Modélisation Score
Score manuel
On affecte une note aux individus (agence, zone, collaborateur, …/…), en fonction d’une combinaison linéaire de critères, d’une somme pondérée. Chaque critère est normalisé, de 1 à 10 (par exemple). Puis on affecte un poids à chacun des critères. Le score total d’un individu est alors la somme pondérée des critères.
Assez simple sur le principe, il est cependant moins évident de choisir les bons critères, et souvent hasardeux de fixer les poids. Mais avec un peu de rigueur et de bon sens, en choisissant parmi plusieurs modèles ….
Score statistique
On calcule une probabilité, une note, par individu, sur la base d’une population ou d’un échantillon ou l’évènement à scorer s’est déjà réalisé (un accord de crédit, par exemple, et son historique contentieux, une ouverture ou une fermeture d’agence).
On modélise alors, par une régression logistique, la probabilité d’apparition d’un risque de contentieux, étant donné le profil de l’individu. On observe et on modélise un historique.
On contrôle que le modèle explique bien l’historique.
Alors, connaissant le profil d’un individu, on peut connaitre la probabilité d’apparition de l’évènement mesuré.
C’est un peu comme une régression linéaire, avec Y=aX1+bX2+ …+ mXn+ k.
Sauf que X prends les valeurs « 0 ou 1 ». Alors une régression logistique est plus pertinente.
Il existe bien évidemment d’autres méthodes statistiques utilisées pour la modélisation d’un score.