本文在对数据挖掘技术及决策支持系统相关理论研究的基础上，依托金海岸信用决策系统的开发，将数据仓库、数据挖掘、联机分析处理、模型库等技术相结合，构建了一个综合性信用决策系统的框架，提出了一套完整地解决大中型企业客户信用等级细分的方法。 作者借助SPSS数据挖掘工具，分别对相关分析、回归分析、聚类分析、判别分析等方法进行了阐述，同时将上述几种方法相结合，以金海岸公司和上海资信有限公司所采集的客户信用信息为基础，对客户进行了信用等级的评定，很好地解决了信用决策过程中的数据噪音等问题，在信用决策领域进行了有益的探索，分析结果表明该方法具有一定的可操作性。 本论文涉及到多个领域：计算机技术、经营管理、金融学、统计学、统筹学等。作者首先通过相关分析和回归分析对原始数据的变量之间、变量与违约风险之间的相关关系进行分析，从而进行科学的建模；在科学建模的基础上，通过聚类分析对不同的客户群进行了分类；依据分类结果，通过判别分析对新客户的信用等级进行划分。找到了一套切实有效的信用等级划分的方法，在一定程度上解决了信用决策领域建模难、分析结果准确度低的问题。 由于相关条件的限制，该方法在一些细节上的考虑还不是特别周到，也必然存在着诸多问题，必将在今后的学习工作中加以完善。