随着我国加入WTO和金融市场的进一步开放,银行业必然面临着来自外资银行的激烈竞争。更为重要的是我国银行业在剥去行业垄断和政府保护的外壳后,所拥有的优势几乎荡然无存。网上银行和金融电子化的飞速发展,地域的概念已经模糊,国内银行引以为傲的网点优势也将逐渐淡化。因此实施客户关系管理并进行数据挖掘,是我国商业银行在新形势下将新的管理思想结合最新信息技术发展的必然选择。客户关系管理(Customer Relationship Management,简称CRM),是指借助先进的计算机技术和管理思想,整合客户信息资源,并在企业内部实现客户信息和资源的共享,为客户提供更经济、快捷、周到的产品和服务,辅助企业经营者进行决策。而数据挖掘和数据仓库技术又是提高客户关系管理科学性和精确性的有力工具。数据挖掘(Data Mining,简称DM),就是从大型数据库的数据中提取人们感兴趣的知识,这些知识是隐含的、事先未知的潜在有用信息,意味着在一些事实或观察数据的集合中寻找模式的决策支持过程,其实,数据挖掘的对象不仅仅是数据库,也可以是文件系统或组织在一起的数据集合,还可以是数据仓库。基于数据仓库的数据挖掘技术,其任务是发现数据仓库中尚未被发现的知识。对于那些决策者明确了解的信息,可以用查询、联机分析处理(OLAP)或其它工具直接获取。而另外一些隐藏在大量数据中的关系、趋势等信息就需要数据挖掘技术。本文借鉴现在的客户管理的先进理念,结合目前商业银行的现状,根据业务需求和业务未来发展状况进行具体分析,完成系统概要设计,详细设计,系统总体设计,数据仓库设计。基于对系统开发运行的分析,做出系统开发环境,开发工具,系统运行环境的选择,开发了基于WEB模式的商业银行的CRM系统原型,以及客户登陆管理,客户关怀计划,营销线索功能,产品管理,客户信息通知等功能模块设计与开发,实现了客户关系管理的基本功能,并将数据挖掘技术与CRM相结合。在对决策树算法的深入研究的基础上,根据商业银行的数据,利用了微软决策树算法,对客户购买的不同的金融产品进行分类,并实现了在客户端直接读取挖掘模型的规则,通过决策者输入的客户特征与挖掘模型的规则进行匹配,找出适合客户的金融产品,从而真正做到在正确的时间通过正确的渠道给适当的人提供恰当的服务。本文分析了当前客户关系管理中数据挖掘的应用的基础上以商业银行的CRM系统开发为背景,建立了基于WEB的CRM系统,实现了部分决策支持功能的模型。同时对实现该系统的若干关键技术进行了分析和探讨。最后,对全文工作进行了总结,并对进一步的工作做了展望。