在银行业,随着金融信息化和利率市场化的不断深入,以及互联网金融对传统金融机构的冲击,银行类金融机构面临巨大的竞争压力。然而银行间的竞争的本质是客户资源的竞争。在银行产品同质化的情况下,客户资源的竞争就是第一时间了解客户,然后满足客户的金融需求。数据挖掘技术的使用,对于在海量数据中获取客户的真实需求,为银行客户细分提供了科学的实现方法。本论文首先阐述了数据挖掘技术在金融行业的国内外研究现状和在银行业的应用情况。目前,大多数数据挖掘系统用于支持管理决策层的决策或者市场部门的客户和市场分析,很少有具体针对基层银行客户经理和柜面人员的应用。特别如城市商业银行、农村商业银行、农村信用社等中小金融机构,虽然建立起了数据仓库,但在数据处理方面还有所欠缺。调查显示,还尚未有一款针对一线客户经理和柜面的营销系统。接着,本论文对数据挖掘技术中的聚类算法进行了分析。详细介绍了聚类分析算法K-Means算法的原理和应用方法。本文以N市的农村商业银行为例,结合软件工程的方法,进行系统需求分析和设计。然后,以F省联社的数据平台所提供的数据和第三方的交易数据为来源,使用数据挖掘方法中的聚类分析,同时以客户细分为基础,依据客户基本信息、资产信息、财务信息和交易明细等内容,对客户特征进行分类,并概括出不同客户群体的特点。最后,根据这些特点,选择适当的营销策略,并由数据分析系统推送到柜面终端进行展示,为柜面服务人员的营销提供决策信息。论文的总结部分对银行柜面智能营销系统在分析和设计过程中存在的问题进行了分析,并对系统后续的扩展和完善工作进行了展望。