总体感觉：
本章介绍了信用评分系统如何在信贷机构中应用，和企业使用信用评分的场景，但最终为了盈利最大化，还是要不断扩大申请人的信息收集边界。
带着疑问读书：
1. 特征变量的选择过程
首先在法律范围内选取评分卡上所以信息（信息采集目的参见表2.2）
2. 信用评分对比评分卡的特性变量的差异分析
从信息来源上讲相同
3. 算法模型如何选择
第二章：信用评分实践
评分前的信用评估：传统的信用评估靠的是“感觉”，必须在银行有使用产品记录，才能分析出借款人的性格和偿还能能力、抵押品或担保。在当时见约见银行经理需要穿最好的衣服，而且心情忐忑的开口借钱。而银行经理会询问借款用途或是要求社区或工作单位出具推荐信，经过百般刁难后，再次约见的时候才会给出最终决定。如果你问经理们如何判断，他们只会给出标准的回答“多年的培训和工作经验”。可笑的是这样严谨的过程，不允许出错，那多年的经验是在什么情况下获得呢？个人观点：难怪金融科技会颠覆这种效率低下又让人感到不舒服的金融传统服务。
传统信用评估的弊端相当明显，随着银行从主导方变为金融产品的供应商，信用卡用户显著增长和消费贷款业务的迅猛增长，信用卡成了信用评分应用最广的领域。 在信用卡发放之后还要根据用户行为进行信用额度调整等操作。
如果客户按期还款，就不需要作出什么决策。一旦出现逾期行为，抵押物是个比较好的让客户还钱的方法。总比法院的判决执行的效率高很多。对于客户而言，不还钱就上交抵押物也是明明白白的选择。个人观点：现在的信用贷款可是没有抵押物的，由于金额不是十分巨大，天天被催债的压力足以让客户还钱了吧。不过对于那些借款时候就不打算还钱，甚至是骗贷的客户这些手段显得力不从心。
信用评分如何嵌入放贷机构信用评估程序：银行将贷款人的主要相关因素带入一个公式，得出量化风险值，如果风险低就会给与贷款。信用分数计算当然不能只通过申请表上的数据得来，还要使用征信局的相关数据。以简化的评分卡为例：
一个年龄20岁与父母同住的无判决记录的借款人贷款买一辆二手车评分为101（14+22+33+32）
一个年龄55岁，拥有房产，法院判决金额250英镑，为女儿婚礼筹钱的评分为127（36+49+25+17）
从评分卡中可以看出很多信息比如租房的人还不如不无回复的人分数高，年纪越大信用越高（老头好?老头事少还有低保），度假贷款最不容易得到申请本人观点：本人买新车的分数为143，这明显就是为房屋和汽车做的评分卡。
有了评分之后如果做出贷款决策还是有些区别的，有些银行使用一个基准线，以100为例，高于就会批准，反之则拒绝，无论情况如何。灵活一点的使用两条基准线，在100分上下浮动5-10分的客户提供更多信息后得出评分，再根据评分自动进行判断（比如征信局的一些信息）。再有就是根据绝对通过（super-pass）或绝对拒绝（super-fail）一个例子就是个人评分太好了，即使征信局有不良记录也会被通过审核。还有一些机构实施风险定价或差别定价策略，这需要考虑风险因素，竞争和客户关系等因素总和考虑。
需要什么数据：
信用评分咨询机构的作用：20世纪80年代以前评分卡开发商会独立开发出评分卡系统，不过随着计算机成本和大规模的放贷机构出现内部分析团队，外部咨询机构更愿意提供相关咨询或合作开发，从而避免一些应用上的问题。
验证评分卡的有效性：在评分卡投入使用之前必须用过开发模型使用的案例，与真实案例进行比较，调查和理解这些差异。
与信息系统的联动：信息系统是评分卡信息的有效补充，比如上一笔贷款的还款情况，信用卡或储蓄账户的近期表现具有很强的预测性，揭示客户近期的财务状况的掌控力。
借款申请表：太长不看的效应很明显，太短又难以判断，通过征信局补充信息成为很好的补充。
征信局的作用：英国有两家征信局，美国有三家。他们处于信息法律的两个极端，美国《信息自由法》英国《数据保护法》。20世纪80年代这些信息就像是图书管理员的工作一样，被装在一个装满索引卡片的橱柜里。随后才被计算机所取代。征信局不光出售征信记录，还出售信用评分。实际上，一些放贷机构特别是信用卡发卡机构，每月都要购买其持卡人的征信局评分。并由此决定如何处理逾期还款或超额透支的情况
人工修正和人工干预：只要是系统就会出错，英国的《信用评分指南》（财务和租赁协会2000）鼓励放贷机构建立申诉程序。第一种，错误可能是信息填写错误或者征信局获取的信息错误导致的。第二种，在及格线附近的灰色地带需要进行人工审核，第三种，由于关联信息未考虑家庭存款或商业上的关联，最差的情况是已经预测到借款可能导致损失，但还是批准的情况会在第八章进行讨论。
检测和跟踪：检测是被动的记录信息，跟踪是主动的将一组账户的行为与评分预测进行比较分析，从而判断是否将该项业务进行推广。
与产品组合的关系：这里要确定客户关系边界的问题，不仅应当包括申请人自身的贷款与存款情况，还应包括该客户所属的群体是否为优质客户，或者会追溯到其亲属拥有的企业相关信息。
