随着社会的发展,信贷业务已经渐渐融入了人民的日常生活之中。虽然我国信用体系、征信体系的发展远不如国外发达国家,但是信贷业务已经在我国发展了多年。每天都会有成千上万的客户到银行去进行信贷业务,因此积累了大量的信贷业务数据。如何针对这些信贷业务数据,分辨出“好用户”和“坏客户”是每一家银行都面临的问题。随着经济的不断发展,城市和农村居民的收入和消费水平有着显著提升,个人信贷业务已经成为商业银行主营业务之一。因此,研究如何利用人工智能和数据挖掘技术从银行现有的客户数据中对客户进行信用评价,具有重要的理论意义和应用价值。论文利用人工神经网络技术,实现一个商业银行的个人信用评分系统,评分模型全面考虑影响客户信用状况的各个因素,所选指标尽可能地从不同层次、不同方向去覆盖可能会影响个人信用的评价要素,真实地反映贷款者个人的信用能力与偿还能力。人工网络信用评价模型利用利用R语言实现,模型具有14个输入节点,2个隐藏层,第1个隐藏的节点数为8个,第2个隐藏层节个数为4个,2个输出节点。该模型的实现,使商业银行更好地了解客户,以增进银行在信贷、销售、顾客服务等营运业务上的表现,为商业银行个人信用评价提供可行的解决方案。论文首先详细描述信用评分的基本业务流程,确定从家庭经济情况、职业情况、贷款情况和其它基本情况等方面的信用评价指标体系。之后对个人信用评价系统做出需求分析和系统设计,包括评分流程、系统整体功能架构设计、指标体系层次架构设计和数据库设计,利用软件技术设计和实现商业银行个人信用评价系统,用于商业银行进行信贷业务时获取客户的信用评价。最后,论文给出系统的实现并对系统进行测试。系统实现了客户信息的管理,指标权值的管理,计算客户信用得分等功能。论文描述了系统实现的关键技术,系统基于浏览器/服务器模式下开发的,使用简洁方便,系统运行稳定可靠,表现出了良好的扩展性和可维护性,加快了银行信贷业务的准确性和处理效率。