随着个人消费贷款业务的不断发展，个人信用风险越来越受到商业银行和监管者的关注。目前，相对于商业信用风险评估而言，对个人的信用评估显得十分薄弱，大部分银行基本是靠信贷人员的经验和定性分析来决定，针对业务量大幅度上升，信贷人员相对不足，这种授信措施会造成审批时间长、人为失误上升，服务水平和风险管控能力下降，导致资产质量下降，失去潜在客户，不利于银行竞争力的提高。构建个人信用评估模型，可以有效帮助银行提高个人授信效率和准确性，提高个人信贷产品质量和风险管控能力。本文对比了国内外常用的几种风险评估模型，提出了基于数据挖掘技术的个人信用评估模型，该模型采用信息增益法对属性进行筛选，找出对分类预测影响较大的属性进行建模，采用贝叶斯分类方法进行分类预测。用某大型银行个人住房按揭贷款数据对模型进行实证分析，结果表明在原始信息不很充分情况下，该模型预测偏离度较低，具有较好的预测效果。