一、征信是啥？

中國人民銀行令〔2021〕第4号《征信業務管理辦法》對征信業務的官方定義是：對企業和個人的信用信息進行采集、整理、保存、加工，并向信息使用者提供的活動。征信的英文叫“Credit Checking”或“Credit Investigation”。

用白話解釋征信就是，有一個專業的、獨立的、第三方的機構在幫大家建立一個信用信息的檔案，這個檔案會依法采集、按需整理、長期保存、客觀記錄你或者你公司的信息。這些信息幹嘛用呢？比如，平常的你或者你的公司去銀行辦理貸款等業務，這些機構面對陌生的你和你公司，錢放給你，放不放心？能不能收回來？這些都不清楚。

所以，需要調用第三方依法收集和客觀記錄的信息，可以幫助做判斷，控制風險，規範管理。萬一你不聽話，不還錢，給你在信用檔案上記上一筆，讓下次給你貸款的人長記性，不給你放款，如此共同促進信用社會的建立。

征信被譽為金融的基石，好處是大大的有。比如上面那個例子，對于銀行來說，征信可以幫助它充分了解客戶資信狀況，提高貸前、貸中和貸後的審批和監管效率，降低運營成本和信用風險；而對于你或者你的公司來說，征信可以幫助你縮短審批時間，降低借貸成本，享受優質的金融服務，同時征信活動還能産生無形的監督和激勵，促使積極履約，保障金融體系的良性發展。此外在信用社會中，越來越多的場景會用到信用，很多場景甚至不是用錢就能解決的，比如就業、租房、醫療等等，特别是共享經濟領域的興起，信用可能就是你的貨币。

征信按照服務主體的不同，可以分為企業征信和個人征信，因此征信機構就有企業征信機構和個人征信機構。按照《征信業務管理辦法》的要求，我們國家從事個人征信業務的，應當依法取得中國人民銀行個人征信機構許可；從事企業征信業務的，應當依法辦理企業征信機構備案，這是政策上的門檻。

另外，根據征信機構的産權不一，可以分為公共征信機構和民營征信機構。公共征信機構指由一國政府（通常是中央銀行）建立的公共信用信息登記機構。民營征信機構一般獨立于政府之外，是産權私有、市場化運作的征信機構，包括由民營企業、業協會經營的征信機構。根據我們國家征信的發展曆史，目前形成了央行體系為主，民營體系為輔的發展格局。其中，央行的征信系統是基礎數據庫，是國内征信體系的核心環節。

二、大數據時代下征信行業的創新變革

本文探讨的是大數據時代對征信行業帶來的變革和機會。那征信和大數據有什麼關系呢？

在回答這個問題之前，我們先簡單搞懂征信的業務模式，這樣有利于我們後面的展開。

其實，從征信的産業鍊或者征信的業務模式來看是相對簡單的，主要參與者包含上遊的數據供應方，中遊的征信機構方和下遊的場景使用方。

上遊的數據供應方會全方位多維度收集采集整合各種數據，個人數據信息主要包括貸款、住房、購車、信用消費、教育、醫療、社會保障和犯罪等，數據主要來源于金融機構、教育部門、社會保障部門、公安部門、事業單位和企業，現在各種互聯網線上的行為數據也被重點盯上了。企業數據信息主要包括工商信息、财務報表、稅務、擔保、貸款、員工、發展曆史、經營風險、知識産權、供應鍊等，數據也主要來源于各政府部門、金融機構、合作單位等。

征信機構獲取信息和數據時，需要向上遊數據供應商支付費用。征信機構得到信用數據後，通過模型評分評級，形成信用報告、信用評級等征信産品。這些征信産品提供給下遊的場景使用方使用，下遊的使用方需要向征信機構支付服務費，或者購買征信報告。

反過來，征信的數據又為數據供應方所使用，形成信息“提供-加工-使用”的産業鍊。

征信行業從最初的人工定性分析，發展到有統計工具的定量分析，随着大數據技術的快速發展，目前已邁入全面智能量化分析階段。在大數據時代，征信産業鍊的每個環節都得到質的飛躍。征信數據和征信模型大量湧現，更多維度和更多層次的數據都可以用來深度挖掘分析，更有助于更加真實的反映用戶信用狀況。

