近年来,新型的互联网企业纷纷依靠“大数据”进军金融领域,使得传统金融行业不得不改变原有的运营模式,探索转型升级道路,逐渐向集约化、精细化管理方向转变。传统金融业掌握大量的信贷数据和客户信息,具有使用“大数据”的基础,应用“大数据”是传统金融转型发展的方向之一。尽管银行业大规模运用“大数据”尚不成熟,但多家银行已从个人业务等具体产品入手,初步尝试应用“大数据”挖掘技术,解决服务和效率提升中的难题。本文着重探讨了将“大数据”应用于对公风险客户的识别,是将“大数据”应用到对公业务中的一次尝试。本文首先介绍了“大数据”的概念和“大数据”在银行中的应用现状,阐述了“大数据”在银行应用的意义,进而初步探讨了“大数据”在银行对公业务中的一般应用过程。在此基础上,以某银行内部信息作为“大数据”来源,分析了企业某些财务指标对于识别是否为银行风险客户的重要性,并通过基础数据的获取,重点指标的选择,模型的建立,数据应用的验证等,定量化了这些指标的重要程度。本文的研究将“大数据”的理念运用到大中型对公客户的风险识别中,扩大了“大数据”在银行应用的范围,同时应用多元回归模型找到了具体行业中风险识别的关键指标,相信将会推动“大数据”在各个银行的应用和发展,使银行更加科学的进行信贷风险管理,保持银行在金融业中的主体地位。同时期望本篇研究能够为“大数据”应用的进一步研究提供一定的研究依据,为“大数据”的发展贡献一定的力量。