随着邮储银行业务规模的扩大,客户的数量也急剧提升。传统的客户关系管理系统由于信息化技术手段落后,无法进行高效的客户数据处理。其次,多数邮储银行企业对于客户关系管理重视度不够,未能与企业文化相融合,对企业的发展形成阻碍。为此,本文设计并实现了一个以大数据为背景的邮储银行客户管理系统,旨在通过大数据的运用,实现对客户价值的挖掘和新型客户关系的构建,促进该行持续健康发展。本文遵循软件工程系统开发一般流程进行客户关系管理系统的建设。首先,通过系统需求分析明确系统建设目标,并采用UML用例法分析系统功能性需求,并从数据安全性、可靠性以及系统性能等方面分析系统的非功能性需求;其次,根据系统需求分析结果,建立了系统的业务框架,它们分别是客户基本信息管理、客户资产管理、客户服务管理、客户积分管理以及客户流失管理。在系统设计过程中,本文主要以时序图的形式对功能模块展开具体设计,同时从逻辑结构和物理结构两方面完成了系统数据库的设计。考虑到邮政储蓄银行线上与线下业务的全面发展使得该行已经积累了海量数据,传统的分析手段已经难以满足现实的需要,本文创新性地引入大数据技术,改进了K-means算法,提出了基于MapReduce模型的分布式聚类算法。该算法利用K-means算法中各对象到中心点的距离是独立运算的特点,运用三边关系定理的思想改进了对象归类的过程,同时通过加速比实验证明了该算法的性能的优越性。在系统实现上,本文主要结合界面截图与操作流程图的形式展开详细论述。最后,采用黑盒测试法从系统功能和性能两方面对系统展开了测试。测试结果表明,系统达到预期目标,系统的最终品质符合预期水准。本系统利用改善后的K-means算法实现了客户的聚类和数据价值的挖掘,完成了邮储银行客户的细分,以此有望促成该行的精准营销与产品的智能推荐。