在“消费升级”“扩大内需”的引导下,超前消费成为一种习以为常的消费方式,这不仅给商业银行消费信贷的发展注入了强大动力,同时也对商业银行进行消费信贷风险的管控提出了挑战。大数据和互联网技术的发展为商业银行开展个人信用风险业务给予了大量数据与技术支持,对于商业银行进行个人风险预警做了数据铺垫和技术铺垫。如何有效防范商业银行个人消费信贷风险、如何做好个人信用风险预警、如何对商业银行风险预警不准确、不及时的问题进行解决是文章的主要研究目的。本文综合了传统个人征信体系和大数据征信体系,结合ZJ商业银行的消费信贷风险预警现状构建了ZJ银行的个人风险预警体系,并建立了ZJ银行个人信用风险预警模型,给其他的商业银行在解决此类风险预警问题上提供了一定的参考。首先,本文梳理总结了个人消费信贷和信用风险预警相关的理论和文献,为后续研究提供理论与方法。其次是结合传统征信体系和大数据征信体系,采用AHP层次分析法,构建了包含三个层次的ZJ银行信用风险预警指标体系,包括个人特征因素、信用历史、贷款银行相关因素和风险信息这4个一级指标,以及年龄、月收入等14个二级指标,利用德尔菲法进行指标评估,最后得到指标的权重。并根据权重值确定“风险预警阀值”,依据可能产生的不同程度的风险警度分别设置了四个预警区间S＜0.6294、0.6294≤S＜0.8599、0.8599≤S＜0.9521、S≥0.9521,分别对应为重警、中警、轻警、无警四个信用预警等级。接着,将AHP得到的指标权重值和评估值作为BP神经网络的输入值和输出值,利用神经网络对模型进行训练及仿真,对比BP神经网络的预测值与AHP评估值,验证模型的有效性和准确性。最后对全文进行总结,提出ZJ银行风险预警的建议措施。本文研究主要结论有:（1）在大数据征信与传统征信构建的指标体系中,月收入在指标评分体系中的权重值是最高的,公检法违约违规信息位居第二。客户关联度和本行业务办理数量这两项指标所占比例排在最后。（2）通过对ZJ银行实际客户数据的训练和仿真,证明基于AHP-BP的风险预警模型能够有效准确地进行风险预警。