近年来，随着农村经济的快速发展和农村商业银行业的竞争越来越激烈，个人信贷业务快速发展，已经成为每个农村商业银行争夺的焦点。因此，为了保持利润总额和利润率，农村商业银行应更注重自己的个人信贷风险管理和优化他们的信贷风险管理技术。在本文中，首先，把数据挖掘及其运行机制概述。然后从理论上分析决策树模型、神经网络模型和Logistic模型的基本原理，并比较上述三种模型的优缺点。随后进行实证研究，在这一部分，用这三个模型来分析农村商业银行的个人信贷资料，证实了三个模型的预测精度，提出了农村商业银行信贷风险管理的缺陷并比较不同的数据挖掘方法的优缺点。本文重点研究如何利用数据挖掘技术加强农村商业银行信贷风险管理，本文可能的两大创新点：(1)充分剖析了农村商业银行信贷风险的成因，在此基础上指出农村商业银行为了改进其信贷风险管理所应重点改进的地方，并通过其后的决策树模型，证实了上述结论；(2)将数据挖掘技术引入农村商业银行的信贷风险管理，主要着眼于个人信贷管理。通过分别建立决策树模型、神经网络模型和Logistic模型分析研究，提出信贷风险评估决策和农村商业银行信贷风险管理所存在的问题；