信用风险是商业银行面临的主要风险,能否有效对其进行管理关乎商业银行的经营业绩。信用风险管理的关键环节为信用风险计量,这一环节贯穿信用风险管理的全过程,计量结果影响着风险控制与业务控制,从而影响着商业银行的实际经营情况。目前,在国内外经济金融环境日趋复杂,各类协议指引对银行约束不断加强的情况下,我国各大商业银行大多已经完成信用风险管理系统的建设,系统的技术架构主要采纳与数据大集中相适应的数据仓库技术,计量模型构建所依赖的数据主要为商业银行历史积累的客户数据。随着互联网对经济社会的不断渗透,人们的很多信用行为数据驻留在了网络上。这些数据规模大、类型多、蕴含大量价值,若能被商业银行充分利用,可增强信用风险的预测能力,更好地辅助决策。但是现有的信用风险管理系统很难对急速增加的大规模数据进行存储和管理,也很难从与传统结构化数据不同的半结构化、非结构化数据中提取有效信息。大数据领域的分布式存储与计算、NoSQL数据库管理技术以及数据挖掘算法为这些难题提供了一种有效解决方案。本文通过对商业银行信用管理过程的梳理以及现有系统的分析,依据大数据技术、信息系统架构等理论,构建了基于大数据的商业银行信用风险管理系统。文章首先对基于大数据的商业银行信用风险管理系统相关概念、大数据技术、信息系统架构等理论进行了阐述。随后,从必要性、可行性、大数据需求多方面分析系统需求,确定系统目标,结合数据流图明确系统功能,并以需求为依据对系统进行总体设计,分层分模块进行论述,之后结合用例图对系统的参与者和主要应用流程进行了论述,提出了应用难点与对策。本文研究认为大数据技术能够扩大可分析数据的覆盖面,提升信用风险管理的效率,增强对信用风险的预测能力,基于大数据技术建立商业银行信用风险管理系统是有必要的。本文对基于大数据技术的商业银行信用风险管理系统进行了具体的架构与模块设计,主要包括数据采集与管理、计量模型管理、业务与风险控制等模块,在系统过渡、母子模型等方面还应进行进一步研究。