我国加入WTO以后,外资银行逐步进入中国金融市场,对传统的中国银行业管理和竞争格局形成新的挑战。在这种形势下,精明的银行企业都开始积极地实施个性化、差异化的客户服务策略,作为一种旨在改善银行与客户关系的新型运作机制,银行CRM已成为银行开展各种个性化服务的首选工具。银行业在统一业务处理平台和实现数据集中处理后,对数据的深层次挖掘、利用就显得十分重要,因此,数据仓库技术的应用就显得十分必要,数据仓库已经成为各银行未来信息化建设的关键项目。由此产生的另一个问题是,各种形式的数据库中的数据呈海量急剧增长,在这些海量的数据中隐藏着大量的、有用的知识,而只靠人工阅读或简单的数据检索,远不能够及时提取出那些不同层次的知识,由此数据的生成和理解之间出现了越来越大的差距,从而产生了所谓“数据丰富,信息缺乏”的状况。为了避免这种情况,减少损失,必须要有一种能分析大量数据的新型的数据分析技术,数据挖掘正是这样一种技术,它使得海量的数据被自动地和智能地转化为有用的信息和知识成为可能。基于数据挖掘技术的银行客户关系管理(CRM)系统通过对银行业的客户行为分析、重点客户发现、市场性能评估等手段,取代银行原有的落后、单一的客户信息管理,打破旧的模式,很好地解决了许多银行面临的客户服务的新问题。本课题针对银行对私业务客户信息的数据挖掘应用,从支持银行对私业务客户关系管理(CRM)的技术基础开始,对数据仓库、数据挖掘、OLAP技术和CRM系统的应用进行了介绍。对银行业构建对私业务CRM系统所面临的问题,系统的整体规划和分析、具体设计目标、系统体系结构、算法设计及实现进行了详细的阐述,对银行对私业务CRM系统中数据挖掘应用的几种方法进行了分析,重点对基于决策树的客户分类算法进行了详细设计,并对系统的设计效果、运行效率进行了评价和总结。