基于互联网金融的冲击和影响,中国银行业越来越重视大数据在银行各领域的应用,并不断在客户画像、市场细分、营销策略及风险管理等领域进行探索。随着国内外宏观经济环境的新情况及趋势的不断变化,商业银行面临的经营策略及环境、客户群体风险动向、产品研发及创新趋势均发生变化,信用风险状况复杂性更高,因此以大数据为分析工具,建立系统化的方法和手段进行信用风险的前置预警,是银行新形势下信用风险管理的必然趋势和选择,对提高我国银行信用风险的管理水平具有重要的理论和实践意义。本文在介绍银行信用风险管理涉及风险识别、风险评估、风险监测、风险控制各环节的基础上,围绕如何通过建立体系化方法和手段进行风险监测的问题展开阐述。首先探讨了当前利用大数据及智能技术建立银行信用风险监测体系的可行性、必要性,及当前各银行信用风险监测体系构建现状,其次通过数据分析阐明了银行信用风险产生的根源性因素,再此基础上提出了信用风险监测体系构成及运作过程:信用风险监测体系由监测指标体系和监测管理体系构成,其运作过程包括指标识别、模型建立、模型运营和问题处置四个环节。指标识别环节本文通过对某银行已产生信用风险资产排查各类问题的原因深入分析,将信用风险产生因素划分为客户行为和银行行为,并以此为基础构建了监测指标体系的监测指标选择;模型建立环节本文对部分重点监测指标的构建逻辑及用到的技术方法进行分析,形成了模型建立的基本思路;模型运营环节阐述了模型运营的基本流程及团队组建等工作,最后以某银行的实际数据对重点核心指标模型进行应用与验证,结果表明模型思路和构建逻辑能够较好的监测信用风险异常信息,并能够有效提升工作效率,所建立的信用风险监测体系可以起到风险监测与前置预警的作用。同时,本文所构建的信用风险监测体系是具有开放性,各银行可根据自身数据资源、系统资源、人力资源等进行优化、完善、改良,资源限制和异同亦是制约信用风险监测体系构建的重要因素,更加普遍适用性的体系建设需进一步研究、完善。