El término se refiere a la aplicación de herramientas estadísticas formales para respaldar o automatizar los procesos de toma de decisiones sobre la emisión de préstamos. Una de las metodologías más extendidas para el scoring crediticio incluye el ajuste de modelos de regresión logística utilizando variables explicativas de WOE, que se obtienen mediante la discretización de las entradas originales mediante árboles de clasificación. Sin embargo, esta metodología basada en Weight of Evidence (WOE) encuentra algunas dificultades para modelar interacciones entre variables explicativas. En este documento, se propone una extensión de la metodología basada en WOE para el scoring crediticio que permite construir un nuevo tipo de variable de WOE diseñada para capturar efectos de interacción. En particular, estas nuevas variables de WOE se obtienen mediante la discretización simultánea de pares de variables explicativas en un solo árbol de clasificación. Además, la extensión propuesta de la metodología basada en WOE puede complementarse como es habitual con balance, que permite explicar por qué se otorgan o no se otorgan préstamos individuales a partir de los modelos logísticos ajustados. Esta explicabilidad de las decisiones de préstamo es esencial para el scoring crediticio y aún más teniendo en cuenta los desarrollos legales recientes, por ejemplo, el GDPR de la Unión Europea. Un estudio computacional exhaustivo muestra la viabilidad del enfoque propuesto que también permite mejorar la capacidad predictiva de la metodología estándar basada en WOE.