近年来,随着个人消费信贷在互联网金融领域中的快速发展,信贷平台对个人信贷的发放趋于快速便捷,但这也增大了市场的逾期风险。尤其在印尼信贷市场上,个人信贷的逾期率一直高居不下,这对催收产生了巨大的风险。为了量化客户的催收风险,本文引入催收评分模型,根据催收评分对客户采用差异化的催收策略。本文采集了国内一家金融科技公司旗下的印尼小额贷产品的原始数据,通过数据预处理、数据探索性分析、变量筛选、模型开发以及模型评估等流程建立基于WOE编码后的logistic回归的催收评分模型,使用ROC曲线以及KS值作为模型评估指标,测试集评估结果显示AUC值为0.73,KS值为0.34。此外,为考量模型的稳健性,本文又采集新一个月的数据作为测试集代入评分卡,新测试集评估结果显示AUC值为0.76,KS值为0.4。两次测试均表明了该模型的有效性。基于评分卡所得分数的分布和违约率将客群分为A,B,C,D,E 5组,A组评分高,风险最低,E组评分低,风险最高,在了解催收提醒环节所用策略的基础上,针对不同风险的组别使用强度不一的提醒策略。这预计将至少节省原来30%的人力资源,并且能更早识别出占总客群10%的高风险用户,为后续的坏账风险做准备。本次实证所得催收评分卡,既在固定时间跨度的情况下对客群做出了高精度的预测,又让变量有很好的解释能力,能使业务人员通过了解变量来判断客户的好坏,因此具有很高的实用性和推广性。