关联词：金融风险管理、普惠金融、小微企业金融、替代数据、大数据、数据挖掘、机器学习、人工智能、信用卡、个人信息保护、个人信用信息
个人信用评分，也称为消费者信用评分，是基于个人信用档案（信用报告），利用数学模型将信用信息转化成某个数值，对消费者（或小微企业）未来信用风险的一个综合评估，代表个人的信用度（Creditworthiness），用来指导信贷决策。
个人信用评分是统计学和机器学习在金融和银行业中最成功的应用之一。信用评分提高了信息传达效率，量化结果可以取代个人信用报告中描述性和高度主观的语言，使信贷审批人员能够更容易比较潜在借款人。信用评分在消费信贷过去60年的显著增长中发挥了关键作用。如果没有准确和自动化的风险分析工具，放贷机构不可能以目前的方式（大规模自动化）发放消费信贷。最初，信用评分只跟贷前申请有关，进入21世纪后，信用评分更多地用统计模型来管理信用，包括对风险、业务响应、收入和客户保留四个方面的衡量，应用场景有市场营销、申请审批、账户管理和催收回收等（整个信用风险管理周期）。
个人信用评分的分类有很多种，按照开发信用评分的机构不同，主要可以分为两种：
通用评分（Generic Score），由个人征信机构开发的信用评分，基础通用的，国外常用的是费埃哲(FICO)信用评分模型，全国第一个个人征信试点机构上海资信有限公司（央行征信中心控股的）在2002年即推出了第一个通用信用评分。
特定专用信用评分（Specific Score），由信贷机构开发的信用评分，面向特定的机构信贷场景，这个模型可以是信贷机构自己开发，或者是数据分析公司开发。例如中国工商银行开发的CIIS个人信用评分（2004年9月上线）。
其中通用信用评分是基础的、通用的，而且性能稳定，可以认为是信贷市场风险量化的基础设施。征信机构的通用信用评分不仅可以单独使用，例如没有能力开发信用评分的信贷机构可以直接用于信贷审批，而且还可以是信贷机构开发信用评分的一个重要的组成部分（或称之为输入变量）。通用信用评分往往基于个人用报告研制而成，具体见图3.6。
图3.6 信用评分是信用报告的数字摘要
个人信用评分主要用于银行等信贷机构。其他机构，例如移动电话公司，保险公司，租房公司和政府部门，也使用相同的技术。
信用评分是一个比较泛的概念，会随着数据源和用途的不同而不同。不同的金融机构或征信机构也会开发自己的信用评分，很难有一个信用评分可以涵盖整个信贷风险决策领域。仅基于费埃哲公司（FICO）开发的信用评分模型，每个消费者有超过48个不同的信用评分，可以用于不同的消费场景。
费埃哲信用评分(FICO® Score，FICO信用评分)是贷款机构广泛采用的评分。费埃哲公司是信用风险评分的领军企业，也是消费者信用风险的衡量标准。费埃哲在十九世纪五十年代开发出第一个放贷者使用的信用评分，距今已经60年了。从那时候开始，特别是1980年代起，不同版本的FICO评分和其它评分模型已经被信用卡发行商、车贷、房贷和其它类型的放贷者使用。2014年，全球企业购买了100多亿份的费埃哲评分报告，它已成为美国90%消费贷款决策的重要依据。但是信用评分并不是费埃哲公司独有，三大个人征信机构自己也开发信用评分，还有一些数据挖掘公司例如SAS公司也帮金融机构开发一些信用评分。
FICO信用评分考虑的主要因素，如图3.7所示：
- 付款历史：偿还历史，包括晚偿还和收债数据项；
- 未偿债务：信贷余额，可用的信贷额度，正在用的信贷比例；
- 信贷时长：信用的长度，
- 信贷组合：信贷产品的组合；
- 争取新信贷：承担新债务的证据，例如新的账户和查询。
图3.7 费埃哲（FICO）个人信用评分模型主要考虑的要素
个人信用评分目前是金融科技领域的一个热点。在很多新兴国家，由于金融服务开展的比较晚，很多消费者和小微企业主都存在信用记录缺失或信用记录比较“薄”的问题，无法应用传统的FICO信用评分模型。世界银行统计全球有30亿消费者无法进行传统信用评分。根据中国人民银行征信中心官方报道，截止2019年4月底，征信系统收录自然人为9.93亿、有信用报告的为5.4亿人，估计能够进行个人信用评分的有4亿人（需要有两年信贷记录的积累）。根据中国统计局¹ ，截止2017年，中国的人口是13.9亿，这就意味着将近9亿消费者信用记录不足或缺失，没有信用评分。因此中国的信用评分应用在市场需求和传统模型之间还存在很大的鸿沟[v]。全球数百家金融科技公司和大数据公司都利用替代数据或大数据，以及新的人工智能技术来致力于解决全球性的“信用评分”问题[vi][vii]。
个人信用产品趋势：近年来随着数字经济的趋势越来越明显，个人信用评分的需求比个人信用报告多也是全球征信服务的趋势，图3.8利用Google Trends的全球网络计量显示自2015年网络用户对信用评分的需求更多。这说明在数字经济时代，个人信用评分的需求已经变得越来越重要了。
图3.8 全球个人信用报告和个人信用评分的需求比较
注：数据来源于Google Trends，虚线是个人信用报告的网络搜索，实线是个人信用评分的网络搜索
¹ http://www.stats.gov.cn/
[v] Martin Chorzempe. China Needs Better Credit Data to Help Consumers[R]. Peterson Institute for International Economics[PIIE], Policy Brief18-1, 2018-01.
[vi] 刘新海. 数字金融下的消费者信用评分现状与展望[J]. 征信，2020,05:65-81.
[vii] TBILISI. A brief history and future of credit scores[J]. Economist, 2019-07-06.