在我国,信贷监测体系已经初步建立起来,但是目前仍存在体系不完善、不健全、操作不灵活等问题,这些问题的出现表示我国信贷监测体系还需进一步完善。本文创新性的结合了大数据技术设计与实现了一个银行信贷风险评估与决策支持系统。首先对整个系统做出规划。并且对现行银行管理系统的初步调查,进行系统的可行性研究,合理设定系统目标与需求。其次进行系统分析。通过对相关业务流程的分析,利用决策支持技术为主要,具体技术包含利用大数据的相关算法,进行对银行信贷风险用户的评估与监测。随后对系统进行设计和结构进行构建,设计出了该系统中的主要模块,主要包含用户信息管理、信贷资料管理、信贷风险评估、信贷决策与审批、放贷管理和贷后管理六大功能模块,并且对系统的数据库进行了详细的设计。在系统开发技术上采用三层架构技术,利用.Net开发平台,结合SQL Server 2016数据库技术。同时考虑到银行信贷风险评估与决策支持系统的核心业务归结于对银行客户信贷等级进行量化评估并以此作为银行受理客户信贷业务的决策依据,基于此,本文将大数据算法技术应用到系统中,构建了一个基于用户大数据的信用评估模型,该模型通过从身份特征、行为特征、人际网路、履约能力以及信用历史五个维度基于C5.0决策树算法进行用户数据挖掘,达到对客户精准评级的目的。在系统功能模块的实现上,着重介绍系统的用户信息管理、信贷资料管理、信贷风险评估、信贷决策与审批、放贷管理和贷后管理这六大块功能模块的实现过程,给出了实现的具体界面图和流程图,并且对这些图片所对应的内容作出了合理的解释。最后再对系统进行了详细的系统测试,对各个功能模块的各个具体功能进行合理的测试,得出各项功能均能够稳定、合理运行,能够满足各类需求。本文的创新点在于将决策支持技术与大数据的相关算法融入到银行信贷风险评估之中,代替了人力的审核,其审核速度快,节约了大量的人力和物力。并且采用的C5.0决策树在对用户的挖掘处理上很契合银行的系统。银行信贷风险评估与决策支持系统实现了对银行客户信用等级的精准评估,提高了决策科学性,并有效降低银行信贷风险,具有较好的实用价值。为目前的银行创造出了一套合理科学的信贷风险评估与决策支持的系统。