信用评分肇始于美国，是指利用模型将相关数据转化为某个数值来指导信用决策，是信任的工业化转换。上个世纪30年代，美国已经出现了信用评分，但信用评分的重要性受到重视，还需要到60年代，信用评分在信用卡应用开始。而在信用卡领域的成功应用，也渐渐使得银行开始将评分用于其他产品，例如个人贷款，住房抵押贷款和小企业贷款中运用。
众所周知，提到美国的信用评分，就不得不提及鼎鼎有名的FICO评分了。1956年，工程师Bill Fair和数学家Earl Isaac在旧金山成立了第一家信贷行业的咨询公司Fair Isaac公司，共同发明了著名的FICO评分。
除了FICO以外，美国还有三家征信机构至关重要，即三大征信巨头：Experian、Equifax和TransUnion，这三家公司就是美国所谓的征信公司或征信机构。
但由于各家机构搜集的信息数据维度不同，且都是独立运营的，所以这些机构所给出的信用报告和信用分数可能不尽相同。
美国的信用分数是各个机构根据Experian、Equifax 和 TransUnion 三家出具的信用报告明细，通过一定公式计算出来的、比较通俗易懂的、评定个人信用好坏的标准。现时美国最为普遍通用的还是FICO Score 信用评分模型。
90%的美国大银行及信贷机构都会使用FICO分数作为个人信用评分的评估标准。信用评分范围介乎300-850之间，共有五个等级，分数越高代表用户信用越好，在信贷机构眼中批出贷款的风险就越低，借款人就越有吸引力。所以分数高的申请信用卡或者贷款都更容易获得通过，并且可以拿到更低的利率与更多优惠。具体而言如下所示：
优秀 Excellent: 800 to 850
很好 Very Good: 740 to 799
良好 Good: 670 to 739
一般 Fair: 580 to 669
不良 Poor: 300 to 579
FICO评分方法的实质，是应用数学模型对个人信用报告包含的信息进行量化分析。其中FICO信用评分最关注的五大维度是：还贷历史记录（payment history）、贷款总额（amounts owed）、信用历史长度（length of credit history）、信贷类型（credit mix）以及新开信贷账户（new credit）。当然，对于不同的应用场景，FICO也会使用不同的信用评分模型。
在过去的十年中，全球的信用评分市场获得了前所未有的蓬勃发展，出现了很多的信用评分公司和信用管理局，所使用的大数据和人工智能相关技术也愈发地先进，对于场景的应用研究也愈发细分适配。信用评分的不断进步共同促进了金融机构对于客户信用评估判断的准确性和有效性，同时实现了决策的自动化和工业化，相比于人为决策大大降低了成本。
