随着世界经济的日益增长和信息技术的快速发展,全球银行卡持续增长,.成为支付领域的主要媒介。在中国,银行卡尚处于起步阶段的朝阳产业,但不可否认已经成为人们生活不可或缺的一部分。目前我国大部分银行还处于银行卡跑马圈地阶段,存在着盲目扩大规模、使用率不高；新产品开发太快、缺少对消费行为的研究；大多数银行卡业务在未来一段时间将长期面临盈利难题等一系列瓶颈问题。故而有必要而且迫切需要银行对银行卡的各种数据进行有效的管理和挖掘。因为商业银行信用风险的影响因素往往是多方面的,传统的信用管理方法往往无法适应这一复杂需求或者无法准确预测信用状况,数据挖掘技术则能弥补这一不足。采用数据挖掘能深入分析客户信用的信用状况的影响因素；能很好的分析组合信用风险问题；能多层次和多角度的展现数据关系；数据挖掘工具能非常全面的展现数据的关系和分析结果。本文通过深入了解银行卡的领域知识以及对数据挖掘技术的学习研究,详细阐述了数据挖掘技术在银行卡管理中的应用,本文的主要工作如下：1、从银行卡的信用评分、欺诈探测、客户关系管理等领域分析入手,阐述该领域的背景知识、传统采用的分析手段和分析模型、介绍数据挖掘技术在该领域中的应用；2、从数据挖掘技术入手,分别介绍了分类、聚类、异常检测等算法的实现及其在银行卡管理中的应用；3、对分类算法,详细介绍了决策树算法及其实现,并提出了相应的模型；4、对聚类算法,介绍了算法及其实现,并建立了一个客户模型。5、对异常检测算法,分析了该算法的基本实现,并提出了客户异常消费行为模型。6、实现了一个数据挖掘银行卡系统,本文对这个系统的体系结构、数据模型以及各个功能模块都做了详细的介绍。该系统考虑全面,设计精细,但由于应用时间较短,需根据实际测试效果再做进一步完善。