คะแนนเครดิตคือตัวเลขที่แสดงถึงความน่าเชื่อถือทางเครดิตของบุคคล^{[ 1 ]}คะแนนเครดิตส่วนใหญ่ขึ้นอยู่กับรายงานเครดิตซึ่งเป็นข้อมูลที่ได้มาจากสำนักงานเครดิตบูโร เป็นหลัก

ผู้ให้กู้ เช่นธนาคารและ บริษัท บัตรเครดิตใช้คะแนนเครดิตเพื่อประเมินความเสี่ยงที่อาจเกิดขึ้นจากการให้กู้ยืมเงินแก่ผู้บริโภค และเพื่อลดการสูญเสียเนื่องจากหนี้เสียผู้ให้กู้ใช้คะแนนเครดิตเพื่อพิจารณาว่าใครมีคุณสมบัติเหมาะสมที่จะได้รับเงินกู้อัตราดอกเบี้ย เท่าใด และวงเงินเครดิตเท่าใด^{[ 2 ]} ผู้ให้กู้ยังใช้คะแนนเครดิตเพื่อพิจารณาว่าลูกค้ากลุ่มใดมีแนวโน้มที่จะสร้างรายได้มากที่สุด

การให้คะแนนเครดิตไม่ได้จำกัดอยู่แค่ในธนาคารเท่านั้น องค์กรอื่นๆ เช่น บริษัทโทรศัพท์มือถือ บริษัทประกันภัย เจ้าของบ้าน และหน่วยงานรัฐบาลก็ใช้วิธีการเดียวกัน บริษัททางการเงินดิจิทัล เช่น ผู้ให้กู้เงินออนไลน์ ก็ใช้ แหล่ง ข้อมูลทางเลือกในการคำนวณความน่าเชื่อถือทางเครดิตของผู้กู้เช่น กัน ^{[ 3 ] [ 4 ]}

แบบประเมินคะแนนถูกสร้างและปรับให้เหมาะสมเพื่อประเมินไฟล์เครดิตของประชากรที่มีลักษณะเหมือนกัน (เช่น ไฟล์ที่มีการผิดนัดชำระหนี้ ไฟล์ที่ใหม่มาก ไฟล์ที่มีข้อมูลน้อยมาก) ระบบการให้คะแนนเครดิตที่ได้มาจากประสบการณ์ส่วนใหญ่มีตัวแปรระหว่าง 10 ถึง 20 ตัว^{[ 5 ]}คะแนนการสมัครมักจะถูกครอบงำด้วยข้อมูลจากสำนักงานเครดิต ซึ่งโดยทั่วไปคิดเป็นมากกว่า 80% ของพลังในการทำนายเมื่อเทียบกับ 60% ในช่วงปลายทศวรรษ 1980 ^{[ 5 ]}สำหรับแบบประเมินคะแนนในสหราชอาณาจักร อันที่จริง มีแนวโน้มเพิ่มขึ้นในการลดตัวแปรของผู้สมัครหรือตัวแปรที่ไม่สามารถตรวจสอบได้จากแบบประเมินคะแนน ส่งผลให้ต้องพึ่งพาข้อมูลจากสำนักงานเครดิตมากขึ้น

โดยทั่วไปแล้ว คะแนนเครดิตจะอยู่ในช่วง 300 ถึง 850 ซึ่งแสดงถึงความน่าเชื่อถือทางเครดิตของลูกค้า ลูกค้าที่มีคะแนนเครดิตสูงแสดงให้เห็นว่าพวกเขามีความน่าเชื่อถือทางการเงิน และธนาคารจะไม่มีปัญหาในการให้สินเชื่อ หากลูกค้ามีคะแนนเครดิตต่ำ ธนาคารจะลังเลที่จะให้สินเชื่อ และหากให้สินเชื่อก็อาจคิดอัตราดอกเบี้ยที่สูงกว่า

โดยทั่วไป การให้คะแนนเครดิตจะใช้ข้อมูลจากลูกค้าที่ผิดนัดชำระหนี้รวมกับข้อมูลจากลูกค้าจำนวนมากที่ไม่ได้ผิดนัดชำระหนี้ ในทางสถิติ จะใช้เทคนิคการประมาณค่า เช่นการถดถอยโลจิสติกหรือโพรบิตเพื่อสร้างค่าประมาณความน่าจะเป็น ของการผิดนัดชำระหนี้ สำหรับข้อมูลที่ได้จากการสังเกต โดยอิงจากข้อมูลในอดีต แบบจำลองนี้สามารถใช้ในการทำนายความน่าจะเป็นของการผิดนัดชำระหนี้สำหรับลูกค้ารายใหม่ โดยใช้ลักษณะการสังเกตเดียวกัน (เช่น อายุ รายได้ การเป็นเจ้าของบ้าน) จากนั้น ความน่าจะเป็นของการผิดนัดชำระหนี้จะถูกปรับขนาดเป็น "คะแนนเครดิต" คะแนนนี้จะจัดอันดับลูกค้าตามความเสี่ยงโดยไม่ได้ระบุความน่าจะเป็นของการผิดนัดชำระหนี้อย่างชัดเจน

