SPD银行是中国一家备受关注和尊敬的上市公司。截止2019年9月末之前,公司总共拥有6.79万亿元资产。当前,在境内SPD银行发展了大量分行以及2000家营业结构,旗下员工共计5万名,在全国和国际上架构起商业银行的经营服务体系。同时也拥有非常全面的金融业务和金融产品,近年来在国内外获奖无数。然而在SPD银行不断扩展业务的同时,随着大数据时代,流量时代的来临,其信用评级系统却没有跟上时代的步伐,在信用评级的过程中因为采集到的用户数据不真实,人为因素多,采集范围窄等因素,不能很好地对用户的信用做出准确的评价,以至于滋生不少不良贷款。本文针对SPD银行信用评级方法的各种弊端,通过分析国内外目前对信用评级系统和大数据的研究现状,确定采用数据挖掘的方法对SPD银行现有的用户信用评级系统进行优化,通过发放问卷,走访SPD银行管理层的形势,发现SPD银行现有的用户信用评级系统存在管理制度不完善、数据应用存在问题、用户数据建设不健全、使用不充分、系统本身需要优化等问题。针对这些问题,本文用如下方式解决:第一是根据SPD银行本身的数据库,结合互联网平台的用户信用评分和国家企业信用信息公示系统中企业的风险提示,剔除用户名,账号等与信用评级无关的指标,重新选取用户数据指标;第二是随机选取现有数据进行机器,进行数据预处理,为保证各类用户的比例和原数据库相同,将不符合规范的数据直接删除;第三是使用神经网络模型重新构建核心算法,利用80%的数据进行机器学习,20%的数据进行测试,直到新算法的正确率达到最高;第四是通过严格的管理制度和系统权限的设置,保护大数据下用户信息隐私泄露的问题;第五是针对神经网络模型产生的结果不直观的缺点,针对每一行业,每一类用户的各项指标进行数据统计,将用户的信用评级结果和系统平均值进行对比,并以图表的方式形成可视化结果;第六是利用K-S指标对新旧系统的结果做比较,同时邀请银行员工对新系统进行适用的方式,检验新系统的效果;第七是提出运行新系统需要的各类保障措施。最后是对全文进行总结,本文对SPD银行信贷业务的完善和不良贷款的消除具有现实意义。