未来征信面临的机遇和挑战（聊聊大数据时代下征信行业的创新变革）

一、征信是啥？

中国人民银行令〔2021〕第4号《征信业务管理办法》对征信业务的官方定义是：对企业和个人的信用信息进行采集、整理、保存、加工，并向信息使用者提供的活动。征信的英文叫“Credit Checking”或“Credit Investigation”。

用白话解释征信就是，有一个专业的、独立的、第三方的机构在帮大家建立一个信用信息的档案，这个档案会依法采集、按需整理、长期保存、客观记录你或者你公司的信息。这些信息干嘛用呢？比如，平常的你或者你的公司去银行办理贷款等业务，这些机构面对陌生的你和你公司，钱放给你，放不放心？能不能收回来？这些都不清楚。

所以，需要调用第三方依法收集和客观记录的信息，可以帮助做判断，控制风险，规范管理。万一你不听话，不还钱，给你在信用档案上记上一笔，让下次给你贷款的人长记性，不给你放款，如此共同促进信用社会的建立。

征信被誉为金融的基石，好处是大大的有。比如上面那个例子，对于银行来说，征信可以帮助它充分了解客户资信状况，提高贷前、贷中和贷后的审批和监管效率，降低运营成本和信用风险；而对于你或者你的公司来说，征信可以帮助你缩短审批时间，降低借贷成本，享受优质的金融服务，同时征信活动还能产生无形的监督和激励，促使积极履约，保障金融体系的良性发展。此外在信用社会中，越来越多的场景会用到信用，很多场景甚至不是用钱就能解决的，比如就业、租房、医疗等等，特别是共享经济领域的兴起，信用可能就是你的货币。

征信按照服务主体的不同，可以分为企业征信和个人征信，因此征信机构就有企业征信机构和个人征信机构。按照《征信业务管理办法》的要求，我们国家从事个人征信业务的，应当依法取得中国人民银行个人征信机构许可；从事企业征信业务的，应当依法办理企业征信机构备案，这是政策上的门槛。

另外，根据征信机构的产权不一，可以分为公共征信机构和民营征信机构。公共征信机构指由一国政府（通常是中央银行）建立的公共信用信息登记机构。民营征信机构一般独立于政府之外，是产权私有、市场化运作的征信机构，包括由民营企业、业协会经营的征信机构。根据我们国家征信的发展历史，目前形成了央行体系为主，民营体系为辅的发展格局。其中，央行的征信系统是基础数据库，是国内征信体系的核心环节。

二、大数据时代下征信行业的创新变革

本文探讨的是大数据时代对征信行业带来的变革和机会。那征信和大数据有什么关系呢？

在回答这个问题之前，我们先简单搞懂征信的业务模式，这样有利于我们后面的展开。

其实，从征信的产业链或者征信的业务模式来看是相对简单的，主要参与者包含上游的数据供应方，中游的征信机构方和下游的场景使用方。

上游的数据供应方会全方位多维度收集采集整合各种数据，个人数据信息主要包括贷款、住房、购车、信用消费、教育、医疗、社会保障和犯罪等，数据主要来源于金融机构、教育部门、社会保障部门、公安部门、事业单位和企业，现在各种互联网线上的行为数据也被重点盯上了。企业数据信息主要包括工商信息、财务报表、税务、担保、贷款、员工、发展历史、经营风险、知识产权、供应链等，数据也主要来源于各政府部门、金融机构、合作单位等。

征信机构获取信息和数据时，需要向上游数据供应商支付费用。征信机构得到信用数据后，通过模型评分评级，形成信用报告、信用评级等征信产品。这些征信产品提供给下游的场景使用方使用，下游的使用方需要向征信机构支付服务费，或者购买征信报告。

反过来，征信的数据又为数据供应方所使用，形成信息“提供-加工-使用”的产业链。

征信行业从最初的人工定性分析，发展到有统计工具的定量分析，随着大数据技术的快速发展，目前已迈入全面智能量化分析阶段。在大数据时代，征信产业链的每个环节都得到质的飞跃。征信数据和征信模型大量涌现，更多维度和更多层次的数据都可以用来深度挖掘分析，更有助于更加真实的反映用户信用状况。

