最近在参加征信的数据挖掘与分析，征信通俗点说就是用户的信用度评分。
初步分析已有的数据时，将用户的信用评分分为以下5个维度。
维度：维度的划分是基于已有的数据源所能获得的信息来指定的，当然还有其他的某些数据信息暂时没有添加进来。
维度评分：在初版时，自己估计打分，并没有细究这些分值比例。
维度权重： （当前行维度评分/总评分）* 100
这样就得到我们大概的方向分类，然后我们在细分每个大维度下的小指标，如下表：
最后根据每项指标的不通区间分别指定分值如下表：
这个总的分值区间是300-900，考虑今后可能有减分项，所以保留最低分是300分。
这样一个粗略的用户信用模型基本构建完成，剩余的就是数据的关联和统计了。
综合的思维导图如下，我们一阶段只取了其中的部分指标：
最终我们计算出的分值区间如下图，可以看出在分值340-500之间占了大部分比例。其中分值在340-400之间的用户最多。
