科技的发展改变了我们的思维方式以及分析模式，移动通信技术的发展在飞速提升数据通信的速度更加保证了数据安全，以移动互联技术为基础的互联网金融也在飞速发展，用户量飞涨，交易量暴增，金融机构核心业务信息系统每日新增的数据每日以T级递增。针对海量数据的分析处理大数据挖掘技术对海量数据进行处理分析，基于大数据挖掘的用户画像应用也日趋广泛，在互联网行业、游戏产业、传统的生产、零售企业、乃至军营都已经开始应用，而传统金融机构在利用手机端APP对互联网金融理财产品的销售还在使用广撒网地毯式推销的方式，存在着掌握着大量的数据，但是并没有有效利用的问题。
　　本论文研究的对象是某金融机构业务核心网用户数据查询接口采集的部分数据。在对原始数据样本通过大数据统计工具剔除空值、极值以及与本文研究无关的数据字段。在构建用户画像在金融机构常用的用户信息分析模型入手，结合该金融机构的自身特性，产品特性对模型进行了适应性修正。定义用户基本属性类标签采用K-means方式进行聚类，定义对产品销售有重要影响的属性标签。精准营销类标签的建立以C4.5决策树算法，对用户历史交易以及目前持有的理财产品进行分析，设定决策点;从移动APP用户近期的访问行为进行分析、利用Multi-Agent文本聚类算法对咨询内容关键字提取，找到最适宜产品推销的时机。
　　在进行精准营销应用时，以主要大数据的精准营销的的经典4C理论为基础，深度挖掘，构建互联网金融个人用户画像，实现有效的推送、营销。在对基于画像模型进行精准营销评价时，从该金融机构BI经分系统的统计结果，在画像系统推行后，利用实际数据支撑对模型进行验证表明:大数据时代，以“用户画像”数据库挖掘为基础的精准营销细分模型，能够重构用户的需求、精准定位用户群体，并能所属机构实施精准营销提供科学的决策依据。