8月20日，央行发布了《2020年第二季度支付体系运行总体情况》，数据显示，截至第二季度末，信用卡逾期半年未偿信贷总额838.84亿元，占信用卡应偿信贷余额的1.17%。与一季度相比，信用卡逾期总额出现小幅下滑，这与银行在二季度采取严格的风控措施有关。为了应对信用卡带来的大规模逾期，多家银行在二季度开始加大信用卡整顿力度，而评分卡模型正是银行最常见的金融风控工具之一。
什么是评分卡模型
评分卡模型又叫做信用评分卡模型，最早由美国信用评分巨头FICO公司于20世纪60年代推出，在信用风险评估以及金融风险控制领域中广泛使用。银行利用评分卡模型对客户的信用历史数据的多个特征进行打分，得到不同等级的信用评分，从而判断客户的优质程度，据此决定是否准予授信以及授信的额度和利率。
传统的信贷风控主要靠资深从业人员依靠自身的经验设置的专家规则，相较而言，评分卡模型的使用具有很明显的优点。
首先，判断快速。系统只需要按照评分卡逐项打分，最后通过相应的公式计算出总分，即可准确判断出是否为客户授信以及额度和利率；
其次，客观透明。评分卡模型的标准是统一的，无论是客户还是风险审核人员，都可以通过评分卡一眼看出评分结果和评判依据；
最后，应用范围广。由于评分卡的评分项是客观计算，其得出的分数具有广泛的参考性和适用性。例如，生活中常见的支付宝芝麻信用分，就是依据评分卡模型计算得出。
评分卡模型建模过程复杂且耗时
随着信贷业务规模不断扩大，客户行为的数据呈现出爆炸式的增长，金融机构对风控工作的要求也逐渐提升，评分卡模型也变得越来越复杂。金融机构需要耗费更多的精力与时间去升级和维护评分卡模型以满足风险控制的需求。
在传统的评分卡模型建模过程中，金融机构的IT算法人员需要与业务人员进行沟通，算法人员了解业务之后，通过编写代码来实现数据获取、数据预处理、变量筛选、算法实现、模型开发评估、评分转换等一系列流程，不断验证准确度，优化参数，最终生成评分卡模型。
评分卡模型构建流程
数据认知：基于实际业务场景理解数据内容，发现数据与研究问题的关系。
数据处理：对原始数据进行处理，包括不同数据源间的数据合并、数据规整化处理、缺失值处理等环节。
特征选择：利用特征选择方法，筛选出预测能力强的有效特征，合理降低特征总维度。
特征分箱：对特征自变量进行离散化分箱处理。
WOE转换：特征分箱处理后，将变量进行WOE编码转换。
模型建立：结合样本数据建立模型及模型参数输出过程。
模型评估：利用评估指标对模型效果进行评价。
评分转换：将模型概率转换为直观评分以及生成评分卡。10分钟搞定评分卡模型建模
TempoAI 的金融板块包含了评分卡和PSI（Population Stability Index）指标计算两大算子，在建立评分卡模型时，只需将平台封装好的相关算子拖入建模流程中，无需编写代码，就能轻松、快速完成模型的建立，解决了金融机构在评分卡模型构建中难度大、周期长的问题。
评分卡模型构建流程
第一步：导入数据。使用数据管理下的数据输入节点读取评分卡数据集，包括客户的基本信息、账户属性、消费行为、还款行为等。
数据导入页面
第二步：数据过滤。选择数据过滤节点，进行条件设置，去除掉、缺失值以及异常值数据，完成行数据的过滤和筛选。
数据过滤设置页面
第三步：WOE编码。选择WOE（Weight of Evidence）编码节点对数值型字段进行分箱编码处理，根据违约与正常客户的比例计算不同字段区间的WOE值，根据WOE值计算每个字段IV值，根据IV值选择比较重要的字段参与建模。
WOE编码页面
第四步：逻辑回归分类算法。选择逻辑回归分类算法，设置自变量为WOE编码后的字段进行建模。
逻辑回归分类算法
第五步：评分卡。选择评分卡节点，读取WOE模型、分类模型和数据集，得到客户的评分。
评分卡节点配置界面
第五步：PSI指标计算。通过计算实际数据集和期望数据集不同得分区间的样本比例，根据PSI值的大小判断模型的稳定性和变量的稳定性，从而判断该变量是否需要加入模型，以及模型是否需要更新。
PSI指标计算配置界面
至此，评分卡模型的整个建模过程就完成了。
评分卡模型的算法原理虽然不是特别复杂，但在风控领域中有着不可替代的地位。随着消费金融领域的不断扩展，不仅银行，越来越多的金融机构，尤其是小额信贷企业也开始利用评分卡模型完善风控制度。
在过去，评分卡模型建模技术一直掌握在大型金融机构的少数人手里。TempoAI通过内置专门的金融分析算法，封装WOE编码以及评分卡、PSI指标计算等算法，将评分卡模型建模时间从1-2个月缩短到了数小时，有经验的IT人员10分钟即可完成整个建模过程，不仅大幅提升了建模的工作效率，而且图形化、拖拽式的建模方式对人员的技术要求大大下降，不再需要经过专业训练的数据科学家，普通的业务人员也能够独立完成评分卡模型的构建，直接进行风控决策。
TempoAI始终秉持“智能、互动、增值”的设计理念，为企业级用户提供自助式、自动化、智能化的分析模型构建服务，完整的覆盖数据接入、模型构建、流程洞察、成果部署等数据价值发现全过程，支持9大类分析场景算法、120+种分布式算法、5种独创算法、5种深度学习算法及4种以上集成学习算法，帮助500+行业头部企业实现1300+AI场景应用落地，涵盖能源、制造、金融、教育、政务、通信、零售等多个领域，解决企业AI落地难题，促进企业“全民数据科学家”的数据运营文化建设。
