我們身處於大數據的年代，企業能透過大量的網上、流動電話、財務表現等數據來分析他們的客戶，從而作出商業決定。傳統銀行的貸款業務主要考慮貸款人的信用評級，過去的財務記錄，入息證明，抵押等來估計貸款人還債的能力，發展中國家的貸款者因此很難得到貸款。他們居於落後地區，也不一定有網上或流動電話等資料可以參考。那些人是否就不值得借貸呢？還有什麼資料可以幫助銀行作這個決定？
在香港要成功申請銀行信用卡或私人貸款，必須有入息證明或抵押品，銀行審查申請時，會看申請人過去所有的借貸及還款記錄，拿取大量的資料，透過不同的統計學模型來分析數據，為申請人評分，這個分數是最後決定的貸款與否及信用額的一個重要工具。
問卷分析申請人質素
可是在發展中地區，由於沒有完善的信用資料庫（Credit bureau），信用擔保（underwriting）程序對傳統銀行來說是極大的挑戰。銀行如果只用傳統的評分標準來批核貸款，很多小企業因此無法拿到資金，銀行也難以有效地擴大貸款業務。在發展中國家，只有20%的小型企業有良好的財務表現，並只有20%有信貸資料紀錄。
美國人比利（Baily Klinger）關注貧窮問題，他於2006年在哈佛念公共政策博士學位時創立了一套嶄新的風險評分技術。他相信貸款者如果擁有某些性格特質，便能預測他們的還款能力。
這套技術是以貸款人的性格、態度、意願、能力等來估計風險。他首個在非洲肯尼亞的試驗，讓合作的銀行有174%的貸款業務增長，但違約率（Default rate）卻能維持不變。
2010年，他正式成立EFL （Entrepreneurial Finance Lab）。它是一間牟利社會企業，目的是透過為落後地區的財務機構提供一套創新的風險評核方法－—心理測量信用評分（Psychometrics credit scoring），讓更多創業者能拿到資金去發展小型企業，釋放貧窮地區的創業潛力來解決貧窮問題。現時估計全球有2億間中小型企業需要卻拿不到資金。
透過一份精心設計的問卷調查，貸款員可以得到借貸者自己作答的資料 。問題是評估小型企業或個人貸款者的性格與能力，如個人的上進心、專業操守、判斷力、創造力、自律性、儲蓄習慣、責任感和商業觸覺等。系統會馬上量化這些因素，得出一個分數，銀行便可以根據這個分數做決定。
違約減40% 生意多三倍
有人會質疑問卷答案的可信性，因為貸款者可以說謊，也可能知道什麼答案能拿到高分，因此也有很多實行上的問題要處理。
這套技術為傳統的風險管理帶來突破性的理解，為借貸者以及貸款者都帶來雙贏：對借貸者來說，不但減低了信貸風險，讓他們的貸款業務健康地增長，也大大削減了信貸批核的時間和成本；對借貸者來說，更是脫貧的重要機會。
EFL的心理測量信用評分已經用於27個國家，並於2014已借出了近3億美元的貸款給為於新興市場，之前沒有銀行紀錄的中小型企業。現時全世界已有25間銀行採用了這套評分標準來審批貸款申請，他們的違約率減低了40%，但業務卻有三倍的增長。
數據模型是個不斷自我學習和更新的系統。當EFL的資料庫和案例愈多時，它的模型便得以改良，能更準確地預測風險。
在孟加拉，尤努斯（Muhammad Yunus）創辦的農村銀行 （Grameen Bank）以借錢給鄉村婦女，向世界證明了窮人是會還錢的，窮人銀行可以同時幫人和圖利。但畢竟農村銀行獨特的貸款手法，加上地區的社會和經濟等因素，很難讓其他地區的傳統銀行仿效。EFL這套評分準則很容易讓銀行採納，因為它是優化已有模式的一個新工具，實施成本很低，也很容易透過科學測試看到具體結果。這個新工具很可能是普及窮人貸款的一個重要基石。