近几年伴随着金融市场的开放,多种金融创新不断涌现,金融业务范围已经打破传统地域的限制和网点的制约,业务发展的压力促使金融机构在经营管理创新的同时又要及时对风险进行规避。数据挖掘技术就是从大量的实际应用数据中提取隐含信息和知识,利用数据库、人工智能和数理统计等方面的技术,对数据进行深层加工和分析的信息处理技术。在银行操作风险识别中,通过数据挖掘这种技术,对涉及金融方面的信息进行分析、归类、统计,从而达到控制金融风险,并有效于进行风险管理。本文首先重点回顾了大数据技术与银行操作风险监控关系的研究现状,并分析了银行操作风险的类型、存在问题,以及结合大数据挖掘技术的特点、优势和方法对业务操作风险的影响。在此基础上提出了两个观点:1、根据操作风险的类型,现有的风险监督模式不能够有效的从大量数据中发现数据之间存在的关系,导致不能精准的对风险进行预警;2、利用大数据挖掘技术的优势,应用于银行复杂的数据,从而快速识别风险,并在此基础上建立风险监控系统。对采用某农商银行2016年二季度至2017年二季度为样本进行实证检验的结果显示:对比传统的人工审查业务方式,通过建立大数据风险监控系统,能有效、实时、多维度的对操作风险进行监控,且对风险的管理进一步提升。结合大数据挖掘的研究结果、操作风险监控的现状、大数据挖掘技术的应用,并由此建立的风险监控系统,不仅能够提升银行的工作效率、降低人工成本,且能够增加风险的覆盖面。但由于环境复杂、数据庞大,后续建议引入人工智能,增加系统主动学习能力,并能对历史数据进行回溯,对新风险情形自动分析、记录,可以更有效地进行风险识别,进一步实现对商业银行操作风险的实时防控。