Kreditni rezultati se koriste za određivanje kreditnog rizika zahtjeva za kredit. To se radi pomoću povijesnih podataka kao i statističkih tehnika. Banke mogu koristiti ocjenu za rangiranje tražitelja kredita i zajmoprimaca u smislu čimbenika rizika.
Za izradu ovog modela programeri analiziraju povijesne podatke o prethodno danim zajmovima. Oni to čine kako bi odredili koje karakteristike zajmoprimca će im pomoći u predviđanju je li zajam imao dobru izvedbu ili ne. Što je bolji dizajn modela, postotak će biti veći. Viši postotak visokih ocjena dodjeljuje se zajmoprimcima čiji krediti dobro funkcioniraju, a niži postotak daje se onima čiji krediti nisu. Međutim, nijedan model nije apsolutno savršen pa neki loši računi dobivaju više ocjene od nekih boljih.
Izvješća o zajmoprimcima dolaze iz zahtjeva za kredit i iz kreditnih ureda. Oni će sadržavati informacije kao što su mjesečni prihodi podnositelja zahtjeva, njihov nepodmireni dug, njihova financijska imovina, koliko su dobro prošli s prethodnim kreditom, posjeduju li kuću ili je iznajmljuju, vrstu banke koju koriste, pa čak i koliko dugo bili na svom poslu. Regresijska analiza koja povezuje uspješnost zajma s mnogim varijablama koristi se za otkrivanje koja će kombinacija čimbenika najbolje predvidjeti koliku bi težinu svaki čimbenik trebao imati. Zbog korelacija između svakog od čimbenika, vrlo je moguće da neki od čimbenika s kojima kreator modela počinje neće biti u konačnom modelu, zbog male dodane vrijednosti s obzirom na druge varijable u modelu.
Prema Fairu, Issac and Company, Inc., vodećem razvojnom modelu bodovanja, vrlo je moguće da će šezdeset varijabli biti uzeto u obzir pri razvoju modela, ali samo oko dvanaest moglo bi završiti u konačnoj kartici rezultata. U većini sustava bodovanja, što veći rezultat znači manji rizik. Zajmodavac može imati postavljenu graničnu ocjenu na temelju količine rizika koji je spreman preuzeti. Ako pažljivo slijede model, zajmodavac bi odobrio sve podnositelje zahtjeva čiji je rezultat bio viši od granične vrijednosti i odbio sve kandidate čiji je rezultat bio niži od granične vrijednosti. Iako je ovaj sustav vrlo precizan, još uvijek ne može sa sigurnošću predvidjeti uspješnost kredita bilo kojeg pojedinca. Unatoč tome, trebao bi dati prilično točnu prognozu.
Kako bi izgradili dobar model bodovanja, programeri trebaju veliku količinu povijesnih podataka koji će odražavati uspješnost kredita podnositelja zahtjeva u dobrim i lošim ekonomskim uvjetima. U prošlosti su banke za donošenje kreditnih odluka koristile samo osobnu povijest, kreditna izvješća i prosudbe. Tijekom proteklih dvadeset pet godina međutim, kreditno bodovanje je postalo način da se ide sve do odluke podnositelja zahtjeva za kreditne kartice i bilo koji drugi oblik kredita. Bodovanje se sada također koristi u podizanju hipoteke. I Savezna hipotekarna korporacija za stambene zajmove i Savezna nacionalna hipotekarna korporacija poticale su korištenje kreditnog bodovanja.
Bodovanje kreditne sposobnosti postalo je toliko neophodno u izdavanju zajmova da ga čak i privatne hipotekarne tvrtke koriste za provjeru svojih potencijalnih kupaca.