大數據在我國征信、支付領域中的應用

吳飛虹

【摘要】本文從思考大數據在征信、支付領域所具備的特征要點出發，闡述了大數據技術在征信和支付結算領域的現實應用，并針對大數據技術在征信和支付領域所面臨的挑戰，提出相應的完善路徑和對策建議，以促進大數據在征信、支付結算領域的健康發展，提升行業服務競爭力。

【關鍵詞】大數據；征信；支付結算

【中圖分類號】F83

近年來，伴隨移動互聯網的飛速發展，網絡應用的日益深化，以大數據、云計算、人工智能和區塊鏈等為代表的信息技術革命，正在為人類各領域帶來史無前例的全新體驗。在這個大背景下，從公司戰略到產業升級，從生產實踐到生活方式，從運營管理到國家治理，都將發生本質的變化。數據信息正成為推動經濟增長和社會進步的重要資源，就支付和征信領域而言，大數據技術與傳統征信和支付的深入融合與實踐應用，將進一步完善大數據生態系統，驅動征信支付行業實現整體跨越式發展，為個人、企業和社會創造更多優質增值的行業價值和社會價值。本文從思考大數據在征信、支付領域所具備的特征要點出發，闡述了大數據技術在征信和支付領域的實際應用，并針對大數據技術在征信和支付領域所面臨的挑戰，提出相應的完善路徑和對策建議，以促進大數據在征信、支付結算領域的健康發展，提升行業服務競爭力。

一、大數據在征信、支付領域所具備的特征

自從大數據概念興起，數據體量就逐年攀升。根據 IDC（國際數據公司）的監測統計，2011年全球數據總量已經達到1.8 ZB，而這個數值還在以每兩年翻一番的速度增長，預計到2020年，全球將總共擁有35 ZB的數據量，比2011年增長了近20倍。換句話說，近兩年產生的數據總量相當于人類有史以來所有數據量的總和。碩大的數據資產規模與日新月異的信息技術相結合，釋放出極具價值的信用數據和支付技術，驅動征信體系的不斷完善和支付水平的持續提高。可以說，無論是在數據結構、服務人群及應用場景等外部表象特征上，還是在信用理念、風險評估及技術方法等動態管理特征方面，大數據在征信、支付領域的應用都有效突破了傳統征信、支付的瓶頸，實現了跨越式的創新提升，具有截然不同的模式特征：

（一）數據結構的多元化

傳統征信、支付數據主要是依附于金融服務機構媒介，從事金融交易活動時所產生的結構化數據。包括客戶身份信息、資產負債情況及資金收付等大量歷史交易信息，這些數據對客戶信用分析判斷和風險識別計量等方面具有寶貴的價值。而大數據征信、支付不僅以結構化數據為主，還集合海量非結構化數據，包括視頻、音頻、圖像、文本、地理定位等全方位信息。通過深挖、分析客戶支付交易和消費信息等數據，準確把握客戶支付習慣和社交行為，全面多角度地反映客戶的消費能力和信用狀況，起到有效甄別客戶和防范風險的作用。

（二）服務人群的廣泛化

傳統征信主要服務于在央行征信系統、金融機構中持有信用記錄的人群，多為政府機關、事業單位及固定職業者等為代表的收入人群。大數據征信則是通過大數據技術捕獲傳統信用風險評估體系無法覆蓋的全部人群，包括自由職業者、小微企業主及農民工等為代表的收入人群。針對授信主體因信貸記錄缺失而無法正常獲取貸款或者被迫接受高定價的信貸服務困境，大數據征信旨在利用大數據技術重塑信貸發放審核路徑，完善傳統征信在理念、技術和方法上的不足，提升征信體系的整體覆蓋率，降低信貸資金成本。與此相應，傳統支付結算主要依賴于商家各自使用的支付渠道，包括微信、支付寶、銀聯、京東支付、ApplePay等各類支付方式。不同的支付手段僅服務于特定的用戶群體，為了吸引客戶、滿足用戶的支付需求，商家不得不開通盡可能多的支付渠道，由此消耗大量的人力、財力和時間。大數據支付則是將眾多的支付渠道集成在一個SDK中，運用聚合支付技術，將各類碎片化的支付方式整合成一種支付手段，讓商家一次對接全部支付手段，充分滿足不同類型客戶的各類支付方式需求。故而，大數據征信、支付覆蓋了傳統金融服務的盲區，有利于提升資源配置效率，促進普惠金融發展。

