從事銀行信貸金融科技服務七年多的時間，對於信貸業務的貸前、貸中、貸後流程中涉及到的模型簡單分享下：
貸前環節：
針對新增客戶：
客戶篩選策略模型
反欺詐模型
針對存量客戶：
高價值客戶挖掘模型
共用的模型還包括：
智能推薦模型
違約概率模型
打分卡模型
貸中環節：
預授信模型
授信評分模型
貸後環節：
行業風險模型：對於行業屬性較強的在貸前和貸中環節同樣需要
貸後預警模型：會包含違約概率模型
以上模型，目前的實現方式基本包括以下幾類：
（1）結合數據（內外部）進行單一或交叉評判，並賦予好、壞、或評分（累加）
（2）構建指標規則庫（規則引擎），並對規則結果進行是否或層次判斷，賦予分值和權重，得出權重得分及等級評級
（3）通過機器學習的方式，不斷輸入樣本數據，進行監督或無監督循環優化，即通過數理統計的方式得出最優算法模型，進行相應計算或評價
（4）專家經驗+數理模型，實踐經驗與智能技術的結合，達到仿生學的程度，更加有效和精準
（5）在（4）的基礎上催生更加高效的模型，自動運轉，智惠評判
目前行業發展來看，主要集中在（1）—（3）的階段，未來則需要更多的資深業務專家、技術專家進行緊密協作或跨界創新，而初階的技術研發實現，則會不斷下沉、外包，或者自動實現（固定的標準組件等）。
以上僅爲個人淺見，歡迎大家批評指正。