从国外成熟征信市场看，个人信用评分领域，各家机构主要参考国际知名征信机构fair isaac company推出的fico 评分模型计算得来。fico评分范围在300-850分之间。分数越高，说明客户的信用风险越小。但是分数本身并不能绝对说明一个客户的信用，贷款方通常会将分数作为参考，来进行贷款决策。每个贷款方都会有自己的贷款策略和标准，并且每种产品都会有自己的风险水平，从而决定了可以接受的信用分数水平。一般而言，如果借款人的信用评分达到680分以上，贷款方就可以认为借款人的信用良好，可以发放贷款。如果借款人的信用评分低于620分，贷款方或者要求借款人增加担保，或者干脆寻找各种理由拒绝贷款。如果借款人的信用评分介于620-680分之间，贷款方就要作进一步的调查核实，采用其它的信用分析工具，作个案处理。
fico 评分模型主要关注客户的信用偿还历史、信用账户数、使用信用的年限、正在使用的信用类型、新开立的信用账户五类因素：
维度
权重占比
主要内容
偿还历史
约35%
(1)信用账户的还款记录, 包括信用卡( 如: visa、americanexpress) 、零售账户(直接从商户获得的信用) 、分期偿还贷款、金融公司账户、抵押贷款。
(2) 公开记录及支票存款记录, 该类记录主要包括破产记录、丧失抵押品赎回权记录、法律诉讼事件、留置权记录及判决。涉及金额大的事件比金额小的对fico 得分的影响要大, 同样的金额下,越晚发生的事件要比早发生的事件对得分的影响大。
(3) 逾期情况,包括逾期的天数、未偿还的金额、逾期还款的次数和逾期发生时距现在的时间长度等。
信用账户数
约30%
分析客户有多少个信用账户，有限的还款能力为多少
使用信用的年限
约15%
一般来讲, 使用信用的历史越长, 越能增加fico信用得分。主要考察信用账户的账龄, 包括最早开立的账户的账龄、新开立的信用账户的账龄及平均信用账户账龄等
新开立的信用账户
约10%
主要包括：新开立的信用账户数、新开立的信用账户账龄、目前的信用申请数量、贷款方查询客户信用的时间长度及最近的信用状况
正在使用的信用类型
约10%
主要分析客户的信用卡账户、零售账户、分期付款账户、金融公司账户和抵押贷款账户的混合使用情况, 具体包括: 持有的信用账户类型和每种类型的信用账户数。
fico评分的应用：
依据不同的机构的数据禀赋，美国三大征信局依靠fico评分模型有了各自的评分，益博睿的评分为 fico risk model；艾克飞的评分为 beacon；环联的评分称为empirica等。
依据不同的应用场景对信用风险管理的影响，fico信用评分又分为欺诈风险评分、破产评分、收益评分和债务催收评分等。
而目前我国个人信用评分也是借鉴美国fico评分体系，其中以芝麻信用分最为知名，使用人群及应用场景最多，其产品解析如下：
类别
内容
评分维度
主要考察维度及权重占比：
1、信用历史（35%），如信用卡还款历史、小额贷款还款历史、水电煤缴费、罚单等；
2、行为偏好（20%），如账户活跃度、消费层次、缴费层次、消费偏好等
3、履约能力（25%），如支付账户和余额宝的余额、车辆、房产信息等
4、身份特质（15%），如公安实名认证、身份信息、信息稳定性等；
5、人脉关系（5%），关系前、朋友圈信用情况、社交影响力等
评分范围
350—550分表示信用等级较差；
550—600分表示信用等级中等；
600—650分表示信用等级良好；
650—700分表示信用等级优秀；
700—950分表示信用等级极好。
应用场景