（三）應用場景的豐富化

支付和信用是整個金融體系當中最不可或缺、密不可分的兩個環節。因為所有的金融交易都有支付，而所有的支付對象與支付目標都有信用評估。所以，如果將支付和征信兩個環節的數據源有機結合在一起，就能構建出完整的客戶畫像和全面的信用評估，拓展出豐富的應用場景。因此，大數據征信和支付結算的應用范圍已不單純局限于銀行等傳統金融活動，而是以民生服務為出發點，實現跨行業的資源整合和聚合效應。應用場景從經濟領域擴展到公眾日常生活的諸多領域，涵蓋零售、餐飲、住宿、公交等方方面面，包括酒店預訂、求職婚戀、租房售車、保險簽證等各類信用履約支付生活場景。可以說，豐富的交易場景、便捷的支付流程和人性化的客戶體驗，推動大數據征信、支付規模化的應用，拓寬應用范圍的廣度和深度，在市場營銷支持、反欺詐、風險監測和賬款催收等方面都具有良好的表現，充分滿足大眾日常生活的需求，這也是技術紅利所創造的社會福祉。

（四）信用理念的延展化

傳統的征信、支付結算傾向于收集能夠反映消費者還款能力的相關數據，比如收入水平、資產信息、負債情況等信息，通過對消費者信貸記錄數據的挖掘，以此判斷消費者信用狀況和還款能力。而大數據征信、支付在傳統信用理念的基礎上進行了外拓和延展，賦予支付信用經濟更廣、更新的內涵，即“一切數據皆信用”。它不僅關注反映消費者還款能力的強相關數據，還通過各類弱相關數據的采集和加工，如消費者的消費偏好、性格特征、社交行為、興趣愛好、支付習慣等信息數據，以此挖掘消費者的潛在信用狀況和真實還款意愿。這些非常規數據本真是客觀世界的如實反映，是消費者真實社會生活的網絡映射。只有考慮消費者這些借款行為背后的線索及線索間的關聯性，才能提供深度有效的數據分析，如實反映出消費者的還款能力與意愿，降低支付欺詐率和信貸違約率。

（五）風險評估的全面化

在互聯互通信息時代，大數據征信、支付結算的信息來源更為多樣和廣泛，這些多維度的數據在一定程度上可以反映消費主體的行為習慣、消費偏好以及社會關系等，有利于全面評估消費主體的信用風險。以大數據為基礎的新型信用評估模型也摒棄了傳統評估模式對歷史支付、信貸數據的深度挖掘，更側重于消費主體實時、動態、交互的信息，以消費主體行為軌跡研究為基礎，尋找現有數據間的關聯性，以此精準預測其消費意愿、消費能力和消費穩定性，對消費主體的信用狀況做出全面準確評估。此外，大數據風險評估模型在傳統綜合建模的基礎上引入機器學習算法技術，生成數以萬計的風險變量，再利用身份證模型、預付能力模型、欺詐模型、還款能力模型、還款意愿模型、穩定性模型等不同的預測模型進行分析，從多個評估維度對消費主體的信用支付能力進行評價，評估結果更加全面精準。

（六）技術方法的多樣化

大數據征信、支付并沒有顛覆傳統支付征信的基本職能，而是更加注重大數據技術的創新應用。通過技術手段的持續升級和數據處理能力的不斷提升，充分挖掘和分析現有數據資源的廣度和深度，研發出高技術含量的產品和服務，滿足社會多層次、全方位、專業化的征信、支付需求。具體而言，在數據采集環節，利用網絡爬蟲、數據全映像等收集技術，抓取獲得各種類型的結構化、半結構化和非結構化的海量數據；在數據存儲環節，利用分布式文件系統、異構數據的數據融合技術等，將采集到的混雜數據進行存儲和調用；在數據分析環節，利用機器學習方法、統計方法、神經網絡方法和數據庫等方法，從大量、不完全、有噪聲和隨機的數據中挖掘探索變量之間的相互聯系；在數據建模環節，利用決策樹、邏輯回歸、隨機森林、關聯規則和聚類技術等多種方法，將線上、線下的數據相融合，勾畫出精準的信用評估全景圖。

