伴随着中国经济的快速发展,外资银行在华业务的进一步深入开展,各地方性商业银行向全国范围的业务扩张速度逐渐加快,商业银行间的竞争日趋激烈。银行间竞争的焦点是客户,对客户进行有效的细分是对客户提供有针对性服务的前提条件。银行必须了解现有客户的价值,明确和把握优质客户资源,为他们提供更具个性化和吸引力的服务,提升客户忠诚度,利用有效的资源产生尽可能大的效益。个人金融业务作为商业银行新的利润增长点,受到越来越高的重视,对个人客户的细分也就显得尤为重要,本文就将研究P银行个人客户的细分问题。银行数据大集中之后,数据仓库技术的引入为提升银行总体管理决策水平,搭建客户关系管理系统,实施客户细分等一系列管理决策性应用提供了有力的支撑。本论文就是以P银行数据仓库投产应用为前提,以P银行大连分行客户细分为研究目标,运用数据挖掘相关的技术和工具,以期构建合理有效的客户细分模型,提升银行决策管理水平。本论文首先简述了当前商业银行个人客户细分及数据仓库技术运用的基本情况,之后对商业银行客户细分理论及数据挖掘的相关技术进行阐述,然后建立了P银行个人客户价值评价的模型,以客户价值作为客户细分的评价依据,运用数据挖掘方法建立数据集市,构架P银行聚类分析模型,成功实现对银行个人客户的细分及对各细分群体属性的描述,并给出对于各细分群体的营销建议。研究结果对于P银行进行客户关系管理,维护有价值客户,发掘客户潜力,提高客户价值及忠诚度有十分重要的理论价值和现实意义。