記分卡
記分卡是顯示數據挖掘模型（如邏輯回歸模型）所確定模式的理想方式。一般使用統計分析軟件創建數據挖掘模型（開放源代碼的統計資料包請參閱R項目）。記分卡亦可顯示回歸係數並作出商業決策，簡明直觀。
數據挖掘模型包括一系列輸出屬性（亦被成為特點），可用於預測特定目標的屬性。該預測可視為對前景、客戶或依據歷史數據獲得預期結果的評估。在記分卡內，模型開發期間所選擇的一系列屬性隨時供檢查使用，同時亦可顯示與屬性相關的得分。隨後可合計部分得分，從而得到目標屬性的綜合得分。然後可在規則設置中使用最終得分，從而影響決策。
例如，假設您需要建立記分卡，用於確定與按揭違約相關的風險。輸入特點可能與借方相關，如年齡及收入，亦可能與貸方或間接特點相關，如物業類型。請參閱下方的部分記分卡實例。
ADAPA內的記分卡
ADAPA可實現各個特點以決策表格的形式在Excel文件內顯示，從而以簡明直觀的方式顯示記分卡。ADAPA記分卡可幫助非技術用戶將所有輸入屬性在一系列簡單的表格內顯示，同時顯示部分得分。在ADAPA環境內，以物業類型特點為例，該特點可按照下圖方式顯示。請注意，部分得分視屬性而定，得分越高，與屬性或類別相關的風險越高。在上述實例中，物業類型特點可分為5大屬性：SFR（單身家庭居住）、PUD（規劃單元開發）、分戶式公寓、城市獨立住宅及生產用物業。如物業類型的輸入屬性被確定為「SFR」，計算綜合得分時，將使用100作為部分得分。按照上述方式，合計物業類型表格可得到分數，顯示不同輸入屬性（該屬性由數據挖掘模型確定且在記分卡上顯示）的所有其他表格上亦可得到部分分數，最後合計前後兩種分數。
除顯示綜合得分外，ADAPA 亦可生成原因碼，有助於理解綜合得分的含義。顧名思義，原因碼可解釋記分卡行為。原因碼可解答下列問題：「鑒於特定的輸入條件，為何得分較高？」原因碼生成後，可用於解釋與服務拒絕或推薦相關的基本原理。
藉助ADAPA，業務規則開發人員可迅速根據需要執行記分卡，簡單便捷。透過充分發揮測試框架的功能，對於記分卡及可能整合記分卡的規則設置，可隨時測試其準確性及正確性。
數據挖掘模型完成後，僅需簡單幾步操作，便可利用ADAPA的記分卡發揮系統的強大功能：
- 1) 在Excel表格中顯示各個特點（屬性及部分得分）
- 2) 增加原因碼
- 3) 在規則設置中增加記分卡
- 4) 將記分卡及規則設置上傳至ADAPA
- 5) 測試記分卡及規則
- 6) 開始從簡潔的決策流程中獲益
如需了解有關記分卡的更多資訊，請參考 Naeem Siddigi 編寫的 《Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring》一書。
