Generell statistikk
Her finner du:

Nedenfor finnes siste oppdaterte fordeling på en del scoreintervaller. Denne fordelingen indikerer også hvilken risikoprofil som ligger i denne porteføljen. Tilsvarende statistikker kan vi også levere ut til kunder som over en periode tar ut et større antall scorerapporter på konsumenter. Med en slik analyse kan man vurdere sin egen kundeportefølje opp mot landsgjennomsnittet.

Opp

I forbindelse med statistikken med scorefordeling utarbeides det også beregninger for gjennomsnittsscore, nedre kvartil, median og øvre kvartil innen hver beslutningsgruppe (godkjent, kontroll, avslag). Disse statistikkene viser score for en tilfeldig gruppe kredittaktive forbrukere.

Opp

Ved hjelp av scoringeksperter i Dun & Bradstreet Europe i London har vi beregnet hvilken risiko det er forbundet med å gi kreditt til en forbruker. Tabellen nedenfor viser hvordan risikoen øker med lavere score. Med en score på for eksempel 100 poeng er det en risiko på 14,08 % for at kunden blir "dårlig" (ny betalingsanmerkning blir registrert). Med en score på 180 poeng er risikoen blitt redusert til 0,73 %.

Man kan ved hjelp av denne tabellen vurdere hvor stor risiko man ønsker å ta, for deretter å fastsette grensene for cut-off.

Score Risiko:

Opp

I begynnelsen av oktober hvert år legges skatteligningen for foregående år inn i vår database. Gjennom våre produkter får man tilgang til skatteligning for inntil tre år. I scoringmodellen inngår skatteligningen som et av elementene. De postene fra skatteligningen som vises i DB Interactive er skattelignet inntekt, skattelignet formue, utlignet skatt og skatteklasse. I tillegg vises det også en beregnet bruttoinntekt i de tilfeller hvor det lar seg gjøre å beregne denne.

Med bakgrunn i de siste 2 års skatteligninger har vi foretatt en enkel analyse av skatteligningene til i overkant av 3,5 mill. skattelignede personer. Denne viser fordelingen i antall personer og prosent av befolkningen som finnes innenfor noen definerte intervaller på formue, inntekt og utlignet skatt.

Kolonnen for endring viser om det har vært en økning eller nedgang av antall personer innenfor de enkelte intervallene. Kolonnen som vi har kalt "delta %", viser endringen i prosent i forhold til forrige år.

Opp

En mindre del av scorekortet tar også hensyn til såkalt demografisk informasjon. En del av informasjonsgrunnlaget omfatter informasjon på kommunenivå, mens vi også benytter forskjellige informasjonselementer helt ned på postnummer. iser en oversikt over hvilke kommuner som har gjennomsnittlig færrest

Nedenforstående tabell v og flest inkassosaker blant innbyggere og foretakene i kommunen. Ikke helt uventet er det relativt små kommuner som ligger blant de 10 beste og de 10 dårligste kommunene.

Topp 10 (de 10 beste kommunene i Norge)

1. Spitsbergen
2. Midsund
3. Masfjorden
4. Rindal
5. Snillfjord
6. Vegårshei
7. Agdenes
8. Sokndal
9. Hjelmeland
10. Sandøy

Bunn 10 (de 10 dårligste kommunene i Norge)

1. Namsskogan
2. Verøy
3. Røyrvik
4. Lebesby
5. Nissedal
6. Båtsfjord
7. Flatanger
8. Namdalseid
9. Røst
10. Berlevåg

For å få en oppfatning om forskjellene mellom topp og bunn blant samtlige kommuner i Norge, har Namsskogan 100 ganger flere inkassosaker blant innbyggere og foretak i kommunen enn Spitsbergen. Nr. 2 på listen over beste kommunene har til sammenligning 4 ganger flere inkassosaker enn nr. 1.

Opp