在竞争日益激烈的市场中,银行承受着巨大的压力。客户关系管理(CRM)是各大银行越来越重视的一部分。任何功能层次的CRM都是在客户分类的基础上实现的。哪些顾客是对银行有价值的,哪些是能在将来为银行创增收入的,这些特征要素关系到银行的成本、收益、推出各种服务的收益率、市场策略、服务手段等。鉴于目前国内银行对客户分类的必要性,本文将以重庆某商业银行为例,采用数据挖掘中的分类方法,建立银行的客户分类预测模型,以指导银行的客户关系管理。而分类模型的建立前提是对现在已有类标号的客户进行分析建模,但是目前国内银行对现有客户的类别确定大多是通过简单的客户身份(如:客户的年薪)或者客户存款数额,这种类别定位方法显得不是很准确。因此,本文在对银行客户建立分类预测模型之前,采用一种新的分析方法,数据挖掘方法中的聚类分析法,对银行客户进行聚类,确定现有客户的类别。进而在此聚类的基础上通过决策树分类器方法对银行客户建立分类预测模型,并将该模型应用到已有其余客户以及未来加入的新客户上,以便银行科学、快速、有效的区分不同价值的客户,为银行在客户关系管理方面提供一个强有力的支持工具。本文运用数据挖掘技术和统计技术,围绕商业银行客户关系管理的重要部分识别重要客户的问题进行了系统的研究。并引入了时间序列的因素,使用SAS数据挖掘软件建立了某商业银行基于客户价值的客户分类预测模型。在建立模型过程中采用SOM聚类分析方法对客户进行价值聚类,得到不同价值的客户类别。在此基础上采用三叉决策树分类器和二叉决策树组合分类器建立客户分类预测模型,通过对不同分类器的预测效果的评估比较,得出最终预测模型,并应用模型结果指导实践。研究结果对于商业银行进行客户关系管理,维护有价值客户,提高商业银行客户的价值与忠诚度有十分重要的理论价值和现实意义。