如今各行各业的竞争都相当激烈,特别是在金融(银行)行业,竞争成为了行业规则,对业绩的把握,其实就是对客户的把握,掌握客户需求越及时,越能满足市场的需求,就越能成为行业竞争中的佼佼者。目前大部分企业建立了客户管理系统,信息化程度的提高使中国金融业获得了大量客户电子数据资源,而客户数据信息的理解和利用对提高企业服务水平具有重要作用,特别是准确的客户分类使企业能有效实施客户关系管理策略。如今的企业已经历了数据集中收集的时期,如何对已有信息有效使用,挖掘出对决策者具有价值的信息?显然传统的技术支持已无法满足用户的要求。数据挖掘技术可以对海量数据进行处理,从不完全的、有噪声、模糊的数据中提取隐含在其中的数据,在概括描绘已有的信息数据基础上作分析预测,为决策者提供决策所需要的信息。应用数据挖掘技术可将市场和客户分成有意义的群组,协助企业更好策划活动和设计新的市场运动,通过获得客户类别来分析和预测客户的消费模式。因此,研究数据挖掘技术,对客户进行分类,根据分类结果制定CRM策略具有重要的理论价值与现实意义。本文着重研究了数据挖掘技术在金融业CRM系统中的应用与实现。首先介绍了数据挖掘与客户关系管理的基础理论,然后结合当前金融业务的特点,分析了金融行业CRM的功能及架构,同时本文基于聚类分析算法,提出数据挖掘在金融业客户关系管理中的典型应用。本文就针对银行业数据挖掘的工作流特点及数据的分析,提出必须实现客户关系管理的数据仓库的建设,在分析K-means算法的优缺点后,提出了一种改进的K-means算法。最后本文参照数据挖掘分析的实际工作流,即从目标的定义,到数据的准备,至数据仓库的建立,再到算法的实现与结果输出和应用,选自某银行金融理财部2009至2010年度的信息数据,以此进行挖掘与实现,并一一给出了对应的操作策略说明。