随着经济全球化的快速发展,特别是金融全球化的脚步不断加快,我国对于商业银行的创办和利率市场化程度不断放开,因此,我国商业银行之间的竞争也不断加剧,如何维系与客户间关系,把握客户给其带来的资金风险是当前信息技术应用领域所关注的热点。因此,为了银行能够在当前市场更具备竞争力,本文基于用户行为设计并实现了银行客户风险分析系统。本文通过介绍银行客户关系、客户风险发展所面临的问题,阐述银行客户关系以及客户风险的国内外现状。在系统需求分析章节,应用例图展示了用户对系统的功能性需求,并从安全性、界面美观简洁性等方面分析了用户的非功能性需求,从而确定了本系统的功能模块有银行客户信息管理、银行客户征信采集、银行客户分类、银行客户信贷风险评估、银行客户流失风险预警、银行客户风险方案执行。在系统设计章节通过功能结构图和数据库设计图对本系统进行了概要设计,并通过Spring MVC框架构建了系统架构。在用户行为风险评估模型设计部分基于大数据的数据挖掘技术,对用户行为数据进行了采集、挖掘,并以此构建了用户行为风险评估模型。最后对系统进行了功能测试和性能测试,其中功能测试的内容包括客户信息查询、征信导出、客户分类管理、风险评估结果统计的统计、流失风险预测指标管理的添加等,性能测试是针对于各功能模块的浏览,测试结果达到预期。本系统基于用户行为的多指标融合m RMR特征选择算法,对客户数据特征分析,出于对客户流失数据的非均衡特点的考量,提出一种基于边界混合采样的非均衡数据处理算法,实现边界区域中的少数类样本和非边界区域中的多数类样本处理,在保持原有数据分布特征的基础上,实现数据集的均衡处理,提高非均衡数据分类的性能。然后选用MIF-m RMR特征选择算法进行特征选择,同时采用本文提出的BMS算法对特征选择后的子集进行均衡化。最后将均衡化的数据送入分类器模型,得到分类预测结果,以此实现银行流失客户风险预警的目的。