随着信息爆炸时代的到来,人们越来越关注怎样在数据中获取有用的知识,由此诞生了一门新兴的交叉学科数据挖掘。数据挖掘算法不断的优化和发展,使得数据挖掘的应用越来越广泛,如研究银行客户满意度。现如今银行业的竞争越来越激烈,只有提高客户满意度,才能使得银行在市场上稳定长久发展。本文讨论的内容是用数据挖掘技术来研究银行客户的满意度情况。文章首先对数据挖掘的定义及来源进行了介绍,简要阐述了几种常见的数据挖掘方法。其次介绍了本文所使用的银行客户数据,通过问卷调查得到原始数据。对客户的相关数据变量进行分析,把变量细分为广度细分变量和深度细分变量。对29个深度细分变量用因子分析进行降维处理得到7个主因子。最后对深度细分变量和广度细分变量分别建立决策树模型,这两个模型的分类准确率都比较高而且也较为接近。从广度细分决策树模型的结果可以知道即使是同一家银行,不同的分行和网点的顾客满意度差异较大,以及性别对满意度评价没有影响。深度细分模型结果显示,服务规范对顾客评价的影响最大,其次是大堂经理服务,自助设备服务,而排在最后的却是柜员服务。通过数据挖掘技术,分析顾客满意度情况,方便银行了解客户的特征,对不同的客户群体进行相对应的服务,满足客户的需求。同时也可根据结果制定相应的营销计划。