Tehnološki napredak i digitalizacija za posljedicu imaju eksponencijalan rast količine podataka. Danas poduzeća, a među njima i banke, prikupljaju velike količine podataka iz različitih izvora i njih pohranjuju u svoje baze podataka. Baze podataka se održavaju i redovito ažuriraju, a iz njih se izvlače podatci nad kojima se izvode analize u svrhe poboljšanja poslovanja. Danas postoje razne tehnike rudarenja podataka kojima se iz njih izvlače nova znanja i informacije i iz kojih se otkrivaju oku nevidljivi trendovi i obrasci ponašanja podataka. Novootkrivena znanja mogu biti temelji za donošenje poslovnih odluka i oblikovanje poslovnih strategija. Za izvođenje procesa rudarenja podataka poduzeća na raspolaganju imaju različite alate i softvere, a jedan od njih je i Weka, u kojem će se u ovome radu provesti podatkovna analiza u svrhu izrade modela za predviđanje odobrenja izdavanja kreditnih kartica klijentima. Banke, kao i ostala digitalizirana poduzeća, svakodnevno pohranjuju goleme količine podataka u svoje baze. Danas je gotovo svaka bankarska usluga digitalizirana, što uzrokuje još veći rast svakodnevnih podataka s kojima banke raspolažu, no te silne količine podataka banke mogu iskoristiti u svrhe efikasnijeg poslovanja. Rudarenjem podataka i otkrivanjem znanja iz njih banke mogu optimizirati poslovanje u područjima kao što su marketinške aktivnosti, upravljanje rizikom, personalizacija usluga, procjena kreditnog rizika klijenata i sl. U radu je prikazan način na koji banka može iskoristiti podatke kojima raspolaže u svrhe analize klijenata. Podatkovna analiza provedena je u Weka softveru nad podatcima dostupnima na Kaggle platformi. Podatci u setu podataka su klasični podatci o klijetima kojima raspolaže svaka banka, a to su dob, spol, zaposlenost, zaduženost, bračni status i sl. Na temelju navedenih podataka o klijentima u softveru je izrađen model stabla odlučivanja kojim se predviđa hoće li pojedinom klijentu biti odobreno ili odbijeno izdavanje kreditne kartice.