随着市场竞争的不断加剧,企业需要商业智能指导业务行为并进行辅助决策,以便在激烈的市场竞争中赢得主动和更多的商机。数据挖掘就是一种运用决策树、关系规则、分类、聚类等技术来做决策的非常有用的方法。其中聚类是在无先验知识无指导下进行数据分析的一种数据挖掘技术,传统的聚类分析是一种硬划分,这种划分的界限很分明。可是现实生活中大多数对象并没有严格的属性,它们在形态和类属性方面存在着中介性,具有“亦此亦彼”的性质,因此比较适合进行软化分,即模糊聚类分析。针对商业银行中迫切要解决的信用风险问题,本文使用基于模糊等价关系的模糊聚类分析对银行的信用风险进行信用评分,该系统预先找出某些决定付款违约可能性的关键因素,将其综合或赋予权重从而得出一个量化的分数,经过适当处理得到模糊聚类评分模型。本文的重点:第一,采用模糊聚类评分模型改进了一般的信用评分方法对各影响因素动态连续变化过程,以及各个因素之间相互促进或制约关系,无法予以反映的不足。该模型是一种行为评分模型,是一种前瞻式的控制信用和收账风险评估工具,能实现对现有客户未来欠账风险的评估。从而对银行信用决策的科学性、专业性起到促进作用。第二,数据挖掘结果的可视化。通过图形和文本两种方式显示地描述知识,所产生的知识能帮助用户理解。