银行个人征信案例分析范文(热门3篇)

银行个人征信案例分析范文 第1篇

◆2020年11月 受聘于吉林某农村商业银行，主导实施《不良资产清收项目》

◆2020年10月 受聘于邵阳某农村商业银行，主导实施《新形式下不良贷款清收》项目

◆2019年3月，受聘于宁波某农商行 ，主导实施《不良资产“外拓清收落地突击”》项目

◆2018年12月，受聘于河南某农信社，主导实施《不良资产“外拓清收落地突击”》项目

◆2018年11月，受聘于张家口某银行，主导实施《不良资产“外拓清收落地突击”》项目

◆2018年9月，受聘于重庆某银行，主导实施《不良资产“外拓清收落地突击”》项目

◆2018年9月，受聘于山西某农商行，主导实施《不良资产“外拓清收落地突击”》项目

◆2018年8月，受聘于山东某农信社，主导实施《不良资产“外拓清收落地突击”》项目

银行个人征信案例分析范文 第2篇

01-老师根据信用卡中心人才战略及能力发展规划，制订了北京、深圳、武汉、杭州、重庆、沈阳等全国30余家一级分中心及20余家二级分中心培训规划，搭建分层课程体系，督导全国分中心培训工作的落地实施及效果跟进，带领分中心培训工作走上专业化系统化发展之路。

02-老师参与卡中心内训师选拔成长项目，培养了10名卡中心级和30名分中心级内训师，为中信银行卡中心培训体系的完善打下了人才基础。

03-老师负责打造分中心基层干部领导力提升项目，自主设计“1-4-8”培养模型并组织实施，为贯彻落实总行精神、有效落地总行文化、提升基层执行力，打通了“最后一公里”。

银行个人征信案例分析范文 第3篇

违约情况审查分析完了以后，再审查非信贷信息。

包括基本信息、公共信息和查询信息。

其中基本信息中的职业信息、年龄信息、居住信息、学历、婚姻状况等，对申请人在银行信贷评分系统中的评分值相差巨大，因为不同的基本信息反映出不同的风险等级，比如年龄。在信贷准入条件中，很多银行会规定年满18周岁，不超过60周岁，都可以贷款，然而实践工作中，虽然符合这个条件，但是，借款人的年龄越是接近18或60岁，得到贷款的可能性越低。

再说职业情况，借款人是行政事业单位的，是国企的，是垄断行业的，评分就高，相反，自由职业者，给个体老板打工，评分就很低。

不要说这是年龄歧视，也不要说这是职业歧视，因为银行在大量的贷后管理数据中发现，年龄偏大、偏小，职业和收入不稳定、不高，贷款违约数据会大幅增加，基于这个考虑，银行应会主动过滤掉那些违约率高的群体，如果你不幸就在这个群体中，那就要做好充分的思想准备。

公共信息，包括住房公积金信息，涉诉信息，欠税欠水电气费信息等等。

拿住房公积金信息来说，详细版的个人征信报告能够清晰地反映当事人在哪里缴纳公积金、啥时开始缴、缴了多长时间、个人缴纳比例和单位缴纳比例，以及目前的账户状态等等。仅仅这一条就能够充分说明借款人的生存状态，同时反射出他未来的违约概率。

个人征信报告的查询记录。近期硬查询记录过多，就是花了，申请贷款很可能被拒，当然，查询记录并不一定全部可信，在审查过程中需要结合其他信贷资料一并考察，比如，查询记录上有一笔贷后管理查询，翻开前面的贷款或信用卡，此前他一笔贷款没有，也没有任何的信用卡，那么，他这笔贷后管理查询记录就不可信，很可能就是贷款审批查询。如果作为贷款审批查询，根据查询时间和当前报告的日期对比，如果相差的时间比较长，很可能那笔贷款被拒绝，诸如此类。一个贷款频频被拒绝的借款人来申请贷款，你是同意呢，还是不同意呢？相信，你的心中自有条案。