随着网络信息技术的飞快发展,大数据给商业银行带来巨大利润的同时也相应产生了一定的风险损失,其中信用危机的爆发造成的金融波动尤为严重。对此,科学合理地评估企业信用风险是商业银行稳步发展的重要战略举措。现阶段,企业信用数据常常呈现不完备性或冗余性,且同时混合着数值型与非数值型属性,商业银行难以形成全面科学的信用风险评估体系。对此,本文运用粗糙集在处理混合数据方面的优势,从多属性视角综合探索信用风险评估这一复杂的决策问题,以期为商业银行投放优质的企业贷款提供决策依据。首先,从商业银行的发展现状出发,梳理总结信用风险的成因、特点和影响因素,遵循系统性、层次性等原则,从资产分析、经营管理和发展潜力三个维度不同层次构建信用风险综合评估指标体系,并选取其中代表性的指标因子进行详细地概述。其次,针对信贷企业数据海量复杂、高维混合等特性,综合考虑属性集差异性和邻域半径多重性,构建了基于多阈值的变精度邻域多粒度粗糙决策分析方法,使之更好地适用于含有噪声数据、不确定信息、多源分布的混合信息系统。进一步地,给出了条件属性集的约简过程和相应的决策规则,简化信息决策表,形成完整的粗糙集信用风险评估流程。最后,以某商业银行信贷企业数据为例进行风险评估的实证分析,获取识别信用风险的关键影响因子,生成对应的评估规则,简化评估流程,提高商业银行的授信效率。实践证明,粗糙集模型在信用风险评估系统中具有很好的适应性,可以为商业银行提供高质高效的信贷评估指导,实现其贷款资源的合理配置。