近年来,国内经济发展不断向新常态转变,金融市场改革深化的同时经济转型期越来越多的信用风险对银行风险管控方面提出了更高的要求。纵观国内商业银行,因为历史遗留以及管理方法问题,普遍存在着管控乏力、监管不到位的现象。随着大数据技术推广以及数据的快速增长,大量的交易数据堆积在银行。数据中的规律可以为银行风险管理结构重塑提供基础,依靠大数据技术对银行内外部数据进行分析处理,挖掘其中蕴藏的规律,为银行风险管理控制转型改造提供新思路。利用先进的数据挖掘理论可建立基于大数据的客户信用评估预警模型,依托大数据和数据挖掘技术进行日常客户风险管理。当前商业银行客户风险评估模型主要依托于银行内部数据,通过系统监控和预测对客户风险进行预估。本文对现有风险管理监测系统个人信用预警模型进行了修正,建立神经网络模型使之更适用于当前银行风险控制管理;并且在现有票据排查流程引进了利用爬虫算法收集客户外部信息的评估方法,提高了信用评估的准确率和贷后动态监控的及时率。