随着社会主义市场经济的发展与改革的深入,国家相关政策的出台,逐渐形成了有利于私营经济发展的健康环境,个体、私营经济融资需求日益旺盛。作为商业银行重要的利润来源,个人经营性贷款业务也越来越受到重视。与此相应的信用风险管理机制作为商业银行全面风险管理的一个组成部分,有必要建立并不断完善。金融服务业的快速发展,传统依靠人工审批贷款的模式呈现出明显的局限性。近年来,大数据技术对传统的信用评估方式产生了深刻的影响,而信用评分模型正是利用数据挖掘技术,综合考虑客户各方面的基本信息、历史记录,对其违约风险和信用资质进行量化评估。信用评分是指根据银行客户的历史信用资料,利用一定的信用评分模型,评估出不同等级的信用分数。根据借款用户过去的信用表现来预测其未来的信用行为。根据客户的信用分数,通过分析客户按时还款的可能性,据此决定是否给予授信、授信的额度和利率,以及贷后的额度调整、定价及催收等相应的风险措施。本文在介绍信用评分模型的基本概念和开发过程的基础上,分析信用评分模型在商业银行的应用及其价值点,以S银行积累的客户数据为研究对象,采用logistic回归数据挖掘技术,利用先进的统计软件和商业银行智能软件SAS进行分析,建立个人经营性贷款的信用评估模型。同时结合S银行的现状,发现当前S银行存在信用评估问题,并对该问题产生原因进行分析。提出了适合S银行的相应对策与建议,为同类商业银行的个人信用风险评估提供相关的理论支持。并总结目前该模型在实际应用中的局限性和发展前景,希望能对银行信用评估方法有一些启示。