随着邮政金融逐步改革,个人客户已成为为邮政金融客户资源的重要组成部分,同时也是中外银行争夺的焦点。目前邮政金融对个人客户提供的产品、服务缺乏针对性,对个人优质客户的识别能力差且营销策略单一。其主要原因在于缺乏有效的手段衡量个人客户价值的大小,不能准确对客户进行细分和实施差异化的营销策略。而邮政金融已完成数据大集中,积累了大量的客户数据,并且正逐步进行数据仓库的构建,因此,如何充分利用邮政金融大量的客户数据,从中挖掘出隐藏的有用的知识,为邮政金融个人银行业务的发展提供强有力的支持,具有重要的意义。数据仓库、数据挖掘技术正是在这种数据大量积累,客户数据分析需求增长的情况下应运而生的。在邮政金融中,建设以客户为中心的数据仓库,应用数据挖掘技术对分散在各个事务型信息系统中的客户数据、交易数据等进行分析,已成为邮政金融增强竞争力最有力的武器。本文提出了基于客户贡献利润、客户交易量以及客户交易频率的客户价值分析模型,并将该模型应用在邮政金融个人客户细分的价值分析上,通聚类方法对客户进行分类,然后在分类的客户数据上进行决策树的训练,生成分类规则,并对生成的分类规则进行了交叉验证。本文的研究希望能为邮政金融开展个人银行业务、实现客户细分提供方法和思路,为邮政金融实行差异化服务策略、提升服务质量、更有效地参与竞争提供帮助。