农村信用合作社（农村合作银行、农村商业银行，以下简称“农信社”）长期以来作为农村金融的主力军，在服务农业生产者和小商品生产者，支持农业发展方面发挥了无可替代的作用，在解决农户贷款难，促进农民增收,支持农村经济发展和农业现代化等方面发挥了重要而积极的作用，但其自身不良贷款率仍然是商业银行的5-7倍。因此，客观、全面、准确的评估农村客户的还款能力和还款意愿，拒绝不符合条件的客户，将是避免、控制、减少损失的一个重要手段。传统的信用评分由于标准不一，具有成本高、主观性强、效率低下的特点。社会经济的发展，农户概念的外延和内涵都发生了较大改变，再用传统的农户信用评价体系来运用到现在的农户概念上，不合时宜的。欧美国家的使用经验表明，个人信用评分具有快速处理客户贷款申请，而且成本低、标准一致，比较客观的特点，在银行信用风险管理中发挥重要的作用。欧美国家现代信用评分体系广泛运用了统计学、运筹学、人工智能等方面的技术，在此基础上形成的数据挖掘技术在信用评分模型的构建中发挥着广泛而且重要的作用。本文首先介绍了国内外学者研究个人信用评级的不同理论与方法，并简要介绍了其优缺点；其次分析了农户信用评级现状，定性评价在评级过程中所占比重较大，因而建立一种定量的评级方法对降低贷款风险具有重要意义；第三，介绍了本文研究所采用的的决策树技术、数据挖掘方法以及评级工具——SAS；第四，本文收集了本银行系统近4年的真实农户贷款样本数据，利用SAS中的决策树算法，通过数据清洗、转换，抽样、分析，建立决策树模型，并对属性进行赋值，建立农户信用评分模型；第五，本文得出的农户信用评分模型采用百分制，不同的分值对应相应的信用等级，从而采取不同的信贷策略。本文创新点在于将传统信用评级的定量指标由占比不到70%提高到94%，大大提升了农户信用评级的精确度，同时测试得出农户信用评级模型在高信用级别的客户中具有较高的预测精度，对于中、低级信用级别的客户精度还有待改善的观点。