建立和健全个人征信体系是经济发展的有力保障，有助于商业银行防范信用风险，维护金融稳定，优化信贷资源配置，促进经济可持续发展。随着我国个人征信基础数据库逐步投入使用，数据存储量的扩大及客户需求的增加使得对数据库系统安全性、可靠性、高效性及扩展性提出了更高的要求。数据仓库强大的信息处理能力及内在的稳定性，能够对业务数据进行整合、加工和分析，满足数据分析处理的需求，并根据对业务趋势的分析提供决策支持。在数据仓库基础上实施数据挖掘技术，进行深度数据挖掘及分析，对于减少金融交易中的信息不对称，切实防范信贷风险，维护金融稳定具有重要的现实意义。　　 论文首先分析了数据仓库及数据挖掘技术在国内外个人征信业务中的应用现状，以个人征信、数据仓库及数据挖掘理论为基础，介绍我国个人征信基础数据库的建设现状及建设目标，即：对个人征信基础数据库进行完善，建设数据仓库，以便对数据进行更深入的分析，挖掘出更加有价值的个人信用信息，开发增值服务产品，实现更好的防范信用风险的作用。其次，在分析个人征信基础数据库中数据的来源及特点的基础上，结合个人征信业务需求，着重探讨构建个人征信数据仓库系统的总体结构设计、主题分析、逻辑模型、物理模型等设计，确定五大主题：即信用报告查询主题、金融机构查询主题、信贷发放情况主题、信贷未结清情况主题及异议管理主题，并围绕各主题进行逻辑维度建模。并以信用报告查询主题为例，建立个人信用评价指标体系，构建个人信用评价Logistic回归模型、BP神经网络模型和变权组合预测模型，并对模型进行比较和实证分析，并对模型结果进行解释和比较分析。