随着新时代金融市场的改革进步及互联网科技的创新,以客户为中心的客户关系管理(CRM)是当前商业银行研究的热点之一。有效的CRM可以为银行带来过多的利润。它与供应链管理和企业资源规划相结合,构成了企业信息化的基本框架。客户关系管理的核心思想是利用现代信息技术将客户集中管理作为重要的战略资源,将客户关系管理系统获取的信息与企业的实际业务流程相结合。实现内部客户信息的资源共享,不断提升客户价值,最终为企业带来超额利润。基于数据挖掘的客户关系管理是数据挖掘在银行中的应用,对客户信息进行分析和挖掘,实现客户的准确分类。数据挖掘技术可用于挖掘客户的消费模式和消费趋势,并预测客户对银行的利润。它可以为商业银行的决策提供支持,如何有效地利用数据挖掘技术是商业银行客户关系的关键。通过对客户的各类信息进行分析,预测其信用程度。因此,本文以数据挖掘技术实现客户关系管理为研究。特别强调了数据挖掘在客户分类和信用分析中的应用。本文综合比较中外文献后,从客户信用分析和客户分类两个方面出发,将数据挖掘应用到客户关系管理中。客户信用分析通过决策树、神经网络算法对数据进行训练建模,并比较两种数据挖掘方法,制定信用分析规则,使用此模型对客户信用进行预测,准确率达到85.5%。客户分类通过C5.0决策树算法,对数据集进行训练,制定相应规则,利用此规则对客户进行分类。最后,根据训练的模型,商业银行申请住房贷款的客户分为五类。该论文有图15幅,表6个,参考文献62篇。