随着网络技术的发展和计算机使用的日益广泛,电子化数据越来越多,“数据丰富而知识贫乏”的问题日益突显,而数据挖掘技术正为此类问题开辟了一条道路,其研究与推广取得较大成果。近年来,中国银行业在信息化建设方面取得了令人瞩目的成绩,但在数据挖掘的具体商业运用方面还处在一个探索前进的阶段。本文首先将客户细分理论运行到商业银行个人客户经理管理的问题之中,首先提出将比较成熟客户细分理论运用于个人客户经理的细分,然后对K-MEANS聚类算法进行了分析,并指出K-MEANS聚类算法在实际使用中所面临的应用难点。最后根据CRISP-DM模型和SEMMA模型提出了本文实证分析的六个阶段,并按照这六个阶段开展实证分析,详细叙述了每一个阶段的方法和过程。其中K-MEANS聚类算法的实现是借助于SAS软件,通过三种不同初始凝聚点的选择方法来改善算法局部最优的状况。本文利用K-MEANS聚类算法解决了商业银行个人客户经理管理的实际应用问题,探索商业银行在运用数据挖掘技术过程中的理论和技术方法,希望有助于数据挖掘技术在中国商业银行的推广应用。