银行说的“综合评分不足”，和大数据评分是一回事吗

被拒的时候，柜台或客服往往只丢一句“综合评分不足”。回家自己查了一份大数据报告，76 分，良好。两边对不上，人就容易怀疑其中一方在糊弄。

其实这两个分数都真实存在，只是它们根本不是同一个东西。

最容易混的地方先说明白：银行说的综合评分指的是行内风控模型给出的一个内部判断结果，它不对外披露具体分值，各家算法也不同；大数据评分指的是第三方平台依据授权数据算出的风险参考分，你能在自己手机上看到。一个在银行的系统里，一个在你手上的报告里，同名不同物。

两个分数，出处完全不同

看到这张表就明白，为什么拿报告上的分数去对银行的说法，永远对不上。它们衡量的不是同一个范围。

它们只在一件事上重合

多头借贷和逾期记录。这两项两边都看，所以存在一个规律：大数据评分低的，银行那个分大概率也不好看；但反过来不成立，大数据 80 分的人照样可能被拒。

原因在于银行看的东西更宽，而宽出来的那部分，恰恰不在你的报告里。

银行那个分还吃什么

收入与负债的比值，是第一位的。月供加起来占月收入多少，这事在银行的模型里权重很高，在大数据报告里几乎不体现，因为报告拿不到你的真实收入。

工资代发的记录，比收入证明更有说服力。同一家公司，工资从对公账户按月打进来的，和每月发现金的，在系统里的可信度不一样。

社保公积金的缴纳基数与连续性，能侧证你的工作是否稳定。断缴、基数长期按最低标准交，都是会被留意的细节。

单位性质和在职时长，同样是变量。入职三个月和入职三年，在其他条件相同时，结果常常不同。

负债结构也算一项。同样是 20 万负债，全在银行体系内和分散在多家小额平台，画像差得远。

同样的 76 分，结果可能完全相反

举个具体的对照。两个人都在报告上拿 76 分，一个在国企上班、工资代发、社保连续缴了五年；一个是个体经营者、收入走个人账户、流水零散。前者大概率能批，后者很可能在同一家银行被拒。

这不是矛盾，是两份数据看的层面不同。大数据报告回答的是“这个人的借贷行为有没有异常”，银行要回答的是“这个人还得起吗”。前者是行为判断，后者是还款能力判断，缺一不可。

银行为什么不肯把话说清楚

不逐项告知，主要是防欺诈。评分规则一旦对外公开，就会有人专门针对规则去“优化”资料，风控模型就失效了。这也是为什么你听到的永远是“综合评分不足”这句笼统的表述。

能问到的不是分数，而是大类原因。有些银行会提示“征信查询次数过多”“负债收入比偏高”“近期申请过于集中”，问的时候直接问是哪一类，比问具体多少分有用得多。

先分清是数据问题还是资料问题

被拒之后最怕乱试。按下面这张表对一下，方向基本能定。

六项都对得上、分数也不难看，那基本可以判断问题不在数据层。这时候再换平台申请，只是把申请频次弄得更难看。

一个更省事的顺序

先自查大数据，把数据这一层的可能性排掉；回头检查资料和收入证明是否完整；最后才考虑换机构。顺序反过来，就会一直在申请、一直被拒、一直不知道为什么。

自查这一步的作用不是替你算出一个银行会不会批，它只是帮你把“我能改的部分”和“我改不了的部分”分开。分开之后，该补材料补材料，该等时间等时间。

想知道自己现在处在哪个区间，大数据评分多少分算正常那篇把 100 分制的四档讲清楚了；分数确实偏低、想弄清扣在哪，可以对着大数据评分低怎么办逐项排查。要把六个维度的成因一次看全，专业版报告会把每一项单独拆开。想先弄清一份报告到底能回答什么问题，贷款被拒查询大数据评分的首页有完整的口径说明。