گسترش فناوری اطلاعات واینترنت باعث پیدایش گزینه های متنوعی ازمحصولات وخدمات وافزایش فشار رقابتی بین صنایع مختلف می شود که یکی ازاین صنایع، صنعت بانکداری می باشد ازاینرو نظام بانکداری الکترونیکی نیازمند ساختاری جهت یکپارچه سازی ومدیریت دانش مرتبط با مشتریان و ساختاری که بواسطه آن بتوانند دانش نهفته در داده های مربوط به مشتریان را استخراج ، مدیریت و سپس به پشتیبانی از تصمیمات بازاریابی بپردازند می باشند، بنابراین بانکها باید بمنظور افزایش سهم خود در بازار رقابتی و بکارگیری بهینه منابع بانکی در ارائه خدمات متناسب با نیاز مشتریان به بخش بندی مشتریان و انتخاب گروه هایی از مشتریان ارزشمند برای کمک به اتخاذ استراتژی های بازاریابی هدفمند برآیند، با توجه به حجم زیاد داده های مشتریان، می توان از تکنیک های داده کاوی در کسب دانش نهان برای پشتیبانی از تصمیمات بازاریابی استفاده نمود. برای حل این مسئله مدل پیشنهادی پایان نامه با استفاده از تکنیک خوشه بندی به بخش بندی مشتریان و با تکنیک بازاریابی مدل تحلیل rfm به شناسایی و تحلیل رفتار مشتریان بانکداری الکترونیکی و تعیین میزان ارزش آن ها می پردازد و با استفاده از تکنیک دسته بندی در داده کاوی به پیش بینی رفتار آینده مشتریان در بانک پرداخته است. پیاده سازی روش پیشنهادی برمبنای متدولوژی ششگانه crisp-dm بعنوان یک مدل استاندارد در داده کاوی بوده وتکنیکهای مختلفی مورد آزمون قرارگرفت که در انتها نتایج حاصله با یکدیگر مقایسه گردید و بهترین مدل برای اجرا بر روی داده های مشتریان شعبات موسسه اعتباری توسعه در تهران انتخاب و پیاده سازی گردید.