征信分94多是高还是低（能不能贷款一目了然）

新版征信报告中，参考银行的客户综合评分系统和支付宝的芝麻信用分，央行报给也给出了相应的分值给金融人士作为参考。其中相对位置的意思就是对比同数值人群中的排名。

另一方面，央行权威的信用评分将将给中小银行的个人信贷等业务打下基础，便于把握个人资信情况；但另一方面，针对每个地区、每家银行具体的风险偏好，银行仍应适当加大本行金融科技方面的投入。

信用评分系统

业内人士认为，该评分或与美国各征信局采用的FICO评分相似的思路，针对个人信用状况打出一个信用分。

信用评分将使用FICO评分方法，即取值为0到90之间的整数。当取值为N时，说明信用评分相对位置大于N%。当无法评分时，该数据项返回“-1”，会说明用于数字解读的分数影响因素或无法评分时的原因。

各部分因素大致权重为：以往支付历史占35%；信贷欠款数额占30%；立信时间长短占15%；新开信用账户占10%；信用组合类型占10%。FICO评分的理论分值在300-900分之间，评分越低，表明信用风险越大。

信用评分应用广泛

一位华南大行人士表示，该行当前在金融科技领域的需求之一，是通过大数据给出较全面的客户信用评分、个人资信和消费需求，通过信用、资信、消费需求数据实现信用卡和分期业务的自动审批，给出相对合理的信用额度，实现秒批秒贷。

作为一个覆盖所有征信人群的评分要兼顾全体，在局部客群上不可避免会失去一些聚焦性或针对性。央行征信评分的开发样本主要来自于银行的传统优质客群，对于风险相对下沉的人群模型效果会偏弱一些。这部分客群非银行传统客群，是目前市场上“助贷”机构的主要放贷对象。此外，对于一些特殊客群，比如小微企业客户，模型也会比定制化模型效果要差，这是模型样本偏差性造成的。

“央行的征信评分，主要目的是为了健全全社会的征信体系，不是专门针对各类不同贷款产品的具体业务目的而开发，商业目的要淡一些。”他表示，具体到各个细分客群、细分产品的信贷业务，各家银行和金融科技公司的定制化评分更有针对性，仍然有其不可替代性。

国内信用分对比

新上线的央行信用分与应用多年的芝麻信用、腾讯信用分相比，根据不同银行上报的资料，综合考虑因素更多，更具权威性。虽然出现较晚，但其信用评分的影响比重很大。

而在市场多年的芝麻信用分、腾讯信用分，由于用户评分方式沉淀已久，在辅助方面更具有参考价值。

芝麻信用分构成

遗憾的是，腾讯信用分仅仅开放了一段时间，目前无法查询。

以后，芝麻信用分会作为辅助，给央行的信用分提供一定的帮助和参考。