市场背景

所有银行都需要对其信用卡客户做提高/降低信用额度、超额透支授信、激活/挽留、费用重新定价的动态跟踪，以便灵活地调整策略，控制风险、巩固客户忠诚度、增强产品和服务的市场竞争力。 

要做出上述决策，需要对持卡用户的风险高低有一个客观而准确的评价，以便参考风险值的高低确定不同的策略。

如何科学的做出决策，在控制风险的基础之上保证收益，对行业具有重要意义。

解决方案

天云数据行为评分卡模型正是为了获得持卡用户风险值而开发的一种评分卡模型。

行为评分卡模型以风险分数的形式给出，我们定义的分数范围是0—100分，分值越大代表违约风险越小。

实践检验

上表是某银行使用行为评分卡模型的统计结果。测试集含10000条有标签样本，其中正样本387条，负样本9613条。每个分数段包含了不同数量的好客户和坏客户，由表可见，模型预测分数低于41分的客户占总客户数的30%，其中包含了91%坏客户即潜在违约客户（表第三行，低于41分的3000个客户中，有354个坏客户，占总计387个坏客户的91%）。

可见，行为评分卡模型能够有效的区分潜在违约持卡人。同时模型可全自动运行，不依赖人工干预，能够为贷中管理决策提供科学的依据。