近年来,贷记卡(信用卡)业务在中国进入高速发展期,但随着业务的高速增长各银行都开始面临同样的问题:数据统计分析工作严重滞后,业务风险的判处比较困难。为解决这个问题,本文以数据仓库和数据挖掘技术作为研究方向,风险分析作为主要目标,以A银行业务系统为支撑,构建适应其贷记卡业务发展的统计分析系统。风险分析是本文研究的重点,本文认真参考了国内外类似课题的主流研究成果,确定了运用数据挖掘技术的分类、关联分析法建立一些风险判定、预警、处置等数据模型的研究方法,主要对贝叶斯定理进行了深入研究,利用贝叶斯分类法构建了贷记卡持卡人以及商户的风险分类模型。模型提供了较多的风险指标项设置,运用银行数据仓库中的大量交易数据作为训练样本,得到了风险等级的分类标准,通过模型可以对贷记卡持卡人、商户准确进行风险判别(风险等级概率判定),及时反馈风险规模、快速定位风险点,帮助管理层和决策层做出合理决策以规避风险。除以上风险控制内容外,在数据统计分析方面还涵盖了客户关系管理、市场营销和业务运营分析等方面内容。基于本文研究内容的业务系统则运用了 B/S架构、数据库存储、条件筛选、表结构设计、JAVA等技术手段得以实现。本文以贷记卡业务风险控制为主要目标,深入研究了数据仓库和数据挖掘技术在实际工作中的应用,验证了在训练样本充足条件下贝叶斯分类法概率模型的科学性和准确性,通过建立针对具体目标的数据模型帮助A银行提升了贷记卡业务的发展质量和速度,对分类法的研究以及理论指导实践是本文研究的两大收获。