蒙特利尔银行是加拿大历史最为悠久的银行，也是加拿大的第三大银行。在 20 世纪 90 年代中期，行业竞争的加剧导致该银行需要通过交叉销售来锁定 1800 万客户。银行智能化商业高级经理 Jan Mrazek 说，这反映了银行的一个新焦点--客户(而不是商品)。银行应该认识到客户需要什么产品以及如何推销这些产品，而不是等待人们来排队购买。然后，银行需要开发相应商品并进行营销活动， 从而满足这些需求。

　　在应用数据挖掘之前，银行的销售代表必须于晚上 6 点至 9 点在特定地区通过电话向客户推销产品。但是，正如每个处于接受端的人所了解的那样，大多数人在工作结束后对于兜售并不感兴趣。因此，在晚餐时间进行电话推销的反馈率非常低。

　　几年前，该银行开始采用数据挖掘技术，基于银行账户余额、客户已拥有的银行产品以及所处地点和信贷风险等标准来评价记录档案。这些评价可用于确定客户购买某一具体产品的可能性，使得管理人员不必分析基础数据，因此非常适合于非统计人员。

　　"我们对客户的财务行为习惯及其对银行收益率的影响有了更深入的了解。现在，当进行更具针对性的营销活动时，银行能够区别对待不同的客户群，以提升产品和服务质量，同时还能制订适当的价格和设计各种奖励方案，甚至确定利息费用。"

　　蒙特利尔银行的数据挖掘工具为管理人员提供了大量信息，从而帮助他们对于从营销到产品设计的任何事情进行决策。

迅速提升数据挖掘技术，掌握银行中的客户需求挖掘：

https://bbs.pinggu.org/thread-1409460-1-1.html

数据挖掘可以帮助您：

• 描述客户以往需求趋势并预测未来（获取客户）
• 分析潜在不良客户，及时采取措施减少资产损失
• 进行风险管理-信用评估：将顾客海量信息数据以某种权重加以衡量其信用，应用数据挖掘的方法，可以增加更多变量，提高模型精度