随着银行数据越来越丰富,大量的数据被描述成“数据丰富,但信息缺乏”。结果,收集在大型数据库中的数据变成了“数据坟墓”——难得访问的数据文件。这样,使得银行很多重要的决定不是基于数据库信息丰富的数据,而是基于决策者的直觉,因为银行决策者缺乏从海量数据提取有价值信息的工具。而通过数据挖掘工具进行数据分析,可以发现重要的数据模式,将银行的数据坟墓转换为知识“金块”。本文就是着眼于如何通过数据挖掘技术,实现基于银行征信系统的CRM管理。从数据挖掘分类分析理论入手,对数据挖掘的内涵、过程、应用以及征信CRM系统的核心思想进行了论述。文中重点研究了数据挖掘的分类算法,并将相关的分类算法应用到银行客户分类研究之中。在数据挖掘分类分析中,本文描述了一般的决策树算法,介绍并比较了几种典型的决策树算法。商业银行有一项主要业务是贷款,对于申请贷款的众多客户,银行难以发现他们的分类特征,针对这些客户的营销策略的制订就显得缺乏依据。为此,银行可以利用系统数据库或数据仓库中的征信等数据对客户群进行分类,发现申请或不申请贷款的客户类型特征,从而为银行贷款业务制定最佳的指导策略。在本文中利用数据挖掘的分类功能,主要采用经典的ID3决策树算法,进行客户分类应用研究。