个人信用报告“数字解读”与妙用

说到评分，大家最熟悉的应该当属阿里的芝麻信用分，后来腾讯也出了支付分。评分=信用，越高的评分=越好的信用，众所周知，凭着较高的芝麻信用分消费免抵押，具体的场景有旅游住宿免抵押费用，租借物品只需缴纳租金连押金都免了...

评分是对个人信用解析的伟大发明，特别对信贷行业的朋友更加熟悉。在互金爆发时，芝麻分对外输送，某些现金贷贷公司单单就靠芝麻分放贷控制风险。分数的重要性，不言而喻。

在信贷评分上，我们总结了中国市场各类风险，大概可以分为以下三类评分：

a、平台分:各互联网平台利用自身掌握的大数据所开发的信用评分(芝麻分、腾讯分、电信甜橙分、中国移动信用分、拉卡拉考拉信用分、京东小白信用分等)；

b、放贷机构内部评分卡；

c、通用信用评分：以信息主体过去实际信贷数据为基础构建的实证模型，用以预测信息主体未来发生违约的可能性（FICO评分、PBOC个人信用报告“数字解读”）。

而这里的第三点中的PBOC个人信用报告的数字解读，是以人行征信数据为基础，开发的人行征信数字评分可以称得上是人类历史上更大规模之一的风险建模产品。

截至2020年初，可数字解读人数为4.35亿（78%）这将近四五亿的基础所衍化的人行征信数字分，是金融信贷行业中最有价值的一份报告。所以难怪人行征信数据报告相比其他三方数据价格高得多，大家仍挣破头想要拿到这份数据。

人行数字报告的数字解读分具体是什么？可看以下这份示例：

数字分就是人行征信报告中汇总得来的评分，既然是数字评分，那数字分是如何得来的？

数字分跟常见的通用评分一样，都是模型分数，其开发的步骤类似于常见的信贷模型步骤：

具体的开发逻辑比如关于X变量，其是完全基于个人信用报告中的信息进行计算得来，其中相关的数据包括有：

Ø信贷信息

Ø硬查询信息(？)

前面我们计算了人行征信报告中的数字分的解读的来源，而对于目前这份解读分各家机构又是如何使用的呢？可以看看以下具体简要示例：

一.资产组合监控：

监控资产组合每月的变化，在有实际逾期表现之前，提前了解资产组合风险水平

二.不同的边际收益观测把控

案例分享：全国大型消金集团与省级农业发展银行

上述内容未提细则中，仍有以下问题大家可以思考：

1.人行征信中的数据细则过多，以上我们提到了可入模的变量，另外不可采用的变量维度又是哪一些？上文中提到的硬查询数据又是什么含义？

2.如何结合人行征信分去测试自家数据产品，特别是对应到具体的产品中时；

3.不同的金融金融，银行、消金、小贷公司使用人行征信数据上有何不同；

4.上述最后提及的人行征信解读分的示例没有为大家具体剖析清晰，实际的作用仍不止文章中所提这些