网络金融和虚拟经济的发展给传统银行业务造成冲击和挑战的同时,也给商业提供了前所未有的发展机遇。随着大数据时代的到来,商业银行每天的业务信息数据呈爆炸式增长,不仅给数据的存储工作造成困难,还极大增加了商业银行利用数据的难度。近年来,我国商业银行的个人信贷业务迅猛发展,个人信贷市场的规模和信贷业务的多样性都有着显著的提高。个人信贷业务作为银行盈利来源的同时,也存在不良贷款和坏账损失的情况。如何通过商业银行掌控的数据资源进行个人信用违约评估,降低不良贷款率和坏账损失成为研究热点。个人信用违约评估不仅可以帮助商业银行消除信息不对称和管理上存在的风险,而且能够提高商业银行整体收益。面对海量数据给商业银行信用风险管理工作带来的挑战,数据处理技术的不断更新也给商业银行提供了更好的机遇。本文借助Logistic模型和数据挖掘技术,在充分利用南京市某家城市商业银行近30000例个人信贷业务数据的基础上,对商业银行个人信用违约风险进行评估,并对个人信用违约概率进行预测分析。文章以个人信用违约为研究对象,结合数据挖掘技术并充分利用数据挖掘软件,建立个人信用违约评估模型,并针对商业银行风险管理上存在的薄弱环节提出改进措施。