在大数据时代背景下，信用卡行业发展势头强劲。对于商业银行信用卡发卡端而言，信用卡的快速增长无疑对授信审核工作造成巨大的压力。大数据技术的运用一方面使得信用卡发卡模式发生了巨大的转变，大幅提高了发卡量，不断地减轻了人工审核压力。另一方面随之而来的是各大商业银行正在运用大数据加快信用卡风险防控的步伐。在授信审核风险防控的工作中，大数据技术能将统计目标精确到信审人员个体，记录信审人员作用全流程中的风险防控行为和成效，并通过建模等方法对信审人员的属性和行为进行分析，为制定经营策略和部署风险防控策略提供有力支撑。基于上述背景，从人工授信的独特视角出发，利用大数据统计得到的M银行的信用卡风险数据剖析人工授信对信用卡逾期风险表现的影响，进而为商业银行信用卡风险防范工作提供另一种新思路。
　　本文首先对国内外信用卡风险相关研究进行整理。其次，以M银行为例，对其信用卡授信审批相关理论和信用卡风险理论进行阐述，指出信用卡风险相关指标，剖析授信风险成因并提炼出人工授信管控机制。再者，通过大数据筛选选取M银行247位授信审批人员特征因素数据，授信审批人员的逾期率和核发资产数据，及不同城市的平均逾期率数据做为分析的原始数据，通过进一步数据清洗得到可使用的研究数据，对信用卡整体核发现状及不同授信审批人员的M0+、M1+、M3+逾期现状进行分析，发现不同城市区域的逾期风险表现不同，逾期风险较高的多集中在部分区域。实证分析部分对信用卡授信审批人员的特征因素和不同M0+，M1+，M3+逾期情况进行深入探索，构建Logistic回归模型对影响逾期率的人工特征因素进行实证分析研究，并对模型效果进行检验。针对实证分析结果并结合实际授信审批工作，探索出人工授信风险防控对于逾期风险的影响，提出对于M银行未来信用卡人工授信风险防控的合理化建议，尤其是在大数据背景下信用卡授信端对于人工授信风险防控的合理布局。实证结果表明人工授信在信用卡短期风险的防范上存在着积极作用，影响逾期风险表现的特征因素与授信审批人员的经验丰富程度有关。而在信用卡长期风险的防范上，人工授信的作用尚不明显。商业银行信用卡业务可以根据授信审批人员不同特征的差异性进行风险防控工作的合理分配布局和策略部署，使授信风险防控的效用得到最优化。