顾客关系管理(Customer Relationship Management, CRM)是营销市场的热门话题。随着市场竞争的加剧,人们越来越深刻的认识到,市场竞争就是企业争夺客户的竞争。对银行来说,更是如此。如今国内各银行已经逐渐意识到客户是至关重要的商业资源,如何在激烈的竞争中留住客户,已经成为了银行竞争间成败的关键。本文具体讲述了CRM的具体内容及数据挖掘的过程、意义,以银行零售CRM分析为例,将数据挖掘方法应用到CRM分析的过程中,从而实现银行对客户的全面把握。本文实例分析部分从客户产品偏好细分模型、客户营销响应模型和客户流失预警模型三个方面讲述了数据挖掘在银行零售CRM分析中的具体应用。其中,客户产品偏好细分模型采用聚类分析的方法,根据客户的交易行为特征对客户进行细分,进而了解客户的整体特征、交易情况；运用决策树算法分别建立了客户营销响应模型、客户流失预警模型,分别用来对客户是否会购买高流动性理财产品、客户是否将要流失进行预测。每个模型都从业务目标、数据处理方法、模型效果评估等方面进行了介绍。经过模型结果分析,客户细分模型能够较好的区分出不同客户的行为特征,营销响应模型、客户流失预警模型能够的正确的反应客户的实际情况,整体模型效果较为理想。最后,本文对模型的部署、模型的监控进行了说明。对本次建模过程中存在的问题进行了总结并对模型的改进提出了相应建议。