客户关系管理是人口信息管理的一个重要内容之一，随着计算机技术的发展，如何通过计算机对客户信息进行有效的管理成为近年来的热点。本文通过对某银行分行实际客户数据的深入分析，找到不同客户背后特有的人口学特征，以对各个行业的人口信息管理提供一些参考价值。 判定树分类法已被成功地应用于许多分类问题，但应用于银行的客户行为分类预测研究在国内到目前为止还没有。本文尝试采用判定树算法完成银行客户的分类预测，即通过建立判定树模型，找到银行中申请住房贷款客户潜在的人口学特征，然后根据不同特征的客户提出不同的管理方式，用于指导银行的客户关系管理。同时提出一种新改进的判定树，以运用于企业利用它进行更深入的人口信息管理。 本文分四个章节： 第一章：客户关系管理理论。主要介绍了客户关系管理和数据挖掘的概念，数据挖掘与客户关系管理的关系，以及本文所研究的主要问题。 第二章：针对得到的实际数据和本次数据挖掘任务，通过与神经网络法的比较，确定判定树法为建模方法，同时对判定树原理进行简要论述。 第三章：使用中部某银行分行的具体数据，在数据预处理和概念分层的基础上用判定树法建立模型，对客户进行分类预测，找到不同客户的不同人口学特征。最后对判定树进行检验。 第四章：对建立的判定树模型进行评价和解释，根据模型结果就银行如何对不同客户进行差别管理提出建议，同时提出一种改进的判定树的方法。