得分越高，說明個人的償債能力越好，也有助於衡量客戶貸款申請的通過率。
但是我們也需要註意，“天下信貸”畢竟只是壹個輔助工具，並不壹定買了之後就可以申請貸款。貸款能否獲批，取決於客戶的綜合資質是否達標。平臺根據系統評分審批發放貸款。
客戶平時註意保持良好的個人信用，申請貸款時提供充足的資料，向平臺證明自己有足夠的還款能力，壹般都能順利辦理貸款。如果最初批準的額度不高，只要積累良好的消費和還款記錄，提高信用，也可以幫助增加額度。
首先我們來看傳統的信用風險建模，壹般采用央行征信報告中采用的10到20個變量，比如信用記錄時間、信用額度、逾期數據等。目前這個用戶從未與金融機構有過借貸關系，也就是說在央行沒有留下相應的信息，無法進行有效的信用評估。這是壹種建模方法。傳統方法壹般使用10到20個強變量計算貸款比率。現在有壹個問題。剛才講普惠金融，央行的現狀是有信用記錄的人不到3億，占中國的25%左右。對於壹個融資需求非常旺盛的階段，其實大部分人都沒有信用記錄，他們的信用也沒有經過評估。
有沒有解決當前問題的有效方法？2014前後，大數據公司嘗試了不同的方法。因為金融儲蓄的變量還很有限，所以他們嘗試使用了壹些行為數據和非金融數據，比如消費、閱讀、社交等等。在嘗試驗證這壹點後，非常有效。谷歌和資本成立了壹家外國美國公司。他用了壹些高緯度的數據和不同的行為數據來建模。這家公司現在被JD.COM收購了。
國內公司，以白蓉為例，我們主要是數據和模型兩部分。數據就是覆蓋面。目前已經積累了7億左右的實名用戶，包括身份證、手機號、姓名。另外，大數據涵蓋了壹個緯度。我們屬於數據集成商，比如收入支出數據等行為偏好數據。我們與許多數據供應商合作。此外，基於這些數據，我們有壹個成熟的模型來支持壹些現場應用和信貸的全生命周期。
至於數據來源，我們覆蓋的行業比較多，有自己的積累，各大金融行業都和我們合作。還有其他運營商、銀聯、航空公司等不同緯度的數據。我們以前是做大數據精準營銷的。電商可以通過精準營銷帶來轉化率。電商就是在電商上瀏覽商品，買東西的人，包括多少錢，送貨地址等等。
另外，我們都很清楚萬達和大悅城的傳統零售和地產用戶的壹些消費行為。我們在其他電信、航空、品牌行業都有深度合作，我們有針對合作夥伴的大數據建設服務。其實我們積累的數據主要集中在50歲以下和18歲以上的消費者。另外真實性比較強，央行的邏輯是壹個金融屬性很強的變量。我們除了財務屬性之外還有日常行為屬性，我們也跟蹤了很長時間，所以他們的違約成本不會特別高。