随着计算机技术的发展，数据仓库和数据挖掘技术也越来越多地被应用到社会的各个行业，尤其是那些存储着海量客户信息的行业：如电信业、金融业、零售业等。这些行业之间的竞争归根结底是对客户归属处的竞争，因此掌握客户信息，从众多客户信息中挖掘出对自己有利的信息则至关重要。数据仓库和数据挖掘技术可以帮助这些企业来分析客户信息，并且可以预测客户的消费趋势，帮助企业留住现有客户，挖掘潜在客户，从而帮助企业降低成本，增加收入，在竞争中立于不败之地。本文主要研究的是数据仓库和数据挖掘技术在银行客户关系管理中的应用。以银行客户信息为背景，利用数据仓库和数据挖掘技术，主要做了以下工作：（1）基于Solaris10的DB2数据库建立了数据仓库模型。模型有三个模式，ODS、EDW和DDW模式。模式和模式之间的数据导入是通过ETL来实现的。（2）利用SQLServer的BIDS组件的OLAP技术分析客户账户信息、客户贷款账户信息和银行各分行的交易信息。（3）利用数据挖掘技术，对数据仓库中的数据进行再处理。使用数据用例分析了DBSCAN算法、K-Means算法和X-Means算法的优缺点，最后采用X-Means算法来实现个人客户群体细分。在此基础上，利用FP-Growth算法实现了银行业务的交叉营销。本文分析内容有一定的实际和理论意义，可以为银行的决策者提供科学的决策支持。