传统的银行运营风险监测方式为人工审核庞大数据库中的数据来防范银行业务中的风险交易,存在监测效率低、监测质量差以及人工成本高等缺陷,严重限制了银行的业务发展和业务效率。随着互联网的迅速发展,近年来银行交易业务量飞速增长,但银行业的业务特点决定了其所有交易必须保证零错误率和高安全性。为此,建立一套智能风险监测系统,来保证交易的准确无误和资金安全,具有重要的意义与应用前景。针对目前银行业运营风险监控系统的现状,论文开发一套基于商业智能(BI,Business Intelligence)的银行风险监测系统。论文详细综述了银行业风险监测的国内外现状,指出银行业交易的发展趋势以及风险监测系统存在的不足;在此基础上做了以下工作:第一:分析了银行风险系统需求,进行了系统总体设计,包括总体架构设计、功能设计和ETL设计;第二:基于二叉树的优势,论文构建了二叉树多分类支持向量机模型,采用测试数据对模型进行训练获取模型参数,从而对银行数据库中庞大的交易数据进行分类,区分出风险交易数据,实现对银行业务中存在风险的交易准确识别;第三,在总体设计基础上,实现系统各个模块详细设计,具体包括系统构架设计、业务监控与智能捕捉、数据库设计。论文所开发的商业银行运营风险监测系统,能够满足银行运营的主要风险监测的功能需求。以某商业银行提供数据为测试对象,对所提出的智能风险监测算法进行测试。测试结果表明,所提出的风险监测算法具有较高的精度,同时可以降低银行业的用工成本。论文开发的基于商业智能的银行监测系统,有效克服了传统人工监测的缺陷,对银行业业务发展具有重要推动作用。