企业信用评价模型分为哪两类，什么是CreditAssessmentModel

1，什么是CreditAssessmentModel

信用评估模型（Credit Evaluating Model）信用评估是对企业的偿债能力、履约状况、守信程度的评价。信用评估模型是针对所评估的对象建立起来的一系列因素及其打分标准，其最后结果是用量化的数值来体现所评估对象的信用风险。

什么是CreditAssessmentModel

2，公需课企业信息化水平评价的方法包括哪两大类

企业信息化水平的评价一般可分为：单一企业信息化水平评价，即对一个具体的企业信息化水平进行评价，如对海尔集团，联想集团等；行业企业信息化水平评价，即对某一行业企业信息化的整体水平进行评价，如对汽车行业，纺织行业等；区域企业信息化水平评价，即对某一个地区的企业信息化水平进行评价，如一个市、一个省或一个国家等。

公需课企业信息化水平评价的方法包括哪两大类

3，有人对中国中小企业协会信用管理中心的信用评级有所了解麽

根据商务部信用办和国资委协会办联合下发有关的文件精神，中国中小企业协会成为开展行业信用评价工作的实施单位和试点单位（中小企协[2010]22号）。为了确保评价工作的公开、公平、公正，协会专项成立“中国中小企业协会信用管理中心”。中国中小企业协会信用管理中心制订了《中国中小企业行业信用评价实施方案》和《企业信用等级评价指标和标准》还特聘国内权威行业专家和信用评级专家参与监督和评审。2010年中国中小企业协会信用管理中心为全国广大中小企业开展信用评级服务工作。

中国中小企业协会信用管理中心是做企业信用评级，他们做的评级分为两种：企业信用评级和企业信用预评级。信用管理中心由国家发展和改革委员会、国家商务部以及国家工业和信息化部授权，在全国范围内开展企业信用评级、企业信用预评级工作。根据商务部信用办和国资委协会办联合下发有关的文件精神，中国中小企业协会成为开展行业信用评价工作的实施单位和试点单位（中小企协[2010]22号）。为了确保评价工作的公开、公平、公正，协会专项成立“中国中小企业协会信用管理中心”。中国中小企业协会信用管理中心制订了《中国中小企业行业信用评价实施方案》和《企业信用等级评价指标和标准》还特聘国内权威行业专家和信用评级专家参与监督和评审。2010年中国中小企业协会信用管理中心为全国广大中小企业开展信用评级服务工作。所有认证企业信用等级评价都要收费的，一般都是评价将不以盈利为目的，制定合理的收费范围和标准。按照商务部信用办和国资委协会办的统一规定，收费主要用于资信调查、专家评审、复审、公示、证牌制作等。（费用为连续三年评审费、评级费、评审费、证书牌匾制作费、宣传费）商务部信用办和国资委备案,用于招投标可以加分、政府采购金融保险、贷款融资等方面为信用好的企业争取支持和优惠政策。，还可用于宣传材料、媒体、产品包装、工程包装、工程投标、产品说明书等宣传使用，提高企业的整体公信度。

有人对中国中小企业协会信用管理中心的信用评级有所了解麽

4，什么是信用评分模型

信用评分模型是近年来兴起的一种为了保障银行和其他金融部门的金融安全而设立的一种关于人身金融权限的划定模型。该模型指根据客户的信用历史资料，利用一定的信用评分模型，得到不同等级的信用分数，根据客户的信用分数，来决定客户所可以持有的金额权限，从而保证还款等业务的安全性。而随着在现代社会和公司中，贷款，信用卡的作用日渐突出，信用评分模型的发展前景不可估量。

