由于现在互联网与大数据越来越火热,各种庞大的数据走进了我们的生活,每一位客户对于企业和公司都是非常重要的存在,他们可以为企业带来海量的交易记录数据。对于银行来说,客户的存贷款记录、使用产品数量情况以及与银行间的活跃度等数据对银行来说都是十分重要有意义的,最主要的问题是如何将这些大数据充分利用,分析出银行目前的经营现状,让目前所拥有的资源在实际的生产经营中得到充分利用,实现回报最大化的目标。客户画像则可以基于大数据的基础上,通过对客户交易行为打标签来实现对客户的全面了解,首先要知道客户的消费偏好与需求以及风险承担能力,针对不同的客户提供不同的服务与营销。本文选用某欧洲银行在实际运营中的交易数据作为研究对象,运用其所产生的相关变量,从细分与流失两个方面建立模型刻画画像。首先通过数据预处理将得到数据进行整理,运用K-Means聚类的方法建立客户细分画像模型,我们将决策树算法、KNN算法以及SVM算法根据合适的权重加以结合构建出一种组合预测模型来建立客户流失画像模型。得到分析结果:从客户细分画像看,将客户根据对于银行价值的大小分为了高中低三个等级,通过每一等级的客户的特点提出来相应的服务策略与营销策略;从客户流失画像看,将客户与实际流失情况对比后分为忠诚、易流失与已流失,根据每类的流失特征提出相应的挽留策略,对于挽留可能性不大与挽留价值不高的客户适当选择放弃;在得到了两个画像后,在此基础上,我们还进行了更深层次的研究,将其结合从而形成更加详细的客户画像,可以共分为九类,并将这九类分成了三个阶层。