该文以银行信用卡交易数据为研究对象,利用数据挖掘的理论、技术和方法挖掘银行信用卡信息中的有用知识.首先介绍了数据挖掘技术的基本原理,挖掘的核心算法.结合银行领域背景,在分析了信用卡数据中可能存在的知识后,重点剖析了分类中的决策树算法与神经网络系统、聚类中的K-means算法和关联规则中的Apriori算法.针对工商银行天津市分行信用卡信息进行了初步分析:利用数据仓库有关概念,对所涉及的多个数据库进行了集成与转换,形成了包括用户资信相关信息、消费信息的综合数据库.采用K-means算法对此数据库进行聚类,从中发现了一些有价值的知识,同时对其中交易时间的聚类分析提供了持卡消费的频繁区间;设计了BP神经网络,对信用卡数据进行分类,此项分析对持卡客户的评价及预测极有价值;实现了Apriori算法施加于上述数据,此项挖掘主要产生客户资信项目与消费之间的关联,同时也发现了资信项目间本身的关联规则,对进一步指导修订资信评估内容有重要意义.