近年来,在市场经济的环境和政府的支持下,小微企业获得了很大的发展,我国有2000多万的小微企业法人,以及6000多万的个体工商户,提供了全国超过85%的就业岗位,为经济注入发展活力。由于小微企业结构比较简单、人员比较少,可以成为国家一些重要项目的先行试点,小微企业的存在对经济社会意义重大,有助于吸纳就业、增强产业活力、完善市场经济体制。目前资金链断裂已经成为小微企业健康发展的最大威胁,解决小微企业融资难的问题是一项非常重要的工作。2020年1月,新冠肺炎疫情的冲击进一步加剧了小微企业的生存难度,小微企业资金短缺的问题更加严重,银行不良贷款率随之攀升。统计数据显示绝大部分小微企业都选择银行贷款融资,尤其是向地方性城市商业银行贷款,小微企业信贷业务本身具有信用风险高的特点,银行缺少有效的小微企业风险识别方式,往往不愿意为其提供贷款。建立有效的小微企业风险识别机制,增强银行识别和防范小微企业信贷风险的能力已经成为解决小微企业融资难问题的关键所在,也有利于控制银行自身的不良贷款,形成新的利润增长点,实现双赢。互联网的普及和科技的发展催生了大数据技术的出现,大数据技术搜集、处理、分析数据的能力能极好的适应小微企业信贷的特点,捕捉更多信息帮助银行进行风险识别,缓解信息不对称问题,为小微企业信用风险的管理提供了新路径。学术界近几年也开始了对于大数据在金融领域内应用的探讨,肯定了大数据技术应用于金融领域的作用和意义,提出了一些建议并指出了可能出现的问题,这些研究大多集中在理论层面,取得了一定的成果。本文认为小微企业融资难的主要原因在于小微企业信贷面临较大的信用风险,而银行缺乏有效的识别方式,不愿意为其提供信贷资金。因此本文基于大数据技术搜集、挖掘、分析数据的能力,提出了针对商业银行小微企业信贷风险的大数据解决方案,设计了基于大数据的小微企业信用风险评级模型,并对大数据风控系统进行了架构建设。本文将理论分析和案例分析相结合,首先介绍了在新旧动能转换的背景下小微企业收到的冲击,发展比较困难,融资难的困境急需解决,然后分析了小微企业的信用特征,指出应从银行的角度来解决这一问题。在以上理论分析的基础上,在肯定大数据对风险数据分析的优化作用基础上,对风险控制系统进行了系统的架构设计,并运用层次分析法设计了基于大数据的小微企业信用评级模型,结合小微企业的特点以及大数据技术的特点,提高了定性指标和非结构化数据的比重,在进行专家访谈和问卷调查确定指标重要性的基础上,运用模糊综合评价法对其进行权重设置,得到基于大数据的小微企业信用评级模型。最后选取了济宁银行的YW商贸和KQ食品两笔小微贷业务作为案例研究对象,利用大数据信用评级模型进行了评分。其中济宁银行对YW商贸有限责任公司贷前调查结果良好,综合授信300万元,而大数据信用评级模型评分结果显示企业信用状况不佳,最终YW商贸在不到两年的时间里丧失清偿能力,证明了模型有效识别了风险水平。济宁银行对KQ食品有限责任公司的贷前调查结果不佳,拒绝了其贷款请求,而大数据信用评级模型进行打分的结果显示企业信用状况良好,具有进一步发展的潜力,最终KQ食品于工商银行取得了贷款,解决了暂时的资金短缺问题,并保证了本金和利息的按时偿还,发展成为济宁食品行业的龙头企业。最后分析了二者评估结果产生差异的原因,进行了可信度分析,验证了模型的有效性,进一步肯定了大数据应用于金融领域的意义和重要性,对城市商业银行利用大数据进行小微企业信贷风险管理,缓解小微企业融资困境有一定的参考价值和现实意义。