徵信，迎來大數據時代

一諾千金，從古自今，一直適用。

只要你有信用，無需押金，就可以輕鬆騎走一輛共享腳踏車;可以快速租用商場內的共享充電寶，為你的手機及時「續命」;還可以外出住酒店，不用現金，先享后付，來一場說走就走的旅行。

共享雨傘、共享衣服、共享玩具、共享籃球……你想不到的便利，因為信用，悄然來臨。

其實，隨著互聯網金融、大數據產業等的發展，個人徵信的外延已大大擴大了，不僅包括傳統的數據，如信貸數據等，還包括基於互聯網消費場景的第三方數據。

可以說，徵信業已迎來了大數據發展的時代。

徵信，下一片藍海

徵信，最早起源於《左傳》，出自「君子之言，征而有信，故怨遠於其身」。

所謂徵信，指的是依法設立的個人信用徵信機構對個人信用信息進行採集和加工，並根據用戶要求提供個人信用信息查詢和評估服務的活動。簡單來說，就是個人的信用信息集合。

當今社會，徵信信息被廣泛用在生活、工作中，成為國民經濟生活中不可或缺的「經濟身份證」。買房、買車、租房、找工作、辦信用卡等都離不開好的信用，甚至，不少婚戀平台也將信用定為相親對象的硬性條件之一，噱頭十足，信用的重要性，可窺一斑。

近年來，互聯網金融迎來了爆發增長，對個人徵信的需求也與日俱增。

艾瑞諮詢發布的《2017年消費金融洞察報告》顯示，從2013年到2016年，互聯網消費金融交易規模從60億元猛增到4367.1億元，實現了70倍爆髮式增長，年複合增長率達317%。

可以說，在互聯網金融規模暴增的同時，消費者的個人徵信體系建設也亟待跟進。如圖1所示，2017年個人徵信行業的潛在市場規模預計將達到1969.9億元，而實際市場規模預計只有222.3億元，市場滲透率約為10%，發展前景巨大。

第三方徵信，面臨多重困境

天下熙熙，皆為利來;天下攘攘，皆為利往。日前，一則信用分刷分的報道，再次刺激了人們的敏感神經。

近些年來，第三方徵信問題頻出，集中表現為數據稀缺、數據倒賣、數據同質化嚴重。互聯網金融行業的巨大剛需與徵信盲區的矛盾，也催生了地下數據黑市。媒體曾多次披露，部分打著大數據名頭的公司，以極低的成本從地下市場調取數據，進行多手售賣。這裡的重要原因就是徵信體系的不完善。

徵信體系不完善，原因大致歸結為以下幾點。

短期內，數據孤島現狀難以打破

目前，國內徵信行業主要由五大類別組成：國家發展改革委、工業和信息化部、人民銀行、國家工商總局等監管機構，第三方徵信機構，國家電網、百度、支付寶等數據源，九次方大數據、百融金服等大數據金融機構，京東白條、神州租車、百合等互聯網應用。

可以說，得數據者得天下。不同機構的數據門檻不同，基於利益考慮以及開放許可權，共享數據意願低，信息共享推進艱難。

大數據模型的準確性存爭議

國內的大數據評估模型起步晚，很多大數據模型多為自主研發，信息不集中，數據的全面性存在不足，因此，大數據模型在準確性方面存在較大爭議。

此外，用戶數據為個人提交，信息的準確性及真實性有待時間和市場校驗，缺乏公信力。

數據信息採集的合法性

這些年，逐步增強的個人信息維權意識與個人信息泄露的矛盾日漸突出。部分機構對於用戶數據的採集、使用存在隱患，越過了安全紅線，違法使用，面臨著法律和道德方面的風險。

互補作用仍有限

其實，相比國外，的徵信體系起步較晚。20世紀90年代，上海資信有限公司成立，開始個人徵信試點，這也標誌著個人徵信體系開始建立。

隨後，信貸登記查詢系統建成地、省、總行三級資料庫，實現全行聯網查詢。徵信管理局設立，《個人信用信息資料庫管理暫行辦法》出台，人民銀行與全國各家銀行系統聯網工作基本完成。2013年3月，《徵信業管理條例》正式實施，明確人民銀行作為徵信業的監督管理部門，同年12月《徵信機構管理辦法》也一併實施。至此，以政府為主導的央行徵信登上歷史舞台。

與此同時，徵信行業風起雲湧，民間第三方徵信機構數量增長迅速。自2014年1月至2017年年初，先後成立包括91徵信、考拉徵信、億微徵信、東匯徵信、盈蜂徵信、人人信等在內的53家徵信公司以及信用平台。

2015年，徵信行業出現了標誌性事件——央行開始受理徵信牌照，芝麻信用、騰訊徵信、深圳前海徵信、鵬元徵信、中誠信徵信、中智誠徵信、拉卡拉信用及北京華道徵信成為第一批試點機構。

眾所周知，徵信離不開數據。央行徵信的數據主要來自銀行、證券、保險、社保等體系里構成一個數據循環，接入門檻高。而第三方徵信機構則是利用自身的海量數據優勢和用戶信息，從財富、安全、守約、消費、社交等幾個緯度來評判，為用戶建立信用報告，形成以大數據為基礎的海量資料庫。

從表面上看，央行徵信和第三方徵信機構的大數據徵信似乎只在數據獲取渠道方面存在差異。央行徵信數據來自傳統線下渠道，來源單一。第三方徵信機構則依託互聯網金融、電商、共享經濟等豐富的應用場景來獲取數據，渠道多元。

