1999年,人民银行推出《关于开展个人消费信贷的指导意见》,详细规定了国内商业银行开展个人消费信贷的若干政策,此后,个人消费信贷飞速发展,业务涉及住房及装修贷款、汽车消费贷款、大额耐用消费品贷款、信用卡消费贷款等多个种类。信贷余额由1998年的456亿元增长到了2004年6月末的17952亿元。然而,消费信贷业务发展的同时所暴露的信用风险问题也对消费信贷市场的发展构成了威胁。针对我国商业银行信贷资产质量低下和风险加大的客观情况,建立完善的信用风险管理机制已成为刻不容缓的任务,而信用评估作为风险管理的第一个环节则更需要得到妥善解决。由于我国信用体系不完善,商业银行无法全面掌握贷款人信用状况,目前,我国银行对个人客户信用状况的评价,主要采用等级评分与专家评分相结合的方法,将客户的自然状况、职业状况、与银行关系等方面的指标的可能取值分成不同的级别,对不同的级别赋值,通过专家对每个指标各个取值的评定来确定最终的指标评分结果。这种方法存在三个主要问题:(1)指标和权重设定依赖专家的经验,具有先验性,实际情况中某项指标对信用的影响作用可能与此并不一致;(2)扭曲了信用指标与信用水平之间的真实关系。指标方法大多基于线性方法,而实际上个人信用水平与各信用要素之间更多是非线性以及关联关系。(3)实际数据显示,这种方法只能在一定置信区间上做出评价,准确性不高。这样,缺少科学的个人信用评估技术成为我国商业银行消费信贷业务发展的瓶颈。在西方国家,普遍采用定量分析的个人信用评估方法来评价个人客户的信用状况,应用数据挖掘技术建立信用评估模型。数据挖掘是20世纪90年代后期人工智能和数据库领域兴起的一种数据处理和知识发现(KDD)理论,是从大量的、不完全的、有噪声的、模糊的和随机的实际应用数据中,提取隐含在其中的信息和知识的过程。对数据进行分类和预测是数据挖掘的主要功能。数据挖掘用于信用评估的优势主要在于:(1)能处理和修正实际数据问题,算法模型具有自检