信用卡作为一种高收益高风险的金融产品，已经成为国内外商业银行激烈竞争的重要对象。各家商业银行对信用卡业务的管理水平直接影响到信用卡业务的利润，因此如何客观评价信用卡申请人信用，提供有效的决策依据，是发卡银行亟待解决的问题。 利用数据挖掘技术来建立信用卡申请者信用评分模型能为银行信用风险管理提供了一个客观、准确、一致的评估和控制机制。借助数据挖掘技术，从已有的大量的有关客户背景、行为和信用的数据中，银行能挖掘出“好客户”和“坏客户”的背景特征，包括年龄、收入、职业和教育水平等不同属性，并能计算出不同属性值对客户信用大小的贡献权重，从而建立起能更为科学的评估客户信用大小的数学模型，帮助银行建立信用风险监控的第一道防线。 本文按照数据挖掘的流程，详细分析了如何使用WEKA软件进行数据挖掘的过程，通过数据探索，决策树模型和Logistic回归模型的比较，得出Logistic回归模型比较适合我国现阶段国情的结论，并讨论了如何将模型结果转换为信用评分表。最后展望决策最优化技术将取代现有的预测模型，更好地辅助管理者决策。