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，对客户流失预测在BI中的应用以及国内外的应用状况进行了探讨，介绍了客户流失预测在基于数据仓库的BI应用中的地位和重要性，详细论述了如何在数据仓库平台上，运用数据挖掘工具对客户流失问题进行建模和预测，以及如何借助于基于数据仓库的银行标准作业程序(SOP系统)对客户实施有效挽留并对挽留结果进行评估。　　 论文从数据仓库和数据挖掘的基本理论入手，以银行业为背景，以民生银行高端零售客户数据为基础，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，从客户流失的业务定义、目标客户群的选取、时间段要素的确定到建模变量的选择、变量的分组、建模所需数据集的生成、模型的构建以及模型的验证评价在内的整个建模过程进行了详细地分析和研究。从初步筛选的50个预测变量中，经过SAS编程进行回归运算判定，最终确定出影响银行客户流失的18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，将客户的实际数据带入模型后，可以得到每个客户的流失概率和流失评分。　　 最后讨论了如何利用模型辅助银行管理者进行决策，并且从客户关系营销的角度讨论了客户维系策略和减少客户流失的具体措施。通过把模型部署到基于数据仓库平台下的SOP系统中，根据预警客户的行为特征和兴趣爱好对客户进行有针对性的营销，为客户提供个性化的整体金融理财解决方案，以达到进行客户挽留的目的。论文将数据仓库技术和数据挖掘技术较好地运用到银行客户流失预测中，取得了良好的效果。