随着中国加入WTO，我国金融银行业的竞争也日趋激烈，银行风险预警系统作为银行风险系统的重要分支，对于提高银行自身的核心竞争力具有重要地位。在目前的银行风险系统中，尤其是银行同业业务中，关于客户，下级机构以及同业新业务预警的分类还停留在以人工手动完成的阶段，为了降低人为因素的影响，更加科学准确的得到分类结果，本文在分析了决策树技术在银行风险预警系统中应用的可行性之后，提出了一种以提高预警质量为根本目标的应用决策树分类技术在银行风险预警系统的实施方案。分类是数据挖掘的重要组成部分，它根据类标号己知的数据建立模型，进而使用该模型来预测类标号未知的数据所属的类。常用的分类方法有决策树分类、贝叶斯分类、神经网络分类等，其中决策树方法在可理解度、易训练性、易实施性和通用性等方面优于其他的分类方法。本文选择将决策树分类法应用到银行风险预警系统中。根据所提出的实施方案，本文以同业客户分析为例，完整地实现了决策树分类的全过程，包括：确定对象及目标；采集数据；采用数据集成、数据清理、数据转换、数据消减等数据预处理技术；使用ID3算法生成决策树，并利用事后修剪法对决策树进行修剪；然后由决策树产生分类规则，完成决策树模型的建立；最后，利用构筑的决策树模型成功应用到风险预警系统中，并取得了良好的效果。