二、大數據技術在我國征信、支付領域的應用情況

隨著互聯網、云計算的迅速發展，大數據技術得到了日益廣泛的應用，這對我國的征信和支付行業都產生了深刻的影響。通過對海量、多樣化的數據進行價值挖掘和技術萃取，全方位和多維度地為消費主體“信用畫像”，提高了信用評價的全面性和實時性，提升了支付結算的資源配置效率，強化風險管控能力，有效促進了征信、支付行業的創新發展。

（一）大數據技術在征信領域的應用

對于征信行業而言，數據處理和產品形成是征信系統運轉的核心。大數據技術的進步不斷推動征信數據的可得性，推動傳統信用評分模型的升級轉變，實現征信數據和征信模型質的飛躍，促使征信行業從最初的定性分析邁入全面量化分析階段，形成了豐富多樣的信用產品和應用場景，重構了社會征信體系。

1.反映電商信用行為的芝麻信用

芝麻信用，是螞蟻金服旗下獨立的第三方征信機構，通過云計算、機器學習等技術客觀呈現個人的信用狀況，已經在信用卡、消費金融、融資租賃、酒店、租房、出行、婚戀、分類信息、學生服務、公共事業服務等上百個場景為用戶、商戶提供信用服務。征信數據主要基于阿里巴巴的電商交易數據和螞蟻金服的互聯網金融數據，并與公安網等公共機構以及合作伙伴建立數據合作，數據涵蓋了信用卡還款、網購、轉賬、理財、水電煤繳費、租房信息、住址搬遷歷史、社交關系等。芝麻信用以芝麻分來直觀呈現信用水平，主要包含了用戶信用歷史、行為偏好、履約能力、身份特質、人脈關系五個維度，分值范圍從350分到950分劃分為5個等級，分數越高代表信用程度越好，違約可能性越低。持續的數據跟蹤表明，芝麻分越高代表信用水平越好，在金融借貸、生活服務等場景中都表現出了越低的違約概率，較高的芝麻分可以幫助個人獲得更高效、更優質的服務。

2.反映互聯網社交行為的騰訊信用

騰訊信用是騰訊征信推出的個人征信管理平臺，騰訊信用主要基于歷史行為信息，通過采集不同維度的信息，運用大數據、機器學習以及傳統統計方法相結合的技術手段，按照“履約、安全、財富、消費、社交”五大指數來客觀反映用戶的信用水平，從而得出用戶的守信指數。還為用戶帶來一定的金融特權和生活特權服務，金融特權包括現金借貸、銀行辦卡和消費分期等服務，生活特權包括信用出行等服務。騰訊征信的數據更多的是社交數據和支付數據，其征信產品主要有兩大類別：一類是反欺詐產品，包括人臉識別和欺詐評測。主要服務對象包括銀行、證券、保險、消費金融、小貸、P2P等商業機構，它能幫助企業識別用戶身份，防范涉黑賬戶或有組織欺詐，發現惡意或者疑似欺詐客戶，避免資金損失。還有一類是信用評級產品，主要為個人提供信用評分和信用報告。

3.反映金融業務數據的前海征信

前海征信是中國平安保險（集團）股份有限公司旗下全資子公司，其數據來源的合作機構近1 500家，覆蓋中小銀行、小貸、P2P、保險、投資、銀行、信用卡、財富管理、眾籌等各種類型，其中銀行客戶達100多家，涵蓋股份制商業銀行、區域性商行、農商行等，與金融業務相關的數據占比超過60%。從前海征信的業務布局來看，其產品體系以貸前、貸中、貸后來布局，包括欺詐類，信用類等幾十款征信產品，為金融機構提供全流程的風控解決方案。此外，前海征信尤其重視互聯網金融領域，針對中國互聯網金融發展現況，定制了靈活、完整的產品體系，能滿足互聯網金融機構和傳統金融機構各種不同的風控需求。

