大数据时代下的个人借贷行业蓬勃发展,然而,个人信用水平参差不齐、信用评估方法优劣各异、信用违约事件频繁发生等问题也日益突出。精心筛选主流的个人信用评估方法,科学构建大数据环境下的个人信用智能评估框架,将有利于系统解决好上述问题。目前,对于个人信用智能评估框架构建及实证分析的研究成果甚少,因此值得深入探讨。实际场景中,将个人信用智能评估框架应用于借贷机构,既能规范个人信用评估流程,又能提高个人信用水平的区分能力,从而有效降低个人信用风险,因此具有重要的实践价值。本文以个人信用评估理论为基础,以行业实践应用为导向,以“要素齐备,程序规范”为原则,根据问题牵引（Problem）→数据驱动（Data）→评估准备（Evaluation）→方法选用（Method）→管理启示（Management）的研究思路构建了个人信用智能评估的PDEMM框架,并应用于银行借贷客户与网络借贷客户的信用智能评估中进行实证分析。在问题牵引阶段,针对借贷行为的市场特征确定研究目的和意义。在数据驱动阶段,选用借贷客户的信用数据,进行客户信用数据的探索性分析（包括描述性分析和可视化分析）。在评估准备阶段,进行客户信用智能评估的数据准备（包括数据的预处理、标准化处理和不平衡处理）,并进行指标准备（包括指标特征分析、重要指标提取和指标检验）。在方法选用阶段,分别选择支持向量机、Logistic回归、人工神经网络、随机森林等主流方法执行个人信用智能评估,采用二元混合矩阵、ROC曲线和AUC值作为方法的性能评估标准,从正确率、区分度、置信度三个维度进行客户信用智能评估方法的对比及检验。实证分析显示:在银行借贷客户信用智能评估中,基于径向基核函数的支持向量机具有良好的预测优势,在网络借贷客户信用智能评估中,随机森林具有较优的评估性能。根据客户借贷特征和方法执行结果可得出不同的管理启示。最后,从个人信用智能评估框架应用的角度和个人信用智能评估综合管理的角度提出了相应的对策建议。