除了央行征信，国内还有哪些信用评价体系？

偏好、履约能力、身份特质、人脉关系五个维度客观呈现个人信用状况的综合分值。分值范围从350至950，分数越高，代表你的信用记录越好，相应的违约率就越低。由此可以给到用户相应的信用权益，包括租车、酒店预定、签证办理等等。

　　芝麻信用有关负责人表示，个人信用分取决于两个方面。一是本人真实的信用状况，“如果已经被列入最高人民法院的失信被执行人（老赖）名单，信用分自然就低。”第二是芝麻信用对个人的了解情况。“信息了解越全面、越深入，信用刻画就越是接近真实。所以我们会鼓励用户多上传信息，同时也有意识地维护信息。”

　　对于维护信用分，芝麻信用方面给出了一些有意思的建议：信用卡要及时还，万一忘了，一定要第一时间足额还上;欠了钱就不要充大爷，坚决不能上法院的老赖名单;多做一些社会公益;别动不动就换手机号码;别频繁搬家;水电煤气费及时缴纳，催缴单上门及时补上;另外多用信用卡、花呗等信用账户;多交一些有信用的好朋友。由于信用的积累是个长期过程，因此这些行为可能不会令你的信用分突然暴涨，但坚持从小事上维护个人信用，对提升芝麻分一定是有帮助的。

　　京东金融征信——自系统下帮助信用小白

　　尽管京东金融并未出现在首批征信机构名单中，但最近几年，在大数据征信上的投入显而易见。

　　在最近的中国征信领军者论坛上，京东消费金融事业部总经理许凌分享了京东金融为征信业务布局的大数据生态体系，包括司南——风险控制模型体系，火药——量化运营模型体系，活字——用户洞察模型体系，造纸——大数据征信体系。

　　具体来看：

　　风险控制模型体系囊括了申请评分模型、欺诈评分模型、套现识别模型、交易监测模型、催收评分模型等十几个模型，每个模型都将持续进行优化和迭代，帮助识别和管理金融业务的风险。

　　量化运营模型体系从价格敏感度模型、用户活跃度模型、消费购买力模型到信贷需求潜力模型等，构成了运营推广、收益定价等核心竞争力。

　　用户洞察模型体系可以实现识别、发掘、认识用户，从个人资产评估、身份特征画像、履约历史的评估、用户行为偏好甚至用户关系网络的构建，支撑起对用户的画像和社交关系构建，帮助提升精准识别、社群管理等用户运营效率。

作为最底层的大数据征信模型体系，则打造出信用评分产品“白热度”。目前已经对一亿用户评分。许凌介绍，未来白热度将从身份特征刻画像、个人用户评估、履约历史评价、关系网络评估、网络行为偏好及信用风险预测六个维度刻