互联网技术的发展是迅速的,而数据信息的增长的速度更是呈指数级,大数据相关技术对各领域的发展方向和发展方式造成了巨大的影响。在银行业看来,海量数据、大数据技术既给其发展带来了全新的发展机遇,同时也让银行的各项传统业务在发展创新过程中面临着巨大的挑战。本文从银行个人客户的信用风险方面着手,旨在通过大数据技术提升银行信用风险管理水平。本文学习了大数据基本概念,分析了大数据的相关技术对银行业的影响,并进一步研究国内外目前对于大数据相关技术的研究以及在金融业中的具体应用。同时,还研究当前银行业主流信用风险控制方法,阐明银行个人风控体系建设的意义。本文重点关注个人客户违约率测算,通过对比主要的个人客户违约率测算方法,本文最终选用逻辑回归方式进行预测。为了更加贴近银行实际,本文以无锡市A银行为基础,结合该银行现有系统体系,进行进一步研究。基于华为的大数据产品平台,通过Spark Mlib工具进行机器学习,逻辑回归。最后分析运算结果,发现模型的准确率维持在80%以上,结果在我们的接受范围之内。在研究的过程中,遇到了各种各样的问题,受限于个人研究水平及用于建模的数据完整性,最终结果并未如预先计划的那样完美,但我们可以初步得出以下结论:数据的收集及处理能力将很大程度上决定后续工作的难度和最终结果的准确度;充分地进行数据挖掘,对风控模型的建立有着非常重要的作用;在数据收集的渠道方面,除了需要收集传统渠道下结构化数据,还需要收集互联网甚至物联网下的非结构化数据;本次探索对数据的相关检验做得还不够。对于结果分析,考虑到训练模型的数据量较少,结果基本可接受。此次研究为今后个人客户信用审核作参考,对降低银行个人客户信用贷款不良率有一定的参考意义,也提供了一种新的思路。