为了使用户能够准确、高效地分析信用卡数据,信用评分的决策与预测已成为研究热点之一。信用卡数据是具有代表性的海量数据。随着信用卡相关领域的扩大,信用卡数据逐渐被各种高维数据所代表。因此,对于信用卡大数据市场来说,如何提供一个自动化的信用卡数据分析和集成环境,如何有效地转移和重新分配信用度已成为当务之急。本文主要研究了信用卡的数据建模问题,寻找影响信用卡的信用度好坏的因子,并根据多种数据分析算法的结果找出最优的方案。为了完成该任务,本文面向银行数据分析人员,基于R语言与Oracle数据库和SFTP之间的连接,用R语言实现了批量信用卡交易数据分析模型和电子图表的可视化显示系统。该系统后台是信用卡数据分析模型和R基础函数库,前台是基于JSON的E-Charts可视化展示平台,具体功能包括数据加载、信用卡数据分析模型调用、分析结果和日志的归档、E-Charts可视化展示等。论文的主要工作包括:1)对信用卡建模进行需求分析,用R语言与Oracle数据库、服务器（Windows和Unix）和E-Charts连接实现分析与展示功能,构建一个信用卡的批处理集成系统。2)构建R模型的批处理集成环境,将R算法包集成到wrap下并调用,实现逻辑回归、判别分析、决策树和随机森林等多个分析算法的批处理。3)对元数据进行ETL处理,在批量集成系统中使用多个分析算法得到分析结果和报表,并对分析结果进行比较,得出随机森林算法的结果总体上优于其它算法,可以为更深入地数据分析提供依据。综上所述,本文从基础财务数据出发,使用R语言构建R集成环境,自动处理数据挖掘算法模型,对大数据进行重组和调整,获得具有商业价值的客户管理和风险评估的数据分析和预测报告;同时,运用与电子海图相关的大数据可视化方法,将可视化分析结果形象地展现出来,使财务数据分析更加容易。上述两项成果已广泛应用于银行系统的数据开发和数据分析。