在最开始的信用审批过程中，客户的信用等级主要由专家进行主观评判。
随着数据分析工具的发展和数据收集、存储越来越容易，各大机构逐渐使用统计模型将专家的评判标准量化为评分卡模型。
从而更有利于客观评价客户风险，和批量高效对客户进行风险分级。
随着技术的发展，机器学习模型也开始在各大机构进行使用。
本文从不同的角度阐述评分卡，让你彻底弄懂评分卡。
什么是评分卡？
从用途划分评分卡
从适用客群划分评分卡
评分卡是一张有分数刻度和相应阈值的表。对于任何一个客户，总能根据其信息找到对应的分数。
将不同类别的分数进行汇总，就可以得到客户的总分数。
其形式如下：
其中前两列表示变量名称，第三列表示变量的取值范围，第四列表示对应取值的woe值，最后一列表示对应取值的分数。
对原理和实现感兴趣的小伙伴可翻看：评分卡原理及Python实现、【评分卡实现】应用Python中的toad.ScoreCard函数实现评分卡。
评分卡发展至今种类已非常多，针对客群和使用方法不同，分类也不一样，接下来详细阐述。
营销评分卡：预测目标客群收到平台营销后，申请贷款的可能性。在主动授信过程中，通常将营销评分模型的高分群体和申请信用评分模型的高分群体进行交叉，对预估信用较好且有强烈需求的客户执行营销动作。
反欺诈评分卡：通过收集和分析借款人的各种信息，如身份信息、交易记录、行为特征等搭建评分卡，来评估借款人的欺诈风险，或者说用来预测客户借款目的不正当程度。
申请评分卡：通常用于贷前客户的进件审批，基于借款人的历史信用数据、财务信息、行为特征等多个维度搭建评分卡，对借款人的信用状况进行量化评估，从而为金融机构的信贷决策提供科学依据。
行为评分卡：用于贷中客户的升降额管理，主要目的是预测客户的动态风险。外部征信数据是申请评分卡的主要数据，由于贷中客户具有历史平台表现和还款行为，因此行为评分卡一般不会再次查询客户的外部数据，而是只使用历史平台表现作为主要数据开发模型，以节约成本。
催收评分卡：一般用于贷后管理，主要使用催收记录作为数据进行建模。通过催收评分确定催收处置难度，对用户制定不同的贷后管理策略，从而将客户划分为平台催收和外部第三方催收。
流失预警评分卡：预测平台现有存量客户在未来某时间节点后流失的概率。覆盖审批通过后未提款客群、还款成功后不再复贷客群等。
从评分卡所适用的贷款群体来看，划分如下：
通用评分卡：基于全量数据搭建的评分卡，适用平台所有客群。
定制评分卡：由机构根据自身数据及场景需求定制的评分卡。由于目标明确且针对性强，在样本量充分的情况下，相比通用评分卡有更好的表现。
子评分卡：由于各机构不只有一个产品，产品的利率可能有高有低，在不同子客群中可能呈现出不同的分布，通常会在定制评分卡后的细分方向上建立子评分卡，从而更好地区分客群。
至此，评分卡是什么已讲解完毕，对风控建模感兴趣的小伙伴欢迎加群讨论。
【部分群限时免费进】分群讨论学习Python、玩转Python、风控建模【29.9元进】、人工智能、数据分析相关问题，还提供招聘内推信息、优秀文章、学习视频、公众号文章答疑，也可交流工作中遇到的难题。如需添加微信号19967879837，加时备注想进的群，比如风控建模。
一文囊括风控模型搭建(原理+Python实现)，持续更新。。。
不同工作年限风控建模岗薪资水平如何？招聘最看重面试者什么能力？
100天精通风控建模(原理+Python实现)——第32天：集成学习是什么?在风控建模中有哪些应用？
限时免费加群
19967879837
添加微信号、手机号
