Com o avanço do Big Data e o crescente número de grandes massas de dados nas mais diversas áreas de estudo, técnicas de mineração de dados tornam-se cada vez mais necessárias para obtenção de informações estatísticas precisas e robustas. Este estudo teve como objetivo mostrar a eficiência da regressão logística como técnica de mineração de dados na obtenção de um modelo útil e estatisticamente eficaz na análise de clientes para a concessão do crédito bancário. Os dados utilizados são oriundos do repositório Machine Learning Repository’s da Universidade da California-Irvin UCI, sendo divididos em dois grupos: treinamento e teste. O modelo ajustado foi selecionado com o método stepwise no programa R e atendeu as expectativas de qualidade do ajuste, com acurácia de aproximadamente 72% em discriminar clientes adimplentes de inadimplentes, sensibilidade de 87% dos 140 clientes adimplentes o modelo acertou 122 e especificidade de 38%. A curva ROC teve uma área de 0,847, sugerindo um ajuste eficaz.