信用评分分析是指审查个人（或公司）借贷历史以及他们偿还资金的效率的过程。
信用评分对贷方很重要，因为它们揭示了申请人承担债务并以有效和及时的方式偿还债务的能力；这反过来又揭示了贷款人向申请人提供贷款或信用额度的风险有多大。
FICO 信用评分范围从 300 到 850；信用评分越低，申请人借贷和偿还债务的能力就越差。相反，信用评分越高，个人借贷和偿还债务的能力就越好。
贷款机构（银行、抵押贷款经纪人、大型贷方）甚至汽车经销商等地方都使用信用评分来更好地了解申请人是否值得获得新的信用额度（或贷款）。这些机构还使用信用评分来帮助确定信用额度的确切性质。
Toby老师和很多助贷公司和银行信用卡部门合作时，发现他们人工审核最常用评价指标就是评估用户芝麻信用分和住房公积金情况。
芝麻信用评分越高，申请人希望获得的信用额度（或贷款）越多，条款也越好（包括需要偿还的利率、规模和频率等内容）以及可用于还款的总时间）。
有住房公积金的客户一般暗示为优质客户（信用好客户）。
芝麻信用分是蚂蚁金服旗下独立的第三方信用评估及信用管理机构——芝麻信用管理有限公司推出的信用评分体系。它通过分析个人用户在互联网上的各类消费及行为数据，结合互联网金融借贷信息，运用云计算及机器学习等技术，对用户的信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度进行综合处理和评估，从而得出反映个人信用状况的综合分值。
信用历史：过往信用账户还款记录及信用账户历史，具体变量包括信用历史时长、信用履约记录数、信用履约场景、公共事业缴费记录，违约场景数
行为偏好：在购物、缴费、转账、理财等活动中的偏好及稳定性；稳定性变量包括手机稳定性、地址稳定性、账户活跃时长等；消费能力变量包括：消费金额、消费层次、消费场景丰富度
履约能力：稳定的经济来源和个人资产，具体变量包括账户资产、有无住房、有无车辆
身份特质：在使用相关服务过程中留下的足够丰富和可靠的个人基本信息；具体变量包括，年龄，职业类型、学历学籍，工作年限等
人脉关系：好友的身份特征以及跟好友互动程度。社交情况变量包括：人脉圈信用度、社交广度、社交深度
以下是使用分数公式的一个计算分数结果
一般来说，截止分数会因一种贷款而异，也因贷方而异。有些贷款要求最低分数为 620，而有些贷款可能接受低于 620 的分数。因此，在获得截止分数后，我们就可以决定是否批准贷款。下面来自在线的记分卡示例可以更好地了解它的工作原理。
风控建模课程
#
芝麻信用分的核心变量和构建过程就为大家介绍到这里。欢迎各位同学报名<python金融风控评分卡模型和数据分析微专业课>，课程提供专业评分卡模型，集成树模型，分类器和回归模型，描述性统计，变量选择，衍生变量，智能调参，风控业务等知识，有助于各位学员提升模型竞赛的分数。如果大家以后期望在金融行业工作，下述课程也会带来很多帮助，节省大量自我探索时间。微信二维码扫一扫收藏课程。
商务联系
#
如果你需要建模项目定制服务，例如研究生，博士生论文，企业建模需求，我们公司提供一对一机器学习模型定制服务，提供公司正规发票和合同。
商务联系QQ：231469242，微信：drug666123，或扫描下面二维码加微信咨询。
QQ学习群：1026993837，免费领取200G学习资料。
