随着经济改革的深入,我国经济发展形势良好,城乡居民消费和投资积极性不断提高,消费信贷业务品种不断丰富,居民消费选择性不断增强,推动了中国消费金融市场的进一步发展。在这种情况下,商业银行大力发展消费信贷业务,开拓更广阔的市场,提供新的利润点。贷款业务已成为商业银行的主要业务。消费信贷业务蓬勃发展,不仅可以刺激国内需求,更可以直接刺激经济发展。从目前的发展来看,消费信贷业务在发展的同时,也暴露出许多风险问题。随着互联网金融产品的迅速崛起,商业银行为了实现更好发展的需要,积极开展信贷业务,但在风险管理方面还存在一些缺陷。目前,还没有通用的风险管理模型。现有的风险管理体系无法实现有效的风险评估。因此,深入研究我国商业银行消费信贷业务风险及相应对策,提高信贷风险管理能力,建立和完善个人信用评价体系,对促进我国商业银行消费信贷业务的健康发展十分有利。本文通过理论分析和案例分析,借鉴消费信贷风险管理理论等相关观点,探讨了风险管理的相关概念,介绍了国内外风险管理的研究成果,探讨了A银行的消费信贷管理,并设计了个人信用评价模型对银行进行量化和评价,实证部分利用A银行的个人征信报告数据,利用数据挖掘技术进行评分建模。数据包含1228206个样本,每个样本有98个变量。经过数据分析和特征预处理,最终选择17个字段参与建模。本文主要研究了基于logistic回归算法的建模,采用KS和AUC指标对模型进行评价来解析模型的重要性。最终的建模结果得出,该模型的KS值为0.301,AUC值为0.707。根据模型结果可得出信用评,信用评分高于400的样本认定为优质客户,评分范围在350-400之间的样本为绩效不确定性组,评分小于350的样本为低质量客户。通过信用评分量化借款人的信用风险,实践证明,大数据挖掘技术在个人信用评估中具有良好的实用性。