现代市场经济中的信用风险无处不在，做到“知己知彼”的重要前提是充分获取客户或交易伙伴的信用信息。而信用信息最终是为信用决策服务的。换句话说，我们需要利用这些信用信息，评价一个客户信用风险的大小。有了这个判断，才能决定“我允许你在多长时间内欠我多少钱”，才能决定今后要花多少精力去关注和管理这些欠款。
 
   许多企业在面对大量的客户信用信息时，对如何评价客户的信用风险感到茫然。很多的时候，这种评价是根据当事人或决策者的个人经验和主观感觉进行的。这样做的弊端在于，评价往往过于主观，缺乏一致性和说服力，很难有效地规避信用风险。因此我们建议使用相对标准的方法对客户的信用做出评价，我们将这种标准方法称作“评价模型”。
 
   什么是“评价模型”？“评价模型”是怎样建立起来的？这个问题看似复杂，原理却很简单。我们可以把“评价模型”理解为一套标准打分体系。对客户信用风险的评价，就是把与客户信用风险相关的因素列出来，分别打分，再将这些分数按照一定的规则汇总起来，得到一个总分。最后，按照总分所在的不同范围，划分客户的风险等级。
 
   “评价模型”不是“放之四海而皆准的”，每个企业应根据实际情况，建立符合自身客户管理要求的“打分体系”。建立一个客户信用风险的“评价模型”，涉及以下四个关键问题：

第一，信用风险因素是如何确定的？
   我们之前谈到了信用信息的采集。由于信息的采集渠道多种多样，各类信息所反映的内容又不尽相同，因此有必要对这些原始信息进行分类、筛选和整理，做到“去粗取精，去伪存真”。分类上，信息有“定量”和“定性”的区别，有的信息可以量化，如净利润，有的则无法量化，如市场信誉。此外，有些信息与客户“有没有钱”相关，如注册资本；有些与“愿不愿意还钱”有关，如该客户以往的还款记录。最后，我们要对信息进行筛选，挑选那些来源可靠、更有代表性的因素，作为客户信用风险的考察指标。
 
第二，打分的标准是什么？
   要对某一项指标的好坏进行评价打分，就必须要有打分的标准。有了统一的参照标准，才能避免评价结果因人而异，出现偏差。评价的标准可根据行业经验结合已有的客户数据来制定，如：按照5分制为“注册资本”打分，可规定：“小于100万”的打1分，“500万~1000万”的打3分，“大于1亿”的打5分，2分、4分为中间情况。对于那些定性的指标，可以通过一些参考性的描述，对不同分数进行界定，如对“诉讼记录”指标，可规定“诉讼较多且败诉”的打1分，“有未决诉讼或胜诉但难以执行”的打3分，“无诉讼”的打5分，2分、4分为中间情况。描述上要尽量客观、全面，才能保证评价结果更加逼近事实。
 
第三，按照什么样的规则计算总分？
    不同的因素，对于客户信用风险的影响程度是不同的。因此一般情况下，在计算总分时，我们不会把所有指标的分数简单相加，而是给他们各自分配一个权重，对重要的因素分配以较高的权重，对影响较小的因素分配以较低的权重。我们可以通过整理历史数据，从历史数据中发现规律，必要时结合数理统计等技术，最终确定权重。将不同因素的得分加权求和，就得到了客户的信用总分。
 
第四，风险等级是怎样划分的？
   风险等级的划分，是模型设计的最后一步，我们可以根据历史客户信息计算所有客户的总分，排序后，按一定比例分组，如0分～40分为D组，41分～60分为C组，61分～80分为B组，81分~100分为A组。A~D就是我们作说的信用“信用风险等级”，是客户信用风险的最终评价结果。
 
   以上的描述只是概括性的，事实上，要建立一个即科学又适用的“评价模型”，需要多种数据和与技术的综合运用。专业咨询机构的从业人员可以通过理论分析与经验判断决定上述问题的方向，现代数理与统计分析技术则在很大程度上帮助我们最终解决这些难题。
 
    由“客户信用风险评价模型”计算出的结果主要用于信用政策的制定，简言之，就是定期采集客户信息，经过模型计算得到每一客户所对应的信用风险等级，对信用风险小的客户可以放大赊销的数额、放宽还款的期限，反之则需要收紧。