央行徵信作為正規軍，無疑有得天獨厚的優勢，權威性高，數據基本完整，但新形勢下，背後的短板，也逐漸暴露。

數據顯示，央行個人徵信系統收錄了近9億人信息，其中僅不到4億人有信貸數據，約5億人在央行徵信系統中只記錄經濟信息，無任何有效徵信信息。如此大的信貸盲區，缺口明顯。

其實，在新的徵信格局下，第三方徵信機構積累的徵信數據將對傳統徵信形成一定的補充。不過，這種補充作用仍比較有限，其公信力還有待市場的檢驗。

大數據徵信，爭議中前行

隨著金融科技、人工智慧、雲計算成為時下熱詞，大數據徵信也頻見報端。

什麼是大數據徵信?大數據徵信就是利用IT技術優勢、風險控制模型，將個人在不同信貸機構、消費場景、支離破碎的海量數據整合起來，經過數據清洗、分析、校驗等一系列流程后，加工融合成真正有用的信息。

作為徵信市場化的標誌，大數據徵信備受爭議。一方面，大數據為傳統徵信帶來了許多意想不到的變革。另一方面，大數據徵信的模型標準各異，客觀性存在爭議。

大數據徵信作為新生事物，相比傳統徵信，究竟有哪些優勢?

首先，大數據徵信採集的數據覆蓋人群廣泛。

只要是用戶留存在網上的數據信息，都可以通過數據挖掘、雲計算、大數據等網路技術抓取並進一步分析，得出專屬的信用報告。互聯網的開放性也決定了大數據徵信的覆蓋範圍。

其次，大數據徵信的信息維度多元，信用評估全面。

大數據徵信的數據來源不止包括傳統徵信的信貸歷史數據，還包括個人的消費行為、交易行為、人際關係等半結構化數據。網購消費能力、共享腳踏車租借、社交好友的信用狀況、生活繳費都成為了大數據信息採集的來源，能夠多維度地反應一個人的信用狀況。

再次，大數據徵信的數據來源豐富，動態變化頻率高。

大數據徵信的數據來源於電商、互聯網金融、共享經濟等場景，相較於傳統徵信的數據採集周期長，這些應用場景與生活日常行為關聯緊密，使用頻率高，數據更新及時。例如，信用評分系統之一的芝麻信用，月月更新。

最後，大數據徵信成本低，效率高。

大數據徵信搭建完成資料庫系統后，個人徵信信息採集難度大幅降低，徵信服務的邊際成本低。

總體來看，縱觀徵信行業的發展，正經歷由政府主導型向徵信市場化過渡的階段。民間徵信機構頻頻發力，不斷開拓線下的應用場景或與其他機構構建合作關係，積澱數據，有望打破央行徵信的壟斷局面，進一步激發徵信市場化的潛力。

綜上所述，筆者認為徵信行業的未來呈現以下趨勢。

首先，隨著徵信機構數據的逐步開放，大數據信息的運用成為常態，央行徵信難以覆蓋的群體將通過民間徵信得到滿足。

其次，徵信內涵、外延不斷延伸，應用場景進一步豐富。徵信不止局限於金融領域，而是通過共享經濟等新經濟形式，滲透到衣食住行方方面面，形成「守信者處處受益、失信者寸步難行」的局面。

最後，保護個人徵信數據的相關法律將不斷落地，並將在數據隱私、安全保護等方面加快立法進程。

附：信用分——徵信的數據化

金融開放程度的增強，信用風險管理也呈現出科學化、量化、信息化的特點。其中，信用分就充當了這樣一個科學評測的角色。

談起信用分，想必很多人都不陌生。現在，信用分不再是簡單的一個分數，而是切切實實的福利。只要你的信用分達到一定的標準，就可以輕鬆搭上各類共享經濟的快車，免押金、免租金，還可以住酒店「先享后付」。此外，信用分還和信用額度掛鉤。

事實上，信用評分最早起源於20世紀80年代，大眾熟知的信用模型大多借鑒於美國的個人信用評分模型FICO 評分模型，其信用分數範圍在300-850分之間。貸款方通常會將分數作為參考，來進行客戶貸款決策。不同貸款策略和標準，相應風險水平不同，決定了可以接受的信用分數水平。

國內首個個人信用評分——芝麻信用分的出現，被視為信用分機制在的重大進展。芝麻信用分，通過大數據及雲計算技術，從信用歷史、行為偏好、履約能力、身份特質、人脈關係五個維度，客觀呈現個人信用狀況的綜合評分，評分範圍從350到950，分值越高代表信用越好。

隨著電商、移動支付的普及，芝麻信用分已逐漸走入千家萬戶，涵蓋信用卡、消費金融、融資租賃、酒店、租房、出行、婚戀、公共事業服務等上百個應用場景。

事物發展到一定階段，必然會更加精細化，信用分也不例外。

不少行業紛紛在徵信上發力，打造專屬的信用等級評分機制。例如，金融科技平台你我金融通過兩年時間的數據處理與分析、模型研發、驗證及運用，推出你我信用分。從你我行為、財富評估、社交關係、履約信用、身份特質等五個維度客觀分析個人的信用狀況，對用戶進行信用評分，分值從0-950分，分數越高代表該用戶信用越好，信用額度也會隨之增加。

此外，摩拜腳踏車也推出摩拜信用分，其與前海徵信合作建立用戶黑名單，對用戶偷盜或惡意毀車等行為，會通過後台數據分析追蹤到該用戶，將其拉入黑名單，對其信用評級作出調整。

同時，摩拜腳踏車還採用獎懲「信用分制度」，用戶違停、損壞車輛等行為將會被扣除信用分。用戶的信用分低於80分時，價格則會翻倍。