云计算、物联网、大数据、人工智能等以互联网为基础的新兴信息技术的发展标示着人类迎来了人工智能和大数据时代,而这些领域信息技术的飞速发展彻底颠覆了以往传统的社会生活方式,其中尤为瞩目的便是已经到来的5G时代。互联网技术的快速推广应用需基于通信方式的升级换代,社会巨大变革的推进离不开基础网络设施的建设,传统电信网络为信息通信的繁荣和发展、为人与人间的信息沟通做出了巨大贡献,但由于其难以承载网络新时代的信息处理方式等诸多要求,传统电信网络的转型和变革迫在眉睫。大数据的潜在价值已经流量变现的互联网行业充分证实,可以说,未来行业的发展必须依赖大数据信息的挖掘与分析。通过对互联网上散落的征信信息的收集与整合,大数据技术为全面、准确评估个人信用状况,并在此基础上提供信用评级准确的概率提供了一种全新的思路和方法。作为国内通信运营商,MD公司便是把握了这一机遇,利用自身数据禀赋向第三方互联网金融服务机构转型。深度挖掘互联网信息,依托大数据平台整合和分析用户行为数据,将分散在不同互联网金融平台和征信平台的非结构化、不可识别的信息整合并加工,形成用户个人标签。通过对用户画像的描述,将用户的静态数据和动态数据信息转化为信用评级的变量基础,利用SPSS软件对Logistic回归分析模型的二分类变量进行操作与处理,通过个人信用评分卡模型区分“正常用户”与“违约用户”,解决传统金融交易过程中借贷人和借贷机构的信息不对称问题,为各类金融机构规避可能客户出现的违约信用风险,也可以为信用记录缺失的用户提供一个获取信用评估类服务的机会。本文通过文献分析法和理论建模法研究了互联网金融和大数据相关理论,并对多种个人信用评级模型的优点缺点及应用场景进行了讨论并对它们之间的异同点进行了比较分析,详见第一章及第二章;业务实践方面,本研究在第三章内容对MD公司大数据平台的运营情况及数盾风控产品体系进行了表述,具体介绍了MD公司大数据内部的运营、产品、流程等情况,并详述了数盾的业务板块及功能、运行机制及流程、信用及风控体系;第四章详述了数盾信用体系的构建、机制和流程,在模型构建与检验部分,模型的原始数据来源于MD公司用户在业务过程中产生的信息,首先釆用随机抽样法在数据库中抽取了2589组数据（已脱敏）、通过对原始字段进行转化及合并,最终确定了45个特征变量的集合;然后对这些数据进行定量分析并建立个人信用评分卡模型;最后使用K-S对模型进行检验得到491分为数盾信用评分模型区分好客户与坏客户的分界线。本文证实了利用SPSS软件对Logistic回归分析模型的二分类变量进行操作与处理的有效性,且本研究的原始数据均来源于MD公司内部资料,实证性强,这为个人信用评分模型的构建及改进提供了数据基础,可以为后来者研究大数据背景下的个人信用评分模型提供微观案例,有利于构建更加完善的征信模式。此外,本研究还提出了数盾个人征信体系的改进策略,笔者认为,数盾个人信用评级体系的完善需要多方面协调配合,从内外部因素和模型、数据、人才、系统、机制等方面共同协调发展。