4.反映借款人風險的好貸云風控

好貸云風控是好貸網和全球最大的個人信用評分機構FICO（費埃哲）共同打造的大數據風控平臺，整合征信公司、司法數據、工商數據、消費數據等重要數據源頭，構建了金融貸款機構風控所需全行業各領域的風險數據庫，全方位有效掌控信貸機構的個人、企業客戶的風控數據，形成迄今為止最極致的風險控制和監測體系。好貸云風控整合8大風控數據類別，30個風控識別領域，6 000個識別維度，風險數據庫中包括反欺詐風險名單庫、重大風險識別名單庫、貸款申請記錄名單庫的數據，合計已超過7 000萬條，與央行征信報告有效互補，方便信貸機構從更多角度交叉核驗借款人的借款資質和潛在風險狀況，協助其大幅提高反欺詐識別和信用風險識別能力，同時結合FICO的信貸決策引擎為信貸機構提供服務。

5.第三方數據服務商的華道征信

華道征信是由深圳市銀之杰科技股份有限公司聯合北京創恒鼎盛科技有限公司、清控三聯創業投資（北京）和新奧資本管理有限公司四家機構共同發起設立的。目前該機構只做個人征信業務，不參與企業征信。華道征信并無自有的數據渠道，其數據來源主要有五個方面：一是來源于廣大小微貸機構的信貸數據；二是與公安部建立實時驗證的公安司法數據；三是通過億美軟通渠道整合的運營商數據；四是通過新奧能源掌握的居民燃氣等公共事業數據；五是與京東等握有大量網絡數據的互聯網巨頭合作采集的網絡痕跡數據。相對于其他征信機構來說，華道征信的產品相對較少，主要包括“同業征信聯盟”產品，著力于反欺詐；“豬豬分”征信產品，用于了解租房信用。

（二）大數據技術在支付結算領域的應用

對于支付結算行業而言，數據與支付的結合開啟了移動支付的新時代。移動支付產品正呈現多元化的發展態勢，支付模式多種多樣，包括NFC近場支付、無卡支付、二維碼支付、聲波支付、藍牙支付以及第三方支付推出的各類外接方案等新型支付模式。從產業上看，移動支付已初步形成三類可信生態圈格局，包括銀行主導的手機銀行+NFC移動支付生態圈、第三方支付機構主導的包括電商和社交等支付生態圈、以及由運營商主導的依托線下的ATM、POS機與銀聯合作的NFC移動支付生態圈。從應用上看，移動支付也從原有的單一支付應用向多元化的移動應用發展。

1.反映聚合支付能力的Ping++

Ping++是上海簡米網絡科技有限公司旗下的聚合支付品牌。作為開發首選的支付聚合平臺，為逾萬家商戶提供支付服務，是TOB領域領先的第三方支付解決方案提供商。其支持的支付渠道包括支付寶、微信支付、銀聯、Apple Pay、招行一網通、百度錢包、京東支付、易寶支付、Visa、MasterCard、JCB 等；支持的支付場景包括手機 App 支付、移動HTML5支付、線上與線下掃碼支付、PC 網頁支付、微信公眾號支付、微信紅包、代付等各類方式。公司在2016年通過了全球最嚴格支付數據安全認證 PCI DSS 認證，整個交易系統具有極高的安全性和穩定性，對于客戶隱私數據有著最高級別的安全保障措施。Ping++ 的大數據增長智能系統，一方面根據用戶忠誠度和流失風險精準劃分用戶群體，快速定位用戶激勵的最佳時間點，精準計算獲客的投入產出比。另一方面，運用直觀的關聯交易為用戶畫像，科學衡量用戶忠誠度、流失風險和消費能力，并結合消費習慣分析，對用戶進行分群和精細化運營。

2.反映支付創新的天天富

優秀的數據分析和運用是支付創新的關鍵，“天天富”互聯網金融服務平臺、“全民惠”O2O應用、“大華捷通”電子商務物流平臺等，都是銀聯商務基于大數據的創新應用。成立于2013年的“天天富”平臺是銀聯商務建立的中國首個B2B互聯網金融服務平臺。平臺通過大數據分析商戶真實POS交易流水，進行風險評估和綜合信用評估后，在650萬龐大的中小微商戶客戶群和金融機構之間搭建的數據信息撮合平臺，為客戶提供集融資、消費貸、保理、理財、互聯網車險等全方位一攬子金融綜合服務。截至2017年底，“天天富”已成功為100多萬商戶及個人用戶提供了5 400多億元的應急資金貸款服務和350多億元的理財服務，使眾多中小微商戶以及個人成為了“普惠金融”的實際受益者。其在普惠金融服務領域的創新卓越表現再獲業界肯定，榮膺“2017年度最佳普惠金融服務平臺”大獎。

