目前，個人信用報告已成為商業銀行風險管理過程中的重要依據。但是，由於信用報告上的信息量大，審批人員做決策時需要一定的時間綜合考慮各類信息，同時審批工作難免存在一定的主觀性和片面性。為此，有必要根據個人信用報告開發徵信局信用評分，為商業銀行提供決策支持，幫助其有效防範風險。
在美國，徵信局信用評分主要由三大個人徵信公司提供，分別是益百利(experian)、艾可飛(equifax)和美國環聯公司(trans union)。他們從各個銀行和信用卡公司獲取消費者的數據，並對數據進行匯總，按照規定的格式向外界提供個人信用報告，報告中有一項是個人信用評分，同時還提供信用等級並給出比例。這三家公司的評分都由評分科技公司fair isaac提供，稱作fico系列信用評分。
在國內，目前還沒有類似的全國性的徵信局信用評分，只有地方性資信公司的信用評分。比如上海資信公司推出的個人信用評分體系設立了7個評分等級，從-600分到1700分將個人信用狀況詳細量化，從而評出g～a 7個等級。深圳鵬元也於XX年推出了個人綜合信用風險評分——鵬元800。該信用評分體系共設6個等級，從320分～800分，每80分一級，每個分數對應一個違約機率，分數越高表示違約風險越低。
三、設計（論文）的主要研究內容及預期目標
通過信用評分的方法來分析個人客戶的信用狀況，可以增強個人信貸決策的科學性與公正性，並且提高個人信貸決策的效率。因此越來越多的數學方法被引入到了信用評分中，概括來看，主要分為統計和非統計兩大類。統計方法主要包括判別分析、回歸分析、分類樹和最近鄰法，非統計方法包括神經網路、遺傳算法、專家系統和數學規劃方法。從發展過程來看，雖然統計方法套用最早並且現在仍然是非常重要的方法。但是採用傳統的評估方法對企業客戶進行信用評價時，判斷失誤的例子經常發生，給信貸機構帶來巨大損失。而採用神經網路評價系統不僅評價結果具有較高的可信度，而且可以避免信貸分析人員的主觀好惡和人情關係造成的錯誤，它以客戶的信用資料為輸入，將實際的信用情況作為評價結果輸出。bp神經網路的網路結構簡單，算法易於編程實現；bp網路用最小均方差學習方式，只要有足夠的隱層和隱結點,可以逼近任意的非線性映射關係；實證結果表明，在眾多建議型神經網路算法中，bp網路具有很好的評估效果。