随着金融市场的高速发展,其面临的安全问题也日益凸显出来。建立符合我国银行特点的风险管控技术是保障商业银行拓展新利润增长点及信用卡业务稳定发展的需要。虽然现在已经有许多针对信用评分的研究,但由于邮储银行信用卡管理规范的特殊性及客户群体的差异性,现有模型和方法并不能完全适用于邮储银行信用卡的风险评估管理。根据邮储银行的客户特点,本文利用数据挖掘方法对原有的信用评估模型进行改进,使其能更好的进行审核、评估,有效规避信用风险。本文的主要工作如下：一是在分析邮储银行客户特点的基础上建立了准入资格和履约情况两种个人信用卡风险评级指标体系,并应用加权平方和方法确定指标项权重系数,通过测试表明在两种指标体系下的审核结果均符合客户的实际情况,具有有效性和适用性；二是结合建立的指标体系,运用BP神经网络算法优化原有的邮储银行信用风险评估模型,以实际邮储银行客户数据为样本,通过基于分类回归树法、Bayes判别式分析法、神经网络法对信用评估模型进行对比测试,实验结果表明改进后神经网络信用评估模型的预测具有较高的准确率,有一定的实际应用价值。