มีเทคนิคการประเมินเครดิตหลายวิธี เช่น การสร้างแบบจำลองอัตราความเสี่ยง แบบจำลองเครดิตแบบลดรูป แบบจำลองน้ำหนักของหลักฐาน การถดถอยเชิงเส้น หรือการถดถอยโลจิสติกส์ ความแตกต่างหลักๆ อยู่ที่ข้อสมมติฐานที่จำเป็นเกี่ยวกับตัวแปรอธิบาย และความสามารถในการสร้างแบบจำลองผลลัพธ์แบบต่อเนื่องเทียบกับแบบไบนารี เทคนิคบางอย่างเหนือกว่าเทคนิคอื่นๆ ในการประมาณความน่าจะเป็นของการผิดนัดชำระหนี้ทางอ้อม แม้ว่าจะมีงานวิจัยมากมายจากนักวิชาการและภาคอุตสาหกรรม แต่ก็ยังไม่มีเทคนิคใดที่ได้รับการพิสูจน์แล้วว่าเหนือกว่าในการทำนายการผิดนัดชำระหนี้ในทุกกรณี

ความเข้าใจผิดทั่วไปเกี่ยวกับการให้คะแนนเครดิตคือ สิ่งเดียวที่สำคัญคือการชำระเงินตรงเวลาและการชำระหนี้อย่างรวดเร็ว แม้ว่าประวัติการชำระเงินจะเป็นสิ่งสำคัญ แต่ก็มีส่วนในการคำนวณคะแนนเครดิต เพียงแค่หนึ่งในสามเท่านั้น ยิ่งไปกว่านั้น ประวัติการชำระเงินจะแสดงอยู่ในรายงานเครดิตของคุณเท่านั้น

หนึ่งในแหล่งรายได้หลักของธนาคารคือธุรกิจปล่อยกู้ ซึ่งอาจเป็นสินเชื่อที่มีหลักประกันหรือไม่มีหลักประกันก็ได้ ธนาคารไม่ต้องการให้สินเชื่อแก่ลูกค้าหรือธุรกิจที่ไม่สามารถชำระคืนได้ในอนาคต กระบวนการประเมินความน่าเชื่อถือทางเครดิตของผู้สมัครจะเป็นตัวกำหนดว่าใครควรได้รับสินเชื่อและในวงเงินเท่าใด นี่คือจุดที่คะแนนเครดิตเข้ามามีบทบาท ซึ่งช่วยให้ธนาคารและสถาบันการเงินลดความเสี่ยงและลดอัตราการผิดนัดชำระหนี้ได้

วิธีการที่ใช้ในการสร้างคะแนนเครดิตโดยทั่วไปแบ่งออกเป็นสองประเภท ได้แก่ วิธีการทางสถิติ และวิธีการปัญญาประดิษฐ์/การเรียนรู้ของเครื่อง^{[ 6 ]}

แบบจำลองที่มีความซับซ้อนน้อยกว่าและผลลัพธ์สามารถตีความได้ง่ายมักจัดอยู่ในหมวดหมู่นี้ เทคนิคอย่างง่าย เช่น การถดถอยโลจิสติกการถดถอยเชิงเส้นและต้นไม้ตัดสินใจ เป็นตัวอย่างของเทคนิคทางสถิติอย่างง่าย ธนาคารหลายแห่งนิยมใช้หมวดหมู่นี้ เพราะหากลูกค้าถูกปฏิเสธสินเชื่อ ก็จำเป็นต้องระบุเหตุผล ซึ่งสามารถตีความได้ง่ายจากแบบจำลองเหล่านี้

เทคนิคที่ใช้ในที่นี้โดยทั่วไปเรียกว่ากล่องดำในโลกของการวิเคราะห์ เนื่องจากการตีความทำได้ยาก โดยทั่วไปธนาคารจะใช้แบบจำลองการให้คะแนนประเภทนี้เพื่อเพิ่มยอดขายหรือขายผลิตภัณฑ์ต่างๆ ของธนาคารให้กับลูกค้า เทคนิคเหล่านี้มักจะมีประสิทธิภาพเหนือกว่าแบบจำลองการให้คะแนนเครดิตตามสถิติ แต่กลับด้อยกว่าเนื่องจากปัญหาในการตีความ^{[ 6 ]}

