随着互联网技术与金融科技的深度融合,我国互联网金融行业呈现出快速发展的趋势。被公众认为是一种方便、高效、便捷的金融服务。在互联网金融产品中,消费金融凭借其操作简便、放款速度快等先天优势,规模日益壮大。但在消费金融高速发展的背后,暴露出许多信贷风险问题。由于消费金融存在着天然的信息不对称性,以及我国现阶段消费金融风险控制体系的不完善。导致各消费金融机构产生了大量的逾期、坏账和欺诈等违约风险。与此同时,风险管理水平低,风险控制手段落后,也直接影响了我国消费金融行业的发展。因此,如何降低我国各消费金融平台的信贷风险,是风险管理者需要持续关注的问题。相较于我国,欧美等发达国家的在消费金融领域的风险评估起步较早,信贷风控制度也较为完善。本文首先通过文献分析法,阐述了国内外相关学者对于消费金融风险控制的先进经验,以及大数据分析、数据挖掘等技术在消费金融信用风险评估中的运用。对于我国消费金融平台提高企业的信用风险管理水平和减少信息不对称所造成的违约风险具有借鉴意义。其次,本文以A公司作为研究对象,详述了A公司的业务流程以及业风险管理中的痛点,重点对A公司的信贷风险控制现状和存在的信息不对称问题展开了研究。最后将重点聚焦在A公司风控模型的建立当中。利用A公司自身的客户数据,通过逻辑回归评分卡进行风控建模。通过数据分析、特征工程最终筛选出12个字段参与建模。考虑到模型可解释性的重要意义,本文主要研究基于逻辑回归算法的建模。并利用KS和AUC指标对模型的效果进行评估,最终的建模结果显示模型KS（Kolmogorov-Smirnov）值为0.285,AUC（Area Under Curve）值为0.69。通过信用评分,实现了用量化评估的相关理论对借款人信用风险的量化,用实践证明了大数据挖掘技术信用风险评估中具有的良好效用。最后,基于本文的实证分析和A公司的实际业务情况,给出了在今后实际业务操作中的风控策略建议。实现了将A公司每位借款人的风险水平进行了量化,同时也验证了逻辑回归评分卡模型在解决借款人信用风险评估问题中的有效性和可行性,也为同行业开展相关研究提供参考。