银行业是我国金融体系的主体,当前金融业市场化改革加速,多主体、多层次、多领域的综合性金融市场格局日渐形成。民间金融、产业资本、互联网金融新业态的跨界竞争正在加剧形成新的金融生态体系。大数据、云计算、互联网、物联网技术的飞速发展,极大改变了金融的渠道和工具。在新技术的驱动下,客户的商业模式、发展模式、金融需求都将发生持续而深刻的变革。银行服务涵盖范围广,本文根据某银行的二家分行一年的交易数据,在大数据理论与数据挖掘方法,考虑决策树C5.0算法处理离散化数据的优势,采用决策树C5.0算法对顾客贡献度和交易行为进行建模,并应用SPSS公司的Modeler软件对海量数据进行了处理。研究将准备好的数据利用C5.0分类方法按照客户贡献度区分为几个子群,观察贡献度与其他属性的相关性。在探讨了客户个人数据与总贡献度的关系,以C5.0与C&RT分类方法探讨高贡献度客群的交易行为。研究显示,在高贡献度的研究中,(1)高、中贡献度的顾客群男性占较多数。反之,低贡献度顾客群女性较多;(2)30-40为主要贡献顾客群;(3)60岁以上为主要低贡献度顾客群,其趋势与性别无关。而高贡献客户的行为特征研究中,高贡献度顾客群有下列特征:(1)不常使用定期存款者;(2)中度使用贷款业务,代收业务者;(3)高度使用票据、电话银行、网络银行与汇款者。本研究提出一个数据挖掘研究银行客户交易数据的行为的发展模式。可以获得统计学等传统方法无法获得的知识,有助于提高银行的决策能力。