近年来,互联网飞速发展,互联网金融产品也应运而生,对于银行业的理财产品也造成了很大的冲击。由于其利息、费用、时间上都相较于传统的银行理财产品更有优势,越来越多的人选择将银行的定期存款投向互联网金融产品,这也意味着银行业的客户资源的流失。而银行作为传统的金融行业有着大量的客户数据,但对数据的利用上却远远不够,数据的增加并没有带来信息的增长,未真正挖掘数据存在的巨大信息量并通过数据挖掘产生的巨大效益。此本文着眼于如何通过数据挖掘技术,提高银行定期存款订阅的成功率,在考虑数据不平衡问题的前提下,对客户数据进行处理并根据最终分类结果进行针对性的订阅推荐以减少银行的成本,最终达到增加银行效益的目的。在数据挖掘分析中,本文首先采用不平衡算法对数据进行处理,利用决策树算法,对客户类型特征进行选择并分析,最终找出对银行定期存款认购影响较大的特征,针对相应的特征表现进行客户分类,对可能认购的客户进行推荐,降低银行盲目推荐的成本,有效提高推荐成功率。