蚂蚁花呗、蚂蚁借呗等消费金融、生活租赁（单车、企业、充电宝、雨伞、服装、手机、电脑等）、通讯、出行（高速etc、公交、航旅等）、住宿（租房、宾馆预定等）、社交（婚恋等）
提升芝麻分的实用方法
一、使用阿里系电商平台，如天猫、淘宝、聚划算等，其中购物的累计额度、购物品类、退换货记录等都是评分考察内容。
二、使用支付宝信用卡还款功能，并及时还款可以有效提高芝麻信用分数。芝麻信用目前并没有对接央行的个人征信系统，在没有个人金融借贷记录的情况下，信用卡还款记录是芝麻评分查考的一大重点。
三、使用支付宝的生活缴费功能，水电煤物业费用等，通过实时住址，拖欠情况等也可以作为考察的方面。
四、使用余额宝、招财宝和支付宝服务，一般涉及金额越大，业务种类越多，频次越频繁，评分就越高。
五、丰富个人信息和人脉关系。目前支付宝提供用户各种信息认证的入口，支付宝通过好友功能搭建的用户人脉关系是建立在转账、代付等金钱基础上，账户互动信息是强信用关系活动，人脉关注中好友的信用活动。
我国其他征信机构的个人信用评分：
二、个人信用评分的几点小结
1、机构数据来源的差异大，造成信用分差异大
我国传统征信体系的不健全，无统一的征信数据平台，与信用有关的数据分布在各个机构之中，因而各征信机构都是依据自身的数据禀赋来制定个人信用评分，因而计算而来的个人信用分差异比较大，如芝麻信用只要依靠支付宝及阿里电商平台数据，前海好信度则倚重于平安的金融数据、腾信信用分倚重于qq、微信等社交数据等。
2、金融借贷仍是主要的应用领域
之前央行征信中心对外发布信息，明确了征信是与资金有关的业务活动，大数据业务不属于征信活动，从而也为当前我国行业初期的征信业务理清了方向。个人信用分在互联网金融的应用，主要集中在消费金融及现金贷业务，如在消费分期领域，芝麻信用分被用于评估蚂蚁花呗额度，消费者可依据花呗额度在天猫、淘宝等平台进行上商品分期；现金贷业务中，当前许多互金平台接入芝麻信用分，将芝麻信用分作为风控考察的一大指标，甚至在小额现金贷业务中，许多机构仅依靠芝麻信用分实现线上实时放款。
3、征信业务的“理想与现实之争”
在当前我国征信初期，个人信用的推广面临尴尬处境，其深层原因是当前信贷风控的o2o模式与纯线上模式的“理想与现实之争”。在当前征信数据缺乏，央行征信数据有限开放的前提下，仅仅凭借某一信用产品，无法做到真实、全面、有效评估个人信用，因而多数互金机构都选择“线下网点+线上操作”模式开展信贷业务，信用风控也相应采用“线下+线上”模式。而反观国外市场，金融机构对征信产品的倚重程度相对较大，如许多金融产品或服务均把fico评分达到某分值作为服务的准入门槛，并对高评分客群推出专属化业务。因此，在未来数据共享的前提下，征信数据、产品实现统一输出，各服务机构可以实现依靠信用产品直观判定个人信用状况，从而并针对性提供服务。
3、客户信息与安全仍是监管重点，征信法规建设将持续加强
征信业务的三大原则即第三方征信的独立性、征信活动中的公正性、个人信息隐私权益保护原则。由于个人信用评分场景的应用性较强，政府监管机构保持“有限使用”监管态度，对征信产品场景应用进行适时监管。如之前央行叫停芝麻信用与首都机场快速通道的合作业务、对芝麻信用发起的全国高校“芝麻信用分pk活动”的营销方式提出异议，并对芝麻信用分的多个应用场景的营销活动进行窗口指导。由于我国征信业起步较晚，法律法规尚不健全，在国外市场，征信业务从数据获取、服务对象、使用范围及用途都有明确规定。如美国《公平信用信息报告法》中明确规定信用信息的用途只能用在借贷、就业、保险、租房。而大多数征信公司主要通过与银行等金融机构建立长期合作，让金融企业用自己的产品，不是直接面对消费者。