随着中国加入WTO,加快了参与世界经济一体化的进程。中国银行业面临着巨大的挑战,实力雄厚的外国银行不久就将在中国纷纷抢滩登陆。这是全球经济一体化进程的必然趋势,也是垄断中国的银行业必须接受的考验。而外资商业银行经营人民币业务的战略之一就是占领信用卡市场。外资银行之所以这么看好中国的信用卡市场主要是由于我国的信用卡市场有着很大潜力有待挖掘。目前,我国的信用卡发卡行、发卡量和交易量都大幅上升,各发卡行也积累了大量的客户交易相关数据,但所有信用卡发卡行面临的一个共同问题是:日常运营数据量非常大,而其中真正有价值的信息却很少。因此,如何利用客户的特征、行为等数据获得客户的行为模式,从而更好地为决策者提供支持,更好地进行风险管理、市场营销、财务管理、客户服务等方面的工作成为当前重要的课题。对这一课题的破解,除了传统的信用卡业务统计分析技术之外,数据挖掘(Data Mining)技术的应用是一个重要的趋势。如何从海量的客户数据中提炼出有意义的“知识”,针对不同的客户提供个性化的服务,降低发行信用卡的风险是当前各个商业银行发展信用卡业务的一个紧迫的课题。在数据量巨大的银行业,正是发挥数据挖掘技术的最优场所。有鉴于此,如何利用数据挖掘技术在银行业的各个方面挖掘出好的模型正在成为当前学术界的一个热点。这也是本人撰写本文的初衷。本文探讨了银行数据仓库、数据集市的建立,以及重点研究了数据挖掘技术在信用卡信用风险评分模型中的应用,并提出了使用神经网络算法建立风险评分模型的新思路。希望可以为银行开展信用卡业务带来一些帮助。本文将数据挖掘技术与信用卡业务分析相结合,主要分析数据挖掘技术在信用卡信用评分模型中的应用。同时,也在前人的基础之上提出了用神经网络算法建立模型的思想。本文共分五章:第一章是绪论部分,主要阐述了本论文研究的课题在国内外研究的现状。第二章介绍了数据挖掘的一些基础知识。