基層政府機構參與個人征信的信息推送平臺建設①

寧波大紅鷹學院 王樂

?

基層政府機構參與個人征信的信息推送平臺建設①

寧波大紅鷹學院 王樂

摘 要：我國個人征信體系正在快速發展，但與發達國家相比較差距還較大，在這種情況下，P2P風控中對借款人的信用審核難以獲得準確的評估。而基層的政府機構（包括居民委員會）和各類對公機構由于直接和社會個體接觸，對特定個體的基礎信用數據有所掌握。基于此，建立一個可以通過社交網絡的分布式，快速反饋這些基礎數據的信息推送系統，有效降低征信成本，提高征信準確性，就顯得十分必要。

關鍵詞：征信 政府 P2P 互聯網金融

1 國內外征信模式分析

歐美發達國家的個人征信體系經歷一百多年的發展，已經比較完備。信用體系成為整個社會的基礎，公民的信用意識強烈，市場經濟可以說是運行在信用基石上的經濟。

美國的個人征信體系是以商業化的“信用局”所收集、計算和發布的信用分為基礎的，并在長期的競爭中逐漸形成了艾可飛（Equifax）、益百利（Experian）和環聯（TransUnion）三個超級信用局三足鼎立的局面。1950年，工程師Bill Fair和數學家Earl Isaac經過研究，設計了一套名為FICO的信用分統計模型，把三大征信機構收集起來的數據，通過一套邏輯給出統一的評分，這套模型從20世紀80年代開始在美國流行，成為當今世界最為通用的個人信用評分體系，覆蓋80%以上的美國民眾。

相比較而言，歐洲的征信體系發展相對美國要稍晚一些。比較早的如德國，始于20世紀30年代；較晚如法國，到20世紀80年代才開始出現征信機構。和美國完全市場化的發展路徑不同，歐洲大多數國家公共征信和民營征信共存，前者只對一定額度以上的貸款信息要求強制匯報，從而給私營征信機構留下了發展空間。

我國的個人征信業務發展更晚。2013年3月《征信業管理條例》的正式實施，標志我國征信業的法律建設走上正規。目前，已形成三層次的個人征信體系：第一層次是擁有大量基礎信息的公共信用數據庫和若干專業信用數據庫，以中國人民銀行征信中心管理的企業和個人征信系統數據庫為代表；第二層次是掌握特定經濟信用信息的政府職能部門、投資金融機構、經濟鑒證類中介機構，該層次以工商、稅務、海關等政府職能部門的信息管理系統為代表；第三層次是對信用信息進行搜集、調查、加工并提供信用產品的專業征信機構，包括有政府背景的地方性征信機構、民營及外資征信機構等。

2 P2P征信途徑分析

P2P的征信途徑，可分為“線上”和“線下”兩種途徑。

2.1 線上征信方面

央行的個人信用數據庫是目前最權威的官方信用信息，收錄約8.8億自然人數，為世界上最大的個人征信數據庫，但數據范圍很窄，僅覆蓋銀行信貸系統，采集的數據包括個人基本信息、貸款信息、信用卡信息、及信貸領域以外的信用信息。

2015年1月，央行印發了《關于做好個人征信業務準備工作的通知》，批準芝麻信用、考拉征信等8家機構開展個人征信市場化進程，但截至本文成稿，相關牌照至今仍未能發放［1］。行業對個人征信相關業務表現出非常積極的態度，多家企業陸續提出新的牌照申請，并已有跨平臺的綜合數據庫試運行，例如螞蟻金服推出的“芝麻信用”［2］、盈燦資訊推出的“蜜蜂數據”［3］等。

和信用發達國家相比，我國的個人信用體系還差距甚遠，技術落后，創新不足，數據共享差，以及缺乏自律等，加上民眾的對信用的重要性普遍認識不足，因此，僅依賴線上個人信用數據庫無法對個人信用進行準確的評價。國內P2P行業在對借款人進行信用評估的時候，往往采用線上+線下的“O2O”手段。

2.2 線下征信方面

國內P2P平臺普遍采用的模式可分為4種類型［4］：直營網點模式（投哪網等）、擔保小貸模式（有利網等）、商圈模式（積木盒子等）、加盟模式（翼龍貸等）。這些模式都需要進行實地審核，即派專員去借款人所在的住址、工廠、辦公場所、門店等場所進行實地調查，審核相關資質，與借款人進行面對面溝通和了解。一些在線上審核難以檢查出的問題（例如工作地點造假、住址造假、房產造假等）都會被一一查出。

O2O模式的征信調查，對平臺的業務素質和執行能力要求較高，同時成本也較高。而基層政府和各類法人機構的天然征信作用，在目前的P2P征信中尚未充分發揮作用。

3 基層政府（及機構）在個人征信中的作用

基層政府（及法人機構）在個人征信領域有著不可替代的權威作用。我國的基層政權包括農村基層政權和城市基層政權兩部分：按照憲法和地方組織法的規定，農村中指鄉、民族鄉、鎮一級，城市中指不設區的市、市轄區一級。為了便于行政管理，我國城市基層政權一般設有自己的派出機關——街道辦事處，下轄若干社區居民委員會（農村為村民委員會），或有極少數的行政村。

街道辦事處和居民委員會的日常工作包括辦理公共福利、便民利民、城管衛生、治安、勞動就業再就業等社區服務工作其他事業，解決生活、學習、文娛、體育和衛生保健等方面的問題，排解民間糾紛，調解一般民事和輕微刑事案件，協助維護社會治安，并且向人民政府反映人民群眾的意見、要求和提出建議。

