伴随着经济全球化的发展，金融犯罪也因科技进步以及金融服务业的全球化而变得日益复杂。其中洗钱犯罪活动对一个国家的影响最为严重。随着中国作为WTO 成员不断融入全球经济之中并日益繁荣，在我国进行跨国洗钱犯罪的机会也在增加。公布的报告显示，在中国大陆洗钱的金额已达到每年2000 亿元人民币（250 亿美元），占中国国内生产总值的2﹪。这大体相当于中国2001-2002 年度的出口收入。反洗钱的重要性和紧迫性日益突显。 面对日益严峻的洗钱态势，国际社会加强了对洗钱活动的打击力度，试图建立起一套有效的反洗钱操作机制，大额和可疑交易报告制度就是其中最重要的措施之一。而在这其中，大额与可疑金融交易信息的采集、分析和报告又是各国打击洗钱的核心问题和基础工作。我国反洗钱工作起步较晚，有许多尚待完善的地方，尤其在大额与可疑交易报告的分析方面，实际工作中已经暴露出了许多问题，如报告主体积极性不高，分析手段落后，相关信息缺乏等。尤其在可疑金融交易信息的分析方面，我国目前还仅仅处于手工操作阶段。这不仅严重阻碍了我国的反洗钱进程，更将直接影响我国良好的国际形象以及国内经济的健康有序发展。因此，寻求一种理想的技术方法已是十分迫切。 数据挖掘是伴随着信息技术的高速发展，在20世纪80年代末新兴的一门开发信息资源的数据处理技术。该技术能够建立预测模型而不是简单的回顾模型，帮助分析者分析历史数据及当前数据，自动地、智能地将待处理的海量的、以不同形式储存的数据资料转化为有用的信息和知识，从中发现隐藏的关系和模式，帮助预测未来可能发生的事件，从而有效解决信息时代 “数据爆炸但信息不足” 的问题。数据挖掘技术能够在最大程度上保证大额与可疑金融交易数据的完整性和真实性，并能够对数据进行自动分析以提高结论的准确性。国际反洗钱经验也已经证明，应用数据挖掘技术建立一套高效的大额和可疑交易数据处理系统会提高一国的反洗钱效率。 本文探讨的就是数据挖掘技术在反洗钱领域中的应用问题。文章首先概述了数据挖掘技术和洗钱活动，然后结合数据挖掘技术的特点，对反洗钱领域中应用数据挖掘技术进行理论分析，接着着重探讨了数据挖掘技术中的决策树算法在反洗钱领域中的应用问题，最后提出构建我国反洗钱数据挖掘体系的政策建议。