赊销销售已成为一种常态化的企业销售模式,会影响企业的经营成本,限制企业的发展规模,对采取赊销销售业务模式而又没有相应的赊销信用风险管理的企业必然会引起企业经营不确定的风险。如何有效识别优质客户,规避赊销信用风险一直成为困扰着企业赊销信用风险管理的核心问题。本文首先对国内外文献中针对商业信用风险管理相关理论进行了梳理分析,发现赊销信用风险问题单纯的运用理论分析和单统计模型分析得出的结论都存在片面性,且统计模型研究通常基于一些统计学假设,进而导致结论与实际状况有偏。其次,本文基于大数据和机器学习理论支持,结合国内外文献研究结论,对某行业龙头企业的目标赊销客户进行研究,以企业内部赊销客户为样本,对已有历史交易记录和客户基本信息进行分析,预测客户赊销账款逾期信用风险。本研究将时序数据转换成统计特征与基本特征进行结合,从时间维度、空间维度两方面挖掘目标客户赊销风险评估模型的特征表现,构建多层次集成学习模型,通过与SVM、MLP以及Logistic回归等经典模型进行对比,考察预测模型ACC和预测耗时等指标的表现,从理论上得出同一数据集情况下,得到客户赊销信用风险评估模型最优拟合模型。通过对比传统推理机和本研究的混合推理机的效率和准确度,混合推理机在输入特征较多情形下获得极高准确度的同时极大降低推理耗时。同时,对于混合推理机中机器学习模型部分,使用新的集成学习模型代替传统的线性模型和多层感知机,在小数据集上获得与线性模型接近的准确度和性能,在大数据集中较线性模型获得了更高的精准度,相对于多层感知机获得了更高的效率。本文还针对企业实际赊销业务场景,深入分析赊销信用管理流程,评价了各个环节的风险漏洞。提出新的基于混合推理机的赊销信用风险管理流程,并从事前预防、事中控制、事后跟踪三个阶段保证各业务部门和信用管理组织之间的协同运作,覆盖企业赊销信用风险管理的主要环节和关键控制点,形成交易环节的全过程闭环信用管理。