在银行产品同质化现象普遍存在的今天,客户选择产品及服务的余地越来越大,客户的忠诚度越来越低,客户流失已经成为银行业最为关注的问题之一。通过分析和预测客户流失行为的特征并进行有效的管理,尽可能的减少客户流失是一个紧迫的问题。论文采用了理论研究和实证研究相结合的方法,基于对客户关系管理的现状、面临的问题以及国内外的应用状况等问题的探讨,详细论述了如何应用数据挖掘技术对客户流失问题进行建模和预测。从数据挖掘和CRM的基本理论入手,以银行业为背景,以中国建设银行某分行的客户数据为基础,运用LOGISTIC回归模型,重点描述了一种基于SAS9.1挖掘平台下的客户流失建模过程。详细叙述了客户流失模型的构造思路,从客户流失的商业界定,到建模所需数据集、建模变量的选择,时间段等要素的确定,进行流失模型的总体设计工作。在实际挖掘过程中,对包括数据的准备、清洗,变量的确立,模型的构建以及模型的评价在内的整个建模过程进行了详细分析和研究。论文从初步筛选的30个预测变量中,经过SAS9.1编程进行回归运算判定,最终结论中确定出影响银行客户流失的5个贡献度最大的预测变量,并由此建立流失模型。针对每个客户,将客户的实际交易数据带入模型后,可以得到每个客户的流失概率和流失刻度,并由此进行有针对性地营销,进而为银行的经营、决策提供可靠的量化依据。通过建立客户流失模型,预测哪些客户最具有流失的倾向以及影响客户流失的关键因素,帮助识别风险客户,在客户流失之前采取针对性措施来挽留他们。这就改变了银行以往在成功获得客户以后无法监控客户流失、无法有效实现客户关怀的状况。最后讨论了如何利用模型辅助企业管理者进行决策,并且从客户关系营销的角度讨论了客户维系策略和提出减少客户流失的具体措施,提出有待进一步研究的方向或课题。论文将数据挖掘技术较好地应用到银行客户流失预测中,取得了良好的效果。