แบบประเมินการขอสินเชื่อ - แบบประเมินนี้ใช้เมื่อลูกค้าสมัครขอสินเชื่อใหม่ แบบประเมินประเภทนี้จะทำนายว่าลูกค้าจะผิดนัดชำระหนี้หรือไม่ โดยข้อมูลที่ใช้ส่วนใหญ่มาจากประวัติการขอสินเชื่อในอดีต และหากลูกค้ามีสินเชื่ออยู่แล้ว ข้อมูลนั้นจะถูกดึงมาจากสำนักงานเครดิตบูโร หากตัวอย่างเช่น ผลิตภัณฑ์ที่กำลังจะเปิดตัวเป็นผลิตภัณฑ์ใหม่ ข้อมูลก็จะถูกนำมาจากสำนักงานเครดิตบูโรเช่นกัน แบบประเมินประเภทนี้ช่วยให้ธุรกิจสามารถตัดสินใจได้อย่างอัตโนมัติ แม่นยำ และสม่ำเสมอว่าจะอนุมัติ ตรวจสอบ หรือปฏิเสธผู้สมัคร ข้อดีบางประการของแบบประเมินประเภทนี้คือ องค์กรสามารถทำให้กระบวนการตัดสินใจทั้งหมดเป็นไปโดยอัตโนมัติ ซึ่งจะช่วยลดเวลาในการดำเนินการพิจารณาอนุมัติสินเชื่อ นอกจากนี้ยังช่วยให้ธุรกิจสามารถตัดสินใจได้อย่างแม่นยำและมีข้อมูลรองรับ^{[ 7 ]}

แบบประเมินพฤติกรรม - ใช้ในการทำนายว่าลูกค้าปัจจุบันที่มีสินเชื่อจะผิดนัดชำระหนี้หรือไม่ โดยข้อมูลจะรวมถึงรายละเอียดการทำธุรกรรมของลูกค้าและข้อมูลที่เกี่ยวข้องกับสำนักงานข้อมูลเครดิต แบบประเมินประเภทนี้ยังใช้เป็นคะแนนเครดิตทางเลือกสำหรับวัตถุประสงค์ภายในของสถาบันควบคู่ไปกับคะแนนเครดิตที่ได้รับจากสำนักงานข้อมูลเครดิต นอกจากนี้ยังใช้แบบประเมินประเภทนี้ในการระบุลูกค้าที่มีมูลค่าสูงสุดของ ธนาคาร ^{[ 7 ]}

แบบประเมินการเรียกเก็บหนี้ - ใช้เพื่อคาดการณ์การตอบสนองของลูกค้าต่อกลยุทธ์ต่างๆ ในการเรียกเก็บหนี้ ข้อมูลที่เกี่ยวข้องจะคล้ายกับแบบประเมินพฤติกรรม เมื่อธนาคารตัดสินใจให้สินเชื่อแก่ลูกค้าหรือขยายสินเชื่อให้กับลูกค้าที่มีอยู่แล้ว ธนาคารจะต้องประเมินความน่าจะเป็นที่ลูกค้าเหล่านั้นจะสามารถชำระคืนเงินกู้ได้อย่างสะดวกสบาย ในที่นี้สิ่งสำคัญคือต้องพิจารณาว่าสถานการณ์ของลูกค้าอาจเปลี่ยนแปลงไปตามเวลา และเพื่อรักษาความสัมพันธ์ที่ดีกับลูกค้า ธนาคารจำเป็นต้องให้การสนับสนุนที่เหมาะสม การระบุและจัดลำดับความสำคัญของบัญชีที่ต้องเรียกเก็บหนี้เป็นสิ่งสำคัญสำหรับองค์กร เนื่องจากมีบทบาทสำคัญในการควบคุมหนี้เสีย การตัดสินใจเกี่ยวกับความถี่และช่องทางการสื่อสารอาจเป็นเรื่องยากในการสร้างความสมดุลในการปฏิบัติต่อลูกค้าอย่างเป็นธรรม แบบประเมินนี้ช่วยในการระบุลูกค้าที่ต้องการปฏิสัมพันธ์น้อยลง ข้อดีบางประการของการใช้แบบประเมินการเรียกเก็บหนี้ ได้แก่ การสร้างกระบวนการเรียกเก็บหนี้ที่คล่องตัวและมีประสิทธิภาพ ความสามารถในการมอบประสบการณ์ที่ดีขึ้นแก่ลูกค้าโดยไม่กระทบต่อความรู้สึก และการปรับปรุงอัตราการเรียกเก็บหนี้ คืน ^{[ 8 ]}

Naeem Siddiqi อภิปรายประเด็นสำคัญบางประการเกี่ยวกับการใช้สกอร์การ์ดและกระบวนการที่เพิ่มขึ้นซึ่งเคยใช้ในอดีตเมื่อเทียบกับปัจจุบัน^{[ 9 ]}

ปัจจัยบางประการที่ทำให้มีการใช้แบบประเมินผลมากขึ้น ได้แก่:

