近年来,随着中国经济的快速增长,居民收入水平提升,超前消费理念逐渐深入人心,这些因素促进了信用卡市场的发展。然而,随着信用卡发卡数量、交易额不断提高,其逾期未偿金额也在大幅增长,违约率持续上升。信用卡业务目前已成为商业银行利润的重要增长点,使得我国商业银行高度重视对信用风险的管理和监控,保持信用卡业务的持续、稳定发展。《巴塞尔新资本协议》对于商业银行在经营管理过程中遇到的风险划分为信用风险、市场风险和操作风险。其中,信用风险(又称违约风险)是最主要和最复杂的风险。目前,我国商业银行信用卡风险控制水平还处于初级阶段,在信用风险评估方面的经验比较有限,与国外先进银行的风险管理水平还有很大差距。因此,我国商业银行应积极建立以计量模型为核心的信用风险管理系统,通过数据挖掘技术提高信用风险管理水平,才能在激烈的信用卡竞争市场中占据有利地位。本文主要以商业银行信用卡客户数据为研究对象,从理论与实际结合的角度,建立和比较多个数据挖掘模型,结合实际,选择合适的信用违约评估模型,同时对影响违约概率的风险因素进行分析。本文共分为五个部分,其中:第一部分主要介绍研究的背景、意义及国内外的研究现状等。第二部分重点介绍信用卡基本概念以及风险类型,系统地分析了我国商业银行信用风险管理现状和方法,以及实施信用风险管理的重要意义。第三部分主要阐述了数据挖掘技术的概念和数据挖掘方法,及其在信用卡违约风险管理中的应用现状和重要的指导意义。第四部分结合我国某商业银行信用卡客户数据进行了实证分析。将数据挖掘方法与违约风险管理相关理论知识相结合,为商业银行选择合适的违约风险评估方法。最后,本文对实证分析的结果进行了分析,阐述了数据挖掘技术在我国商业银行信用卡业务发展中的重要作用。并且对商业银行选择合适的信用风险评估方法、降低信用卡违约风险提出建议。