随着商品经济的发展，零售业逐渐走向了成熟和理智，经营观念也发生了根本的改变。一旦一个人或一个团体成为企业的客户，就要竭力使这种客户关系趋于完善。在这种情况下，对顾客信息的跟踪、分析顾客的特征、对未来的经营趋势进行预测，就显得尤为重要。从大量的数据中挖掘出有用的知识，对隐藏的总体特征进行描述，对发展趋势进行预测，这正是KDD所要解决的任务。
　　首先要了解该领域的相关知识。如果领域知识没有考虑好，数据挖掘的剩余几个步骤将会产生无关的或扭曲的知识，对商业活动毫无价值或产生误导。在了解该领域的相关知识后，再设置数据挖掘的目标。每一个CRM应用都会有一个或多个商业目标，根据CRM的具体目标来设置数据挖掘的目标。企业定时或随时对上述的目标数据集进行知识发现操作，挖掘用户感兴趣的模式，即知识。在零售业CRM中设置要挖掘的目标是通过对交易数据库的分析，来发现哪些商品被顾客一起购买，利用该结果来制定相应的策略，从而提高商场的销售收入。在把交易数据转变成数据仓库中的数据之前，首先要进行数据清洗、数据组织和数据字典准备，使数据仓库中的数据满足分析的需求。最后利用相关的数据挖掘算法来挖掘出用户感兴趣的知识，从而采取一定的措施。
　　在我国的零售业CRM中建立KDD系统，其处理过程可以分为以下4个步骤。
　　1)收集数据。需要收集的数据包括顾客信息、商品信息、以及顾客的消费情况。商品信息的收集比较容易实现。所需要的域的数量与知识发现任务的要求紧密相关，所要发现的模式越复杂、种类越多，则域的数量就要越多。最后，还要对这些顾客的消费情况进行跟踪记录。
　　2)数据的预处理。这一步骤可能包括对数据的完整性约束、一致性约束的检查、检查是否有错误数据并对其进行处理、对数据的表述方式进行转换等，最后得到目标数据集。
　　3)知识发现。企业定时或随时对上述的目标数据集进行知识发现操作，挖掘用户感兴趣的模式，即知识。
　　4)产生输出。输出结果的方式可以有很多种，这要根据用户的需要而定，它可以只是一个统计报表，也可以是对未来趋势的文字描述、图线图表。