b卡(行為記分卡)
由於零售信貸業務具有交易筆數多、單筆金額小、數據豐富的特點，需要進行智能化、概率化的管理模式。信用評分模型運用現代數理統計模型技術，通過對借款人的信用歷史記錄和業務活動記錄進行深度數據挖掘、分析和提煉，找出蘊藏在復雜數據中反映消費者風險特征和預期信用表現的知識和規律，並通過評分進行總結，作為管理決策的科學依據。
差異:
1，使用時間不同，側重貸前、貸中、貸後。
2.數據要求不同。a卡壹般在貸款前做0到1年的數據，b卡是在客戶有了壹定行為，有了大量數據後做的，壹般是3到5年。
3.每個記分卡的所有模型都是不同的。壹張卡用的是logistic回歸，後兩種常用的多元logistic回歸準確性更好。
b卡
1.定義:根據出借人出借後的行為(觀察行為)預測未來的逾期概率。
2.使用場景:貸款發放後，到期前的時間段。
3、註意觀察期和表現期，時間片。
劃分
1.根據不同的還款意願和還款能力劃分不同的風險等級。
輕度:還款意願和還款能力良好，特殊原因逾期。
中度和輕度:還款意願良好，還款能力有問題。
中度:還款會惡化，有還款能力。
嚴重:無還款意願，還款能力惡化或喪失。
2.收集過程
短信催收、電話催收、現場催收、法律訴訟、第三方催收(逾期資產打包出售)。
3.模型組成
還款率模型:預測收款後賬戶的收款率。
老化滾動模型:預測逾期人數由輕度逾期變為重度逾期的概率。
失聯模型:在逾期階段，預測與還能聯系上的人失聯的概率。
4.通用指標
過期天數
歷史還款率信息
逾期金額比例
債務負擔比率
個人信息(性別、年齡、收入、工作、學歷等。)