近年来，受金融危机和国内金融改革的影响，商业银行业务状况受到极大冲击，对公、金融市场等主要盈利业务盈利能力下滑。互联网与金融的结合步步紧逼商业银行的零售业务，以资产规模和物理覆盖为主题的发展模式已不适应潮流，商业银行需要向以零售和轻资产为主题的方向转型。但在目前国内环境下，零售业务市场竞争激烈，个人信用风险形式不容乐观。一方面国内征信机制有待健全，商业银行与个人客户之间存在诸多信息壁垒，沟通渠道受限，存在较大程度的信息不对称问题；另一方面传统个人信用风险的度量在较大程度上依赖于风控人员的经验判断，并且度量手段比较粗放，个人信用风险度量结果并不理想。
　　本文基于商业银行视角，通过阅读相关文献、进行访谈调研、模型理论分析和实证分析等研究方法，对大数据技术与信用评分卡模型进行了理论叙述和实际构建。通过引入大数据，在度量数据的时效性和种类全面性上对以前的度量进行改善，从而缓解商业银行与个人客户之间的信息不对称。在度量方法上，本文采用信用评分卡模型，将与信用状况相关联的个人客户变量进行筛选并确定权值，最终通过计算得出可直观反映个人客户信用情况的分值，以供决策使用，对传统度量手段存在的缺乏科学性和受非客观因素影响较大的问题进行jin改善。最后本文对模型运行结果进行了准确性以及稳定性分析，研究发现模型达到了相对理想的区分效果，比较有效的解决了风险度量过程中现存问题。