近年来,随着中国经济发展使城乡居民收入和消费水平明显提高,个人信贷消费市场已经成为国内金融机构的重点发展业务,但是目前多数金融机构对信用风险的评价基本建立在专家系统之上,带有很大的人为主观因素。因此,特别是研究如何将数据挖掘技术应用到银行的个人信用风险分析,如何防范个人信用风险,选择合理的科学风险评价和预测模型,具有重要的理论意义和现实价值。本文首先根据出现信用违约情况的概率大小来划分信用风险等级进而对其进行信用额度授权,以达到风险控制的目的;然后运用决策树、神经元网络、聚类分析进行挖掘分析,建立风险评估模型,根据模型得到准确的违约概率。同时也分析各个数据挖掘方法在个人信用分析中的应用范围,对比分析了各个方法的优缺点。并着重研究怎样利用数据挖掘对个人信用风险进行控制和预测。本文研究主要创新与内容有以下几个方面:1、提出根据出现违约概率大小划分个人信用风险等级的规则,建立用于分析个人信用风险分析的指标体系。2、建立个人信用风险分析和预测模型。包括选择决策树分类技术、聚类技术、神经元网络技术等以实现对数据挖掘,并得到预测准确率较高的个人信用风险评估模型。根据该模型最终实现从真正意义上预测和控制信用风险的目的,以及为决策者做出正确决策提供决策支持的目标。