利用数据挖掘技术构建信用评分模型一般可以分为10个步骤，它们分别是：业务目的确定、数据源识别、数据收集、数据选择、数据质量审核、数据转换、数据挖掘、结果解释、应用建议和结果应用。这些可以形象地表示为（图一）：1) 商业目标确定: 明确数据挖掘的目的或目标是成功完成任何数据挖掘项目的关键。例如，确定项目的目的是构建个人住房贷款的信用评分模型。2) 确认数据源识别: 在给定数据挖掘商业目标的情况下，下一个步骤是寻找可以解决和回答商业问题的数据。构建信用评分模型所需要的是关于客户的大量信息，应该尽量收集全面的信息。所需要的数据可能是业务数据，可能是数据库/数据仓库中存储的数据，也可能是外部数据。如果没有所需的数据，那么数据收集就是下一个必需的步骤。3) 数据收集: 如果银行内部不能满足构建模型所需的数据，就需要从外部收集，主要是从专门收集人口统计数据、消费者信用历史数据、地理变量、商业特征和人口普查数据的企业购买得到。4) 数据筛选: 对收集的数据进行筛选，为挖掘准备数据。在实际项目中，由于受到计算处理能力和项目期限的限制，在挖掘项目中想用到所有数据是不可能实现的。因此数据筛选是必不可少的。数据筛选考虑的因素包括...利用数据挖掘技术构建信用评分模型一般可以分为10个步骤，它们分别是：业务目的确定、数据源识别、数据收集、数据选择、数据质量审核、数据转换、数据挖掘、结果解释、应用建议和结果应用。这些可以形象地表示为（图一）：1) 商业目标确定: 明确数据挖掘的目的或目标是成功完成任何数据挖掘项目的关键。例如，确定项目的目的是构建个人住房贷款的信用评分模型。2) 确认数据源识别: 在给定数据挖掘商业目标的情况下，下一个步骤是寻找可以解决和回答商业问题的数据。构建信用评分模型所需要的是关于客户的大量信息，应该尽量收集全面的信息。所需要的数据可能是业务数据，可能是数据库/数据仓库中存储的数据，也可能是外部数据。如果没有所需的数据，那么数据收集就是下一个必需的步骤。3) 数据收集: 如果银行内部不能满足构建模型所需的数据，就需要从外部收集，主要是从专门收集人口统计数据、消费者信用历史数据、地理变量、商业特征和人口普查数据的企业购买得到。4) 数据筛选: 对收集的数据进行筛选，为挖掘准备数据。在实际项目中，由于受到计算处理能力和项目期限的限制，在挖掘项目中想用到所有数据是不可能实现的。因此数据筛选是必不可少的。数据筛选考虑的因素包括数据样本的大小和质量。5) 数据质量检测: 一旦数据被筛选出来，成功的数据挖掘的下一步是数据质量检测和数据整合。目的就是提高筛选出来数据的质量。如果质量太低，就需要重新进行数据筛选。6) 数据转换: 在选择并检测了挖掘需要的数据、格式或变量后，在许多情况下数据转换非常必要。数据挖掘项目中的特殊转换方法取决于数据挖掘类型和数据挖掘工具。一旦数据转换完成，即可开始挖掘工作。7) 数据挖掘: 挖掘数据是所有数据挖掘项目中最核心的部分。在时间或其它相关条件（诸如软件等）允许的情况下，最好能够尝试多种不同的挖掘技巧。因为使用越多的数据挖掘技巧，可能就会解决越多的商业问题。而且使用多种不同的挖掘技巧可以对挖掘结果的质量进行检测。例如：在构建信用评分模型时，分类可以通过三种方法来实现：决策树，神经分类和逻辑回归，每一种方法都可能产生出不同的结果。如果多个不同方法生成的结果都相近或相同，那么挖掘结果是很稳定、可用度非常高的。如果得到的结果不同，在使用结果制定决策前必须查证问题所在。8) 结果解释: 数据挖掘之后，应该根据零售贷款业务情况、数据挖掘目标和商业目的来评估和解释挖掘的结果。9) 应用建议：数据挖掘关键问题，是如何把分析结果即信用评分模型转化为商业利润。10) 结果应用：通过数据挖掘技术构建的信用评分模型，有助于银行决策层了解整体风险分布情况，为风险管理提供基础。当然，其最直接的应用就是将信用评分模型反馈到银行的业务操作系统，指导零售信贷业务操作。数据挖掘方法可以依据其功能被分成4组：预估模型、分类、链接分析和时间序列预测。每一项功能都可以被开发和修改成为适应不同业务的应用。比如: 分类模型可以被运用到建立信用风险评分模型、信用风险评级模型、流失模型、欺诈预测模型和破产模型等。为实现数据挖掘的每一项功能，有许多不同的方法或算法可以使用。本文所讨论的信用风险评分模型主要是属于分类模型，所以用到的方法主要有分类分析和分割分析。分类分析主要方法包括：决策树、神经网络、区别分析、逻辑回归、概率回归；分割分析主要方法包括：k-平均值、人口统计分割、神经网络分割。