三、大數據技術在我國征信、支付領域所面臨的挑戰

綜上所述，結合產業特點和經濟發展的社會需求，我國大數據技術在征信、支付領域已經做出了積極的探索，在推動產品、技術、商業模式等方面也積累了一定經驗。但是，值得注意的是，大數據作為新興技術，在實際操作和發展中，仍面臨數據資源的開放性不足、數據資源的挖掘深度不夠、數據資源的安全性不強等諸多挑戰。

（一）數據資源的開放性不足

從數據運用效果看，不同征信機構之間數據的采集和運用標準彼此不同，數據資源共享仍然存在難度。由于不同的大數據征信產品側重點不同，有的傾向電商信用行為，有的側重互聯網社交行為，有的反映借款人風險等，不同征信信息僅在各家平臺內形成了“閉環”流轉，難以實現數據信息的自由流動和共享。因此，征信平臺彼此之間信息較為分散、不能形成對接，缺乏統一的征信模型和評分標準，容易形成各類“信息孤島”，難以實現數據的互聯互通、共享共利。 和其他大數據行業相比，大數據支付行業則受到更多的行業監管，存在更高的數據壁壘，數據之間的打通難度較高，各數據源之間不能形成合力，使數據的大部分潛力難以發揮作用。因此，未來如何在監管制度之下，通過產品的創新發揮支付、征信數據的更大價值，將是大數據征信、支付行業的重點課題之一。

（二）數據資源的挖掘深度不夠

不同的應用對大數據有著不同的理解，大數據技術在征信、支付領域之所以興起，并不僅僅依靠數據多，技術支撐和算法模型不可或缺。憑借先進的IT技術，大數據將碎片化的信息進行整合挖掘，通過人工智能算法模型在支付、客戶與風險之間建立量化關系，由此形成真正有用的大數據。因此，大數據的核心競爭力在于其強大的數據挖掘能力和模型開發能力，將機器學習領域比較成熟的技術創造性地用于傳統的征信、支付領域。但就我國目前實際應用結果看，征信與支付領域自身并不缺數據，缺少的是對數據維度和關聯度的深度挖掘，并將數據能真正有效的落在應用場景之中。影響的因素中除數據共享局限導致數據采集維度不夠寬泛的原因外，還包括數據質量不足、分析速度緩慢等制約因素。一方面數據缺失、數據重復、數據錯誤和數據格式不統一等數據質量問題，導致大數據技術對數據信息提取失真，容易發生客戶系統分析信用錯判、誤判的現象。另一方面，現有數據的標準化程度較低、分散度較高，數據采集和應用能力難以滿足規模化的數據分析要求，不能形成精準、動態的實時響應，大數據技術對數據應用需求處理速度的緩慢性將制約其進一步發展。

（三）數據資源的安全性不強

大數據具有可復制、全流動、高價值等特性，這些特性為數據安全管理帶來了新的挑戰。一是大數據的來源渠道非常復雜，有來源于政府公開信息的，有來源于市場交易信息的，還有大量社交行為信息。這些信息來源權屬不明、規則和標準缺失，普遍存在不可追溯、不可異議、不可糾錯，對信息主體的隱私防護帶來巨大挑戰，侵害信用主體的風險加大。二是在數據采集、數據存儲和移動支付過程中，難以完全規避黑客的有意入侵和病毒攻擊的威脅，一旦發生數據竊取、數據泄露、數據篡改和智能欺詐的情況，將對消費主體的隱私和權益造成侵害。三是征信和支付機構的數據采集和使用多源于并應用于自身開展的業務，突破了“獨立第三方”的邊界。在追逐利益的背景下，數據加工分析后所產生的有效性和真實性將難以獲得保障，公信力受到質疑。

四、促進大數據技術在我國征信、支付領域發展的對策

雖然大數據技術在征信、支付領域的創新應用為我國經濟金融發展帶來了全新理念和技術路線，各方機構都在爭相布局大數據征信、支付領域，但參與主體往往多是各自為戰、難成全局。為了順應大數據、云計算、人工智能和區塊鏈等技術的快速發展趨勢，推動大數據信息更具全面性、多維性和權威性，我們應構建一個面向大眾、開放共享、互聯互通的大數據征信、支付平臺，使得大數據技術真正服務大眾、便民惠民，共筑良性的大數據征信、支付生態系統。

