在金融信貸場景評估客戶風(fēng)險時通常都會查客戶的人行征信報告，基于人行征信報告，可獲取以下比較有用的反欺詐和信用維度的9類信息。

    一、偏反欺詐維度信息

    1、異常行為識別信息

    可基于人行征信報告中“個人基本信息部分”統(tǒng)計客戶居住地址、手機號更換頻率，客戶申請貸款的地址與居住地址、通訊地址、戶籍地址是否一致，人行姓名身份證二要素與身份證姓名二要素是否一致等指標(biāo)。

    若客戶的地址和手機號變更頻繁、存在申請貸款地址與其他地址不一致、存在人行二要素核查不通過等情況，則往往認(rèn)為客戶可能存在欺詐風(fēng)險，授信通過的可能性會低一些。

    2、負(fù)面信息

    在人行征信報告的“公共信息”部分，可獲取客戶的欠稅記錄、民事判決記錄、強制執(zhí)行記錄（如失信被執(zhí)行）等信息，若客戶存在相關(guān)記錄，則可一定程度上認(rèn)為客戶存在騙貸風(fēng)險，謹(jǐn)慎為其進(jìn)行貸款審批。

    二、偏信用維度信息

    3、基本信息

    從人行征信報告中可獲取客戶的年齡、婚姻、學(xué)歷、職業(yè)、平均工作時長等信息，如基于年齡（小于等于22歲）和職業(yè)可進(jìn)行學(xué)生貸款攔截，另外通常情況下已婚、學(xué)歷高、工作穩(wěn)定的客戶逾期率要低一些，貸款申請通過率會更高。

    4、收入信息

    可基于人行征信報告中客戶的車貸、房貸、信用卡、公積金等信息反推客戶的收入?yún)^(qū)間，通常情況下客戶的收入越高，申請貸款通過的概率越高，另外，也可基于客戶的收入?yún)^(qū)間輔助為客戶進(jìn)行定額。

    5、負(fù)債信息

    可計算客戶的非循環(huán)貸負(fù)債、循環(huán)貸負(fù)債、貸記卡和準(zhǔn)貸記卡負(fù)債、相關(guān)還款責(zé)任金額（包括對個人和對企業(yè)的還款責(zé)任）等信息，通常情況下，負(fù)債收入比越高，客戶申請貸款通過的概率越小。

    6、生活繳費信息

    該類信息可為客戶貸款提供增信補充，但是作用往往不是特別大?；谌诵姓餍拧胺切刨J交易信息”內(nèi)容，可獲取客戶的電信繳費信息和自來水繳費信息，若客戶存在過多的逾期繳費的情況，會在一定程度上影響對客戶的授信。

    7、履約歷史

    1）逾期信息?？色@取客戶各種貸款、貸記卡、相關(guān)還款責(zé)任是否存在逾期、五級分類是否異常等。通常情況下若客戶當(dāng)前逾期或者歷史逾期比較嚴(yán)重，申請貸款往往是無法通過的。

    2）特殊交易信息?？蛻舻奶厥饨灰仔畔⒅饕ㄕ蛊?、擔(dān)保人代還、以資抵債、提前還款等信息，如果客戶存在展期、擔(dān)保人代還、以資抵債，那么申請貸款通過的可能性通常不高。

    3）還款信息?？山y(tǒng)計客戶的正常還款時長、次數(shù)、機構(gòu)數(shù)，應(yīng)還款金額、實還款金額等信息。若客戶正常還款的時間比較長，次數(shù)比較多，應(yīng)還款額比較小，那么客戶申請貸款通過的概率會比較高。

    8、信貸歷史

    1）同業(yè)評價。主要看不同金融機構(gòu)對客戶的授信額度、個人經(jīng)營性貸款授信額度（若有）等信息，若各家金融機構(gòu)對客戶的授信額度都比較高，那么客戶的資質(zhì)相對比較好。

    2）申請行為。主要統(tǒng)計客戶近一段時間的申請次數(shù)、申請機構(gòu)數(shù)、申請通過率、貸款申請未放款占比、不同類型金融機構(gòu)查詢次數(shù)等指標(biāo)，通常情況下客戶的申請頻率越高尤其是小貸機構(gòu)申請頻率越高、貸款審批通過率越低，本次貸款申請通過可能性越低。

    9、綜合評分 

    人行征信報告中的人行數(shù)字解讀分是評估客戶資質(zhì)的綜合評分，評分區(qū)間為[0,1000]，評分越高，客戶資質(zhì)越好。通常情況下，客戶資質(zhì)要在650分以上申請貸款通過率的概率才比較高。

    近期人行對人行數(shù)字解讀分進(jìn)行了迭代，新的評分為中征信分，會以單獨的接口向金融機構(gòu)提供，同時之后會逐步下線人行數(shù)字解讀分。