在金融危机影响下,世界经济衰退,企业和金融机构倒闭大量发生,这使得商业银行业信用风险不断加大。在金融危机的大背景下,提高信用风险管理能力至关重要。目前,我国商业银行对信用风险的管理,更多的是停留在传统的信用分析方法和有关规章制度的运用上,且对于现代商业银行信用风险管理技术的认识、理解、研究、掌握和实践所处的层面仍需更加深入。全球金融竞争背景的变化,金融理论、信息技术手段的飞速发展,都对我国商业银行信用风险评估体系提出了更高的要求。本文首先提出了研究背景及意义,概述了国内外研究现状,分析了我国信用风险评估管理的现状及问题,提出了论文的研究重点。从商业银行信用风险评估的理论基础入手,论述了商业银行企业客户信用风险评估的理论支撑,对数据挖掘技术在理论上进行了梳理,为下面的研究奠定了基础。之后进行了模型的选择,分析了数据挖掘技术中的神经网络技术在信用风险评估中具备的强大适用性。之后构建了商业银行信用风险评价指标体系,选取数据挖掘模型中的神经网络构建了商业银行信用风险评价模型,收集78家公司的财务数据运用MATLAB和SPSS Clementine软件进行了实证分析。本文的研究对商业银行信用风险评估及管理提供了有益的评价依据,具备一定的借鉴意义。