本文在介绍相关研究背景及关键技术的基础上，主要从应用的角度以数据仓库技术为基础，针对银行卡业务，进行了银行卡业务的需求分析；设计了适合银行卡业务的决策支持系统框架：确定分析主题，针对不同的分析主题建立数据仓库的事实表和相关维表；根据分析角度的不同进行OLAP建模，并生成多维数据立方体：在数据立方体上利用OLAP前端工具进行分析与展现，用适合银行卡业务的数据挖掘算法对数据立方体上的数据进行挖掘，得到客户分析、商户分析及银行卡业务分析的相关分析报表与挖掘结果；在客户分析中，建立了客户贡献度评价模型，采用决策树分类方法，成功地对客户进行了分类；采用聚类方法，根据客户的贷款情况对客户的信用度进行了聚类分析，得到了很好的挖掘结果：进行了客户活跃度的分析；探讨了信用卡期诈的几种控制方法。 文章还针对关联分类CMAR算法，在多维数据立方体的基础上，提出了基于数据立方体的多分类-关联规则挖掘算法；针对银行决策层对客户属性兴趣度的不同，用户需要得到最看重、最关心的属性的相关信息，提出了基于数据立方体的水平加权多分类-关联规则挖掘算法。该算法通过银行业务人员的经验对客户的属性设置所需要的权值，解决了用户用传统算法挖掘不到的最看重、最关心的属性分类关联规则的问题。从算法执行所得到的分类关联规则中可以看出挖掘的结果比较符合实际情况，得到了对银行工作人员来说最需要的、最有价值的信息，说明这个算法的改进是切合实际，有实用价值，并且是有效可行的。