随着经济发展、信用管理体系变革及消费习惯转型升级,我国信用卡业务进入快速发展阶段,已逐渐成为一种重要的金融消费工具。但信用卡市场规模和业务快速增长的同时,非法套现、虚假冒用、逾期不还、恶意透支等风险事件不断攀升。因此,改进和强化信用卡业务风险管理成为商业银行及银行业监管部门面临的重要问题。银行与客户之间存在的信息不充分和信息不对称交易环境,是导致信用卡风险发生的主要因素。随着大数据技术进步,商业银行可以更加便捷的获取大量的历史客户数据、交易数据和行为数据,通过数据挖掘技术对大数据进行处理分析,可以得到反映用户信用的相关信息与知识,帮助银行优化信用卡业务风险管理方案。越来越多的学者重视数据挖掘技术与信用风险评估研究领域,创建了多种信用风险评估模型。但通过分析发现,现阶段大部分文献设计的风险评估模型集中于事前的信用评估阶段,而对事中的用户行为和风险事件发生后的催收行为很少涉及。为此,本文从信息不充分和信息不对称视角,以A银行为案例,对现阶段商业银行信用卡业务面临的风险管理问题进行研究,提出基于数据挖掘技术的事前预防、事中监控、事后控制的主动风险管理优化方案。论文采用规范分析和案例分析相结合的研究方法。首先,对国内外的研究现状进行分析和总结,凝练拟研究解决的关键问题、明确研究主题和创新点;其次,对信用卡业务的商业模式、风险特征、管理现状进行分析,为本文研究奠定理论基础;再次,对数据挖掘技术及其在信用卡风险管理中的应用进行分析,明确技术方案推广应用的可行性和可靠性;最后,以A银行为案例,针对其信用卡业务风险管理中存在的问题,提出基于数据挖掘技术的具体优化方案。论文主要研究结论包括:(1)银行与客户之间的信息不对称是导致信用卡风险发生的主要因素,而导致信息不对称的主要原因有:缺少完善的个人征信体系、缺少法律制度保障、和银行缺少大数据支撑的客户信息数据库、算法体系、跟踪识别系统管控措施。(2)在移动互联网快速发展背景下,线上和线下、现场和网络、时间和空间快速融合,传统的交易监测系统很难通过既定的规则发现形式多样的风险事件,难以防御新科技时代的风险攻击事件。(3)现阶段大多数银行的信用卡风险管理都存在预警维度和交易监测单一、风险管理技术落后,以及缺少完善的风险信息共享机制等问题。(4)数据挖掘技术可以挖掘隐藏在数据背后的有价值客户信息,可以建立风险因素识别和风险预警模型,进而可以降低由于信息不对称给银行带来的风险发生概率,改变银行传统的风险管理被动模式。