以客户为中心的商业银行客户关系管理是当前商业银行研究的热点之一,有效的客户关系管理能够给银行带来超额利润。它与企业的供应链管理和企业资源计划共同构成了企业信息化的基本框架。客户关系管理的核心思想是利用现代信息技术对客户这一重要战略资源形成集中式管理,将客户关系管理系统所得出的信息和企业的实际业务流程相结合,实现企业内部客户信息的资源共享,不断提高客户的价值,最终为企业带来超值利润。基于数据挖掘的客户关系管理系统就是银行运用数据挖掘技术,对客户的信息进行分析和挖掘,可以实现对客户的准确分类。利用数据挖掘技术可以挖掘客户的消费模式和消费倾向,预测客户给银行带来的利润等。可以为商业银行的决策提供支持,如何有效的利用数据挖掘技术是商业银行客户关系的关键,因此,本文将基于数据挖掘技术的客户关系管理作为研究对象,特别是将数据挖掘在客户分类中的应用作为了重点。本论文首先进行相关文献的研究,分析了客户关系管理的定义和内涵、核心思想、以及客户关系管理对商业银行的重大意义；然后描述了数据挖掘的定义、数据挖掘的过程,重点讲述了数据挖掘中的神经网络和决策树技术；最后将数据挖掘技术应用到商业银行的客户关系管理中,利用神经网络和决策树的方法对客户分类进行优化。本篇论文的重点内容是数据挖掘在客户关系管理中的应用,包括基于数据挖掘的商业银行客户关系管理系统的建立,并通过对比数据挖掘的两种方法,结合商业银行数据的特点,建立并实施了基于决策树法的客户分类模型,对模型的实施结果做出评估,最后根据模型的结果将商业银行申请住房贷款的客户分为五类。