本文致力于对数据挖掘在商业银行客户关系管理中的应用研究问题进行系统探讨。为此,论文在进行相关领域文献综述的基础上从以下几个方面着手: 首先,对客户关系管理理论以及数据挖掘的基本概念与方法进行探讨,同时,对数据挖掘与商业银行客户关系管理之间的内在关联进行深入考察。 其次,对拟进行建模的中部地区中型城市某商业银行分行信用卡客户数据的基本人口学特征进行比较,通过分析可以发现客户数据中仍存在许多潜在的未知的信息需要挖掘,由此,需要运用数据挖掘技术来寻找那些隐藏的特征。经典的数据挖掘分类预测方法包括神经网络法和决策树方法,由于决策树在数据挖掘的几个关键特性上都获得了较高的评价,并且根据本次数据挖掘任务,即根据现有客户信息对未来客户是否申请住房贷款进行预测,确定采用决策树方法建模。 再次,根据该商业银行分行的客户数据建立决策树模型,提出分类规则,对新出现的客户是否会申请住房贷款进行分类预测,并且运用数理统计方法对模型预测的准确性和可伸缩性进行检验。 最后,根据对决策树模型进行分析的结果,将商业银行客户划分为五大类,分析每类客户的行为特征及其对商业银行的贡献度,以此来制定差别化的营销方案和客户接触管理策略,并针对目标客户群的客户需求开发新的产品和服务。