如今,在银行各业务系统数据库中存储了大量的POS签约商户的收单业务数据信息。如何科学地运用数据仓库技术对这部分数据进行整合和分析,来达到对银行客户的针对性营销和服务,以提高银行客户对银行的满意度、忠诚度以及粘合度,是现如今银行业的工作重点和银行客户细分的一个研究重点。本文是以数据仓库技术为核心,数据挖掘方法为手段,对银行客户进行细分管理,在客户细分的基础上实现客户的针对性营销方案设计。本文首先研究了数据仓库、CRM以及客户细分在金融业和银行业领域的应用现状,分析了银行业现有的数据仓库体系结构,之后对当前银行客户细分及数据挖掘技术运用的基本情况进行了阐述。然后对POS收单业务的数据源进行分析,经过数据调研,根据POS收单业务的数据特点来进行主题划分,客户化TeradataFS-LDM数据模型,完成了基于POS收单业务数据仓库的构建。最后,运用构建的数据仓库中的数据,以商户基本信息和是否有优惠等指标作为银行POS收单业务客户细分的评价依据,运用SAS软件的数据挖掘方法构建POS商户数据的预测模型和聚类分析模型,实现对银行POS收单业务客户细分,完成对各细分群体属性的描述,并对各细分群体给出有效的服务、营销建议。研究实现了从数据到知识的整个数据生命周期的转化过程,研究结果对银行的数据仓库搭建、客户关系管理、客户维护和客户价值发掘有重要的理论价值和现实指导意义。