1.数据来源实时多元

我们经常说大数据时代，互联网生活让数据的沉淀，大数据比你更了解你自己。一是大数据时代的信用数据动态实时。传统征信数据滞后性非常严重，因为更新不及时，所以风险不确定。互联网产生数据的优势是动态实时，且容易追踪，及时动态的采集和整合也使基础数据更加全面和准确，信用评估结果当然能变得更加科学一丢丢。二是大数据时代的信用数据来广泛多维。传统征信数据主要来源于金融机构和政府部门。大数据时代的信用数据来源还能从信息主体记录在互联网或者IT系统上的所有行为信息，如个人征信的电商数据、社交数据、支付数据、生活数据等，企业征信的供应链、物流、资产负债等，都极大程度的扩展了征信体系的数据范畴。三是大数据时代下，技术可解决海量征信数据的采集和存储问题，各数据来源还可以打破孤岛，分工合作，共享互利。因此从征信产业链的第一环节来看，上游的数据供应方在大数据时代下渠道得以全面打开。

2.分析模型日益创新

征信产业链的第二环节最为核心的是分析模型的构建。传统的模型受征信数据少、规模小的限制，主要采用统计学里的线性回归、聚类分析、隐私分局和分类树等方法；大数据时代下，征信数据广泛多维、实时有效的特点意味着海量的数据基础，包含着大量的碎片化数据，非结构性特征强，这对于数据的存储和挖掘、分析计算能力有极高的要求。大数据和云计算是解决这一问题的技术基础，带来全新的信息处理方式，技术推动数据统计模型不断完善，更深层次挖掘征信数据，且需处理海量数据，主要采用的数据挖掘方法包括机器学习、神经网络、Page Rank 算法、RF 等大数据处理方法。

以美国互联网金融公司 ZestFinance 为例，在 ZestFinance 模型中，往往要用到 3500 个数据项，从中提取 70000 个变量，再利用身份验证模型、欺诈模型、还款能力模型、还款意愿模型、稳定性模型等十余个模型进行分析，每一个子模型都从不同的角度分析用户的信用情况，评分结果更加全面准确。数据显示，ZestFinance 的模型相比于传统信用评估模型性能提高了40%。

3.风控体系不断完善

在数据充分和模型完善的前提下，风控体系加以保障，征信的效益更加凸显。借助大数据时代下的人工智能模型，根据客户的征信信息，可以更好的预测未来，还可以智能提醒，系统干预，更加科学控制风险。

大数据时代下的征信主要通过迭代模型，从海量数据中需找关联，并由此推断个人身份特质、性格偏好、经济能力等相对稳定的指标，进而判断个人的履约能力和履约意愿，综合评价个人的信用水平。人工智能模型不断得到训练，准确率将不断提高，风控体系将不断加强。

4.产品创新层出不穷

正因为在大数据时代性，征信信息的来源更加多维，评估模型也更加科学，因此有一些创新的内容不断浮现。比如与各类生活化的场景结合在一起的小创新，比如出行、住宿等生活方式的免押金、购物的先用后付、定向营销、雇主服务、签证办理等日常履约场景相结合。新兴场景一方面让征信走出常规的金融应用场景，扩大了个人征信的市场空间；另一方面，极大的提高了用户体验，进而提升了个人征信的使用粘性。

再比如，以美国的Credit Karma公司为例。它根据用户的信用特征和获得金融产品的可能性，将定制化的金融公司的产品广告推送至适合的用户。首先，它对个人消费者的数据进行数据挖掘，并利用算法使消费者看到符合自身需要的广告，通过这样的匹配，做广告的金融信贷机构将获得更多的优质客户。而它的主要收入来源通过消费性金融机构广告和信贷产品推荐获得。Credit Karma 的商业模式可以使个人消费者、做产品广告的金融机构和 Credit karma 都互利共赢。

说了这么多好处，是不是大数据时代下的征信就没有制约因素？

显然不是！

首当其冲的制约因素就是信息隐私保护。未经授权的不当采集和滥用乱用、数据买卖等方式都严重侵害了信息主体的合法权益。

其次，大数据时代有打破信息孤岛的可能，但是目前缺乏信息标准和共享机制。

还有，大数据时代下政府如何监管也是一大重点课题。

诸如此类，种种制约后续有机会再展开一一道来。

路漫漫其修远兮，吾将上下而求索！相信大数据时代下的征信业势必也会创造新的奇迹！