信用评估分类是企业风险管理的重要组成部分,其主要目标是根据客户信息资料从中甄别出优质客户和不良客户,寻找出影响客户信用的关键影响因子,为企业管理层信用决策提供参考和建议。为了正确的区分出不同的客户,又兼顾企业在信用评估过程中的实用性,本文选用贝叶斯分类方法对信用数据进行分类。在这一过程中,通过对样本数据进行预处理,筛选出包括非财务因素变量在内的信用评估指标体系,然后选择贝叶斯网络分析方法,确定学习参数,对预处理后的数据进行分类分析。为了验证,在同样的条件下,与其他的几种常用的信用评估分类方法进行结果对比。结论表明,树增强朴素贝叶斯(Tree-Augmented Naive Bayes,TAN)模型在十折交叉验证条件下,精度、敏感度、特异度指标最准确。同时,通过结果分析得到,资金性质、注册资金、商业信誉是影响企业信用的关键因素变量。这就意味着这些关键变量在企业开展业务和管控风险过程中是需要重点审核的指标。