互联网金融高速发展为小微企业发展和个体创业提供新的融资渠道。但是,互联网金融正面临着不良贷款余额,不良贷款率激增,以及各种平台倒闭等问题,个人信用风险直接制约着互联网金融发展。基于此,本文基于大数据平台研究个人信用风险评估问题,研究揭示个人信用风险相关因素以及其联系。首先,针对具体实际业务大数据,通过数据分析技术对实际业务大数据进行数据预处理;其次,运用XGBoost模型便捷的构建了互联网金融业务的大数据个人信用风险评估指标体系。该指标体系,具有丰富的评估数据项、静态数据与动态数据相结合、数据来源广和及时性等特点,很好的弥补了经典的个人信用风险评估指标体系人群覆盖率不理想、数据多为静态、数据真实性无法核实等局限;再次,基于大数据指标体系,构建了Logistic+XGBoost的个人信用风险评估模型。该模型可以对特征的重要性和相关性系数进行输出,这些特征解释性较强可以很好的与行业的专业知识进行交叉验证,进一步促进个人信贷业务的完善;最后,以M公司个人信贷业务进行实证分析,并应用提出的个人信用风险管理对策。个人信用风险管理对策分为违约率低风险、违约率中风险、违约率高风险和违约率极高风险四个管理区间。违约率低风险采取加强和持续优化个人信用风险评估模型的管理对策;违约率中风险采取分级审核管理对策;违约率高风险采取风险定价管理对策;违约率极高风险采取贷款分期发放管理对策。M公司实证结果表明,适合应用违约率低风险管理对策,公司还需要继续对大数据风控进行投入。以大数据和人工智能技术为驱动力,更加全面识别个人信用风险,把违约率控制到最小,进而减少违约损失,提高公司盈利能力。本项目研究成果为促进互联网金融行业健康发展提供了理论参考和实践借鉴作用。