随着中国加入WTO，国际国内市场竞争进一步加剧，信用销售(赊销)正在成为企业广泛使用的销售手段，而信用管理水平也已成为决定企业能否获得竞争优势以保持企业的生存和发展的重要因素。信用评级作为信用管理的第一步，一直是业界研究的热点。目前国内外最新采用数据挖掘神经网络分类方法建立信用评级模型，然而这些模型大多用于对银行等大型金融机构的客户进行信用评级，不适合国内赊销企业。本文研究客户信用评级模型，在分析了传统的BP神经网络(BPNN)分类的原理、算法及不足的基础上，针对国内赊销企业收集客户资料不全，数据不精确、模糊且多为非定量指标的特点，提出了基于模糊神经网络(FuzzyNeuralNetwork，FNN)构造分类器的企业下游客户信用评级模型；进一步讨论了模糊神经网络的结构、学习算法及步骤；在此基础上，结合广州燕隆企业管理咨询有限公司的产品项目需求设计并开发了“企业信用销售管理系统”。系统经过试用，对广东某食品经销商的120份客户数据进行训练和测试，并和BP网络比较，证实其效果是良好的。本文还详细介绍了信用销售管理系统主要功能模块的设计与实现，最后提出了今后有待进一步研究和完善的问题。模糊神经网络信用评级模型吸收了神经网络和模糊逻辑的优点，可同时处理客户的确定性和非确定性信息，具有强大的学习能力，和传统BP网络相比较，收敛速度快，准确率较高，网络可输出为客户对各类别的隶属函数值，更有助于企业对同级客户进行比较做出合理赊销决策。本系统可为企业快速建立自己的一整套信用销售管理体系，包括客户信用评级、赊销管理和追债管理等，可有效帮助企业规范其信用销售管理流程、降低成本、提高效率、制定科学决策，从而减少赊销风险和提高企业竞争力。