Dans leur quasi totalité, les banques et organismes financiers utilisent l'analyse statistique pour prédire si un emprunteur sera un bon ou un mauvais payeur et prendre ensuite la décision appropriée : acceptation sans condition, prise de garantie, refus. La modélisation et la décision se fondent sur l'observation du passé : on connaît pour un certain nombre de prêts attribués la qualité payeur qui est donc une variable qualitative Y à deux modalités (« bon » ou « mauvais ») ainsi que les données recueillies lors du dépôt du dossier de prêt : ce sont les variables X (X1 , …, Xp). Typiquement pour des particuliers on trouvera l'age, la profession , le statut matrimonial, le fait d'être ou non propriétaire, donc majoritairement des variables qualitatives, alors que pour des entreprises on aura plutôt des variables numériques comme des ratios issus de la comptabilité. Formellement il s'agit de trouver une fonction f(X1 , …, Xp) permettant de prédire Y. Dans ce qui suit nous décrirons les diverses étapes et les problèmes qui se posent depuis la collecte des données jusqu'à la mise en oeuvre en donnant à chaque fois des indications sur les méthodologies à utiliser.