由于街道辦事處和居民委員會直接和群眾相接觸，對轄區居民的經濟、社會各層面的基本情況有最為全面的了解，因此，作為可靠的征信源，是構造居民信用信息的一個重要組分，但目前還沒有可有效利用的手段或平臺與之接口。

各類法人機構或帶有官方背景的部隊、協會等對公機構，有著與居民委員會類似的特點，即直接接觸員工或成員個人，對其基本社會信息（工作情況、收入概況乃至居住、家庭、健康等情況）都有第一手的了解，可以為征信機構提供比較權威的數據。即便這些數據可能對不同的個體有所缺額，但是不妨礙征信機構運用大數據分析為征信對象做出較為合理的信用評分。

綜上所述，基層政府（及法人機構）由于其獨有的管理職能，可以提供權威的個人信用信息，從而有效協助征信機構或投資人了解借貸者的信用預期，及在用戶違約后進行追討。

圖1 個人信用基礎數據推送系統業務架構

4 面向基層機構的征信信息推送平臺建設

基于上述分析，我們認為，直接從基層政府及法人機構獲取的個人信用基礎資料，可以為第三方征信機構或者P2P平臺風控部門提供有效的征信評估依據。為實現這一目的，可以在充分利用社交網絡強大的相互連接能力基礎上，實現快速的征信請求和反饋。

面向基層機構的個人信用基礎數據推送系統的業務架構如圖1所示。通過微信微應用或Web Service接口，可以方便地將P2P平臺的信息請求提交給中心數據庫，后者根據請求內容進行二次派發（推送）。基層組織根據自己掌握的基礎數據生成反饋信息，提交給數據中心記入日志，并回饋到請求平臺。

以微信平臺實現的數據中心為例，P2P平臺對借款用戶進行基礎信用數據調查的工作流程如下。

首先，在建設階段，通過基層政府的推動，所有對公機構關注基礎信用推送系統微信公眾號，以便接收數據中心推送的數據請求并提供反饋。

其次，P2P平臺或征信機構通過行業協會的認可后，接入此基礎信息接口，以免個人信用信息被濫用。

最后，當P2P平臺需要進行信用數據調查的時候，按如下流程抽取。

（1）關注數據中心的微信公眾號，接入數據中心。

（2）當需要審核借款用戶“張三”的信用時，平臺的風控人員將張三的基本信息（姓名，年齡，工作單位、住址等）提交給數據中心。基本信息的格式可以類似如下形式：

【張三，男，身份證號，年齡，學歷，電話，家庭住址，住房規格，月收入，戶籍，商業資產等】。

（3）數據中心將這些信息進行分割處理，以獲取信息推送目標（即基層機構征信專用微信號）。例如：根據戶籍所在地，換算成為相應的居委會和派出所；根據住址，換算成為小區物業；根據工作單位，換算成為單位人事部門等。

（4）根據上述結果，將征信請求發往對應的居委會、派出所、物業公司和工作單位人事部等的基層機構征信專用微信號。

（5）基層機構負責反饋的工作人員核對信息后將數據通過手工或自動的方式送回數據中心。

（6）數據中心記錄數據日志（以構造數據倉庫），并將各基層機構的反饋數據組合打包后傳回發請求的P2P平臺。

上述工作并不會給這些基層機構帶來很大的額外工作負擔，因為它需要回答的往往只是一些非常簡單和基礎的問題，例如：某人是否是某公司員工？工資級別是什么？有沒有特殊的負債？是否居住本小區等。信息請求根據機構的職能而設，例如，小區物業僅僅負責答復是否有該用戶有欠交物業費問題等，而不需要回答該用戶是否開有一個水果店。由于需要調查信用用戶數量很少（P2P網站大量的注冊用戶是理財投資者，而非借貸者），同時基礎信息的類型又簡單和少量，因此為數據提供者附加的工作量也較小。

5 政府在基礎征信信息推送中的作用解析

有意見認為，“小政府大社會”才是當代社會的發展方向。面向基層政府機構及其他對公機構的征信推送體系，從表面上看，為基層政府增加了額外的工作，但這些工作恰恰是政府作為服務者——政府的角色是數據的提供者，而不是風險和信用的評定者，更不是相關權力的管理者——參與社會事務的一個典型范例。同時，對公機構為社會提供真實的基礎信用數據，本來就是各機構對社會當盡的義務；地方政府可以對各機構針對該項工作提出強制性的統一要求，以利于此項基礎信息建設工作的成功推進。

參考文獻

［1］ 搜狐.個人牌照遙遙無期［EB/OL］.http：//mt.sohu.com/ 20160311/n440101672.shtml.

［2］ 螞蟻金服.芝麻信用［EB/OL］.http：//www.antgroup.com/ page/zmxy.htm.

［3］ 盈燦咨詢.蜜蜂數據［EB/OL］.http：//www.51zhengxin. com/.

［4］ P2P線下實地審核流程是什么［EB/OL］.http：//www.csai. cn/p2pzixun/795967.html.

中圖分類號：F832.4

文獻標識碼：A

文章編號：2096-0298（2016）06（a）-179-02

基金項目：①本文受寧波市軟科學研究計劃項目（2014A10008）資助。

作者簡介：王樂（1978-），女，河南南陽人，博士，講師，寧波大紅鷹學院，主要從事數據挖掘和金融數據分析方面的研究。