随着人们消费习惯的改变,信用卡业务的巨大发展潜力正在逐步发挥出来,并将成为银行利润的重要组成部分,但竞争也日趋激烈。保留优质客户、提升潜在优质客户,是提高银行竞争力的关键。银行需要更好地了解客户的信息,并将这种信息转变为“知识”,从而更好地为客户提供高质量的个性化服务。数据挖掘技术能够从海量的信用卡业务存储数据中发现一些未知的、有价值的规律,无疑将成为银行提供个性化的信用卡服务的强有力工具。本文以银行信用卡客户交易数据和客户的人口统计数据等作为研究对象,利用数据挖掘的理论、技术和方法挖掘银行信用卡信息中的知识,并利用这些知识服务于信用卡客户细分与目标营销。本文的主要工作有:1.针对信用卡的特征,提出了从消费行为和还款行为两方面的客户价值度量的指标RFMRF。2.对数据挖掘的算法进行了介绍,重点介绍了SOM、FP-tree等算法,并用改进的SOM算法对信用卡客户进行细分,将客户按照贡献度的大小分为优质客户、明星客户、大众客户以及利润消耗型客户。3.利用FP-tree算法挖掘出各种类型客户的特征,并且从动态的角度来挖掘出易于变化的客户(从一种客户类型转变为另一种客户类型)特征属性,有助于新客户的搜寻和为现有的客户提供差异化的营销服务。4.根据研究的结果提出银行信用卡业务的营销策略,为未来信用卡的有效营销提供了参考。