1.數據來源實時多元

我們經常說大數據時代，互聯網生活讓數據的沉澱，大數據比你更了解你自己。一是大數據時代的信用數據動态實時。傳統征信數據滞後性非常嚴重，因為更新不及時，所以風險不确定。互聯網産生數據的優勢是動态實時，且容易追蹤，及時動态的采集和整合也使基礎數據更加全面和準确，信用評估結果當然能變得更加科學一丢丢。二是大數據時代的信用數據來廣泛多維。傳統征信數據主要來源于金融機構和政府部門。大數據時代的信用數據來源還能從信息主體記錄在互聯網或者IT系統上的所有行為信息，如個人征信的電商數據、社交數據、支付數據、生活數據等，企業征信的供應鍊、物流、資産負債等，都極大程度的擴展了征信體系的數據範疇。三是大數據時代下，技術可解決海量征信數據的采集和存儲問題，各數據來源還可以打破孤島，分工合作，共享互利。因此從征信産業鍊的第一環節來看，上遊的數據供應方在大數據時代下渠道得以全面打開。

2.分析模型日益創新

征信産業鍊的第二環節最為核心的是分析模型的構建。傳統的模型受征信數據少、規模小的限制，主要采用統計學裡的線性回歸、聚類分析、隐私分局和分類樹等方法；大數據時代下，征信數據廣泛多維、實時有效的特點意味着海量的數據基礎，包含着大量的碎片化數據，非結構性特征強，這對于數據的存儲和挖掘、分析計算能力有極高的要求。大數據和雲計算是解決這一問題的技術基礎，帶來全新的信息處理方式，技術推動數據統計模型不斷完善，更深層次挖掘征信數據，且需處理海量數據，主要采用的數據挖掘方法包括機器學習、神經網絡、Page Rank 算法、RF 等大數據處理方法。

以美國互聯網金融公司 ZestFinance 為例，在 ZestFinance 模型中，往往要用到 3500 個數據項，從中提取 70000 個變量，再利用身份驗證模型、欺詐模型、還款能力模型、還款意願模型、穩定性模型等十餘個模型進行分析，每一個子模型都從不同的角度分析用戶的信用情況，評分結果更加全面準确。數據顯示，ZestFinance 的模型相比于傳統信用評估模型性能提高了40%。

3.風控體系不斷完善

在數據充分和模型完善的前提下，風控體系加以保障，征信的效益更加凸顯。借助大數據時代下的人工智能模型，根據客戶的征信信息，可以更好的預測未來，還可以智能提醒，系統幹預，更加科學控制風險。

大數據時代下的征信主要通過疊代模型，從海量數據中需找關聯，并由此推斷個人身份特質、性格偏好、經濟能力等相對穩定的指标，進而判斷個人的履約能力和履約意願，綜合評價個人的信用水平。人工智能模型不斷得到訓練，準确率将不斷提高，風控體系将不斷加強。

4.産品創新層出不窮

正因為在大數據時代性，征信信息的來源更加多維，評估模型也更加科學，因此有一些創新的内容不斷浮現。比如與各類生活化的場景結合在一起的小創新，比如出行、住宿等生活方式的免押金、購物的先用後付、定向營銷、雇主服務、簽證辦理等日常履約場景相結合。新興場景一方面讓征信走出常規的金融應用場景，擴大了個人征信的市場空間；另一方面，極大的提高了用戶體驗，進而提升了個人征信的使用粘性。

再比如，以美國的Credit Karma公司為例。它根據用戶的信用特征和獲得金融産品的可能性，将定制化的金融公司的産品廣告推送至适合的用戶。首先，它對個人消費者的數據進行數據挖掘，并利用算法使消費者看到符合自身需要的廣告，通過這樣的匹配，做廣告的金融信貸機構将獲得更多的優質客戶。而它的主要收入來源通過消費性金融機構廣告和信貸産品推薦獲得。Credit Karma 的商業模式可以使個人消費者、做産品廣告的金融機構和 Credit karma 都互利共赢。

說了這麼多好處，是不是大數據時代下的征信就沒有制約因素？

顯然不是！

首當其沖的制約因素就是信息隐私保護。未經授權的不當采集和濫用亂用、數據買賣等方式都嚴重侵害了信息主體的合法權益。

其次，大數據時代有打破信息孤島的可能，但是目前缺乏信息标準和共享機制。

還有，大數據時代下政府如何監管也是一大重點課題。

諸如此類，種種制約後續有機會再展開一一道來。

路漫漫其修遠兮，吾将上下而求索！相信大數據時代下的征信業勢必也會創造新的奇迹！

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!