系统两个逻辑层面表示(图2)。基于客户智能的CRM系统是本文描述的客户智能系统中的一种。

　　总之，客户智能的目标是将企业所掌握的信息转换成竞争优势，提高企业决策能力、决策效率、决策准确性。为完成这一目标，客户智能必须具有实现数据分析到知识发现的算法、模型和过程，决策的主题具有广泛的普遍性。

　　2.客户智能是对客户知识的生成、分发、使用

　　客户知识，顾名思义，是有关客户的知识。客户知识包括客户的消费偏好、喜欢选用的接触渠道、消费行为特征等等许多描述客户的知识。本文对客户知识进行如下分类：一、对话性客户知识：通过企业与客户之间正式或非正式的对话，以及客户与企业员工、企业员工与供应商等之间的互动交流，来了解客户的需求;二、观察性客户知识：透过观察客户使用产品或服务的状况来获得客户知识，汽车等高档消费品或工业用品的制造商主要通过这个方法得到客户知识;三、预测性客户知识：利用市场营销的专业分析工具和方法预测客户的需求与反应。预测性客户知识是本文构建的信息结构考虑的重点。

　　客户知识是人们通过实践认识到的、与客户有关的规律性，而客户智能是获得客户知识并使用客户知识求解问题的能力。客户智能是对企业战略决策真正有价值的事物和行动。客户智能不仅包括了客户知识的生成，而且更强调了客户知识在企业中的分发、使用，直到产生客户智能。所以，客户智能是对客户知识的生成、分发和使用(图3)。

　　1) 客户知识的生成(generation)

　　使用商业智能提供的OLAP分析工具、知识发现工具或两种工具的组合，发现存在于客户数据中的模式、规则、概念、规律的整个过程，叫客户知识的生成(图4)。相比较而言，知识发现工具的使用难度较大，包括确定任务、选择合适的挖掘工具(数据准备、挖掘算法、结果解释等)，以及明确哪部分任务必须有营销专家参与，哪部分可以自动执行。

　　① 客户标识(identification)

　　又称客户认识(Awareness)。即知道谁是你的客户。如果你的企业没有集成的客户数据，那么它很有可能会遭受客户认识危机(customer-aware challenged)。

　　集成的客户数据是指面向客户的操作数据存贮(operational data store)，它存贮了集成的和经过净化的、当前的客户数据。企业的任何与客户打交道的职员每时每刻会参考这其中的数据，了解客户目前产品和服务的处境，当前的接触信息、接触结果，突发事件等。存贮当前信息的数据库的正确利用，会大大提高企业对客户的评价的准确性和认识能力。

　　② 客户分类(segmentation)

　　假设企业已经认识到客户的存在，但如何知道哪些客户对企业是盈利，哪些是不盈利的。仅依据对客户当前信息的分析，很难得出令人满意的答案。企业此时需要与客户有关的历史记录。针对不同的客户分类方式，有时采用分析技术可以实现，而当有时面对较深层次的分类任务时，就需要引入知识发现技术了。

　　一个好的数据仓库环境，可完全满足客户分类对数据的多重需求。数据仓库环境集成了与客户有关的当前和历史的数据，并在此基础上建立起面向不同分析任务的应用(数据集市)。比如，客户利润率分析，销售渠道分析，商业活动分析等。这些分析算法必须与企业的商业模式相一致。