داده کاوی یا کشف دانش در پایگاه های داده ی حاصل از تراکنش های موجود در موسسات مالی، می تواند منجر به اعتبار سنجی متقاضیان وام گردد. اعتبارسنجی با هدف تعیین میزان ریسک و مدیریت ریسک برای سرمایه گذاران و به منظور اطمینان مدیران انجام می گردد. انجام رتبه بندی اعتباری افراد و شرکت ها باعث تصویب سریعتر وام، تصمیمات منصفانه، کاهش مشکلات اعتبارسنجی سنتی و افزایش پذیرش تقاضا می شود. روش های رتبه بندی اعتباری که تاکنون مورد استفاده قرار گرفته است به دو دسته ی مدل های سنتی شامل آنالیز تفکیک کننده، آنالیز پروبیت، رگرسیون لجستیک و شبکه های عصبی مصنوعی تقسیم شده اند. در این تحقیق به ارائه یک مدل جدید که از تلفیق نمودار ورونوی و شبکه عصبی است برای اعتبارسنجی متقاضیان وام موسسات مالی خواهیم پرداخت و با مقایسه این مدل و مدل های سنتی گذشته و شبکه عصبی مصنوعی نشان خواهیم داد که دقت این مدل بهتر از مدل های گذشته است. مزایای دیگر مدل تلفیقی نمودار ورونوی با شبکه عصبی عبارت است از شفافیت عملکرد، دسته بندی دلخواه، بودجه بندی، سهولت در پیاده سازی و عدم نیاز به تنظیم و انتخاب پارامترهای دیگر. با توجه به مزایای ذکر شده و دقت این روش، در صورتیکه زمان آموزش مدل برای موسسات مالی، چندان اهمیت نداشته باشد، بهتر است این مدل را به عنوان روش پیاده-سازی اعتبار سنجی انتخاب نمایند.