• การเพิ่มระดับกฎระเบียบโดยหน่วยงานปกครอง
• ซอฟต์แวร์โอเพนซอร์สและซอฟต์แวร์ที่ดีกว่าสำหรับการพัฒนาดัชนีชี้วัดผล
• ปริมาณข้อมูล/สื่อการเรียนรู้บนอินเทอร์เน็ตเพิ่มมากขึ้น
• ความสามารถในการสร้างประสบการณ์ลูกค้าที่ปรับแต่งได้ตามความต้องการ
• มีการพัฒนาด้านฮาร์ดแวร์และประสิทธิภาพการประมวลผลอย่างต่อเนื่องตลอดหลายปีที่ผ่านมา

การรวบรวมเอกสารจะรวมถึงการรวบรวมเอกสารทางกายภาพทั้งหมดจากลูกค้า เอกสารต่างๆ เช่น ใบแจ้งยอดบัญชีธนาคาร เอกสารภาษีเงินได้ เป็นต้น จะถูกรวบรวมเป็นอันดับแรกเจ้าหน้าที่สินเชื่อจะนำเอกสารทั้งหมดเหล่านี้มาประเมินอย่างรอบคอบ จากนั้นเอกสารทั้งหมดจะถูกตรวจสอบด้วยตนเอง เจ้าหน้าที่จากธนาคารจะต้องไปที่ที่อยู่ตามที่ลูกค้าระบุเพื่อตรวจสอบว่าบุคคลนั้นอาศัยอยู่ที่นั่นจริงหรือไม่ และในบริบทนี้ก็จะพูดคุยเรื่องสินเชื่อกับลูกค้าด้วย ในอดีตไม่มีสำนักงานข้อมูลเครดิตหรือระบบให้คะแนนเครดิต ทำให้กระบวนการตัดสินใจทั้งหมดทำด้วยมือ ส่งผลให้เจ้าหน้าที่สินเชื่อใช้เวลานานขึ้นในการพิจารณาใบสมัครสินเชื่อ ซึ่งจะทำให้ระยะเวลาในการอนุมัติสินเชื่อลดลง

ปัจจุบันนี้ เอกสารหรือหลักฐานต่างๆ ที่จำเป็นทั้งหมดจะต้องส่งทางออนไลน์ผ่านทางเว็บไซต์ ของธนาคาร ไม่ต้องใช้เอกสารกระดาษอีกต่อไป เพราะทุกอย่างเป็นระบบดิจิทัล เอกสารเหล่านี้ส่วนใหญ่จะเป็นไฟล์ PDF ก่อนหน้านี้ การประเมินรายได้ทำด้วยตนเองโดยเจ้าหน้าที่สินเชื่อ แต่ปัจจุบันมีซอฟต์แวร์ที่อ่านงบการเงินของลูกค้าและตรวจสอบรายได้โดยอัตโนมัติ นอกจากนี้ยังมีการตรวจสอบข้อมูลลูกค้าแบบดิจิทัลแทนการไปพบลูกค้าถึงที่บ้าน เนื่องจากมีสำนักงานข้อมูลเครดิต ทำให้มีข้อมูลเกี่ยวกับลูกค้ามากมาย หากลูกค้ามีประวัติการทำธุรกรรมทางการเงิน ก็สามารถขอข้อมูลจากสำนักงานเหล่านี้ได้ แบบจำลองคะแนนเครดิตถูกนำมาใช้เพื่ออนุมัติหรือปฏิเสธใบสมัครสินเชื่อของลูกค้า ลูกค้าสามารถดูผลการตัดสินใจได้ทางออนไลน์บนเว็บไซต์ เนื่องจากกระบวนการตัดสินใจส่วนใหญ่เป็นแบบออนไลน์ ทำให้สามารถประมวลผลใบสมัครได้มากขึ้น ส่งผลให้ระยะเวลาดำเนินการเร็วขึ้น

• คะแนนเครดิต
• การวิพากษ์วิจารณ์ระบบการให้คะแนนเครดิตในสหรัฐอเมริกา
• ความเสี่ยงด้านสินเชื่อผู้บริโภค
• ความเสี่ยงด้านเครดิต
• สำนักงานข้อมูลเครดิต :
  • สำนักงานสถิติชั้นนำของสหรัฐฯ: Dun & Bradstreet  • Equifax  • Experian  • TransUnion
  • บริษัทจัดอันดับเครดิตรายใหญ่ของแคนาดา: Equifax  • TransUnion
  • บริษัทจัดอันดับเครดิตรายใหญ่ในสหราชอาณาจักร: Equifax  • Experian  • TransUnion
  • สำนักงานข้อมูลเครดิตหลักของอินเดีย: CIBIL  • Equifax  • Experian  • Highmark