（一）完善大數據法規體系和業務監管

“國無法不治、民無法不立”。自2013年起，我國陸續頒布了一系列法律法規，為征信、支付業的健康發展構建了法律制度框架。包括《征信業管理條例》、《征信機構管理辦法》、《關于推動移動金融技術創新健康發展的指導意見》以及《促進大數據發展行動綱要》等制度意見的頒布，規范了信息提供者、信息使用者以及征信機構的行為，有利于消費主體的權益保障。但大數據技術在征信、支付過程中涉及更多的是個人隱私保護，需要我們從個人信息界定、信息采集標準、信息使用授權、信用評定告知等方面補充規范，落實信息的所有權、知情權和控制權，嚴格市場準入機制，建立糾紛解決機制，完善侵權責任追究制度，促進行業健康發展與權益主體合法利益之間的平衡與協調。此外，在業務監管層面，要逐步加快大數據征信、支付應用產品的標準規范，對產品監管體系、范圍及程序進行完善和擴充，實施差異化的分類監管和動態監管制度，強化行業自律和量化考核，提升服務的透明度和公正性，推動大數據技術在征信、支付領域的健康、有序和穩定發展。

（二）完善大數據共享機制和技術規范

數據越開放越有價值，數據的關聯性越強、應用范圍越廣，數據創造的價值就越大。因此，加快政府數據資源的整合，推進公共數據資源的開放，將私有大數據變為公共大數據，建立集中統一的大數據庫，實現互聯互通的大數據系統，已逐漸被各級政府和企業所認識，全球正共享數據開放所帶來的社會效益和商業價值。我國政府也著力推動數據開放，一方面國務院在《促進大數據發展行動綱要》中提出，到2018年中央政府層面實現金稅、金關、金財、金審、金盾、金宏、金保、金土、金農、金水、金質等信息系統通過統一平臺進行數據共享和交換。另一方面，在發改委發布的《國家發展委員會辦公廳關于請組織申報大數據領域創新能力建設專項通知》中明確提到要建設大數據流通與交易平臺，用以支撐數據共享，為數據使用者提供更豐富的數據來源。此外，要實現關鍵領域的數據統一，促進層級數據資源的整合，共建互利共享的數據系統，推動大數據標準規范建設是重要抓手。首先，應制定統一數據目錄，統一內容和格式標準，規范數據接口和標準，克服數據流動的組織障礙和技術障礙。其次，要加大數據治理力度，運用數據清洗和篩選技術，多維度交叉驗證數據的有效性，增強數據的真實性、完整性和準確性，減少信息不對稱的發生。最后，在縱向行業數據平臺的基礎上，開展跨行業、跨領域應用合作，通過映射關聯方式構建全方位、全國性的大數據平臺，實現數據的“穿透式”管理，形成數據的相互補充和互惠互利，促進大數據技術在社會經濟各領域的價值實現。

（三）完善大數據安全防護和產品創新

數據的安全可信是大數據技術應用的底線，也是大數據征信、支付系統得以長久運營的基本前提。加強數據信息的安全防護、確保信息數據的安全可靠成為社會公眾最關心的直接利益，也是大數據監管體系最關注的焦點。因此，大數據系統運營保障必須依托安全可靠的操作系統，采取高新技術和分布式數據云的結構確保信息數據存儲與傳輸的安全，及時進行數據脫敏和模糊化處理工作，形成覆蓋從數據源頭采集到數據存儲及模型分析等全流程的安全管控和源頭追溯。同時，制定明確的數據安全使用標準，對大數據的使用權限、范圍、方式和安全機制等，進行嚴格的規范化、標準化管理，提高大數據服務安全性，有效防范欺詐風險及其外溢效應。此外，在推動傳統征信、支付發展的同時，我們還應開展前瞻性的數據分析研發工作，鼓勵大數據技術的協同創新，深入進行傳統征信、支付產品與大數據技術的復合創新，深化各類大數據場景的具體應用，為客戶提供“支付+征信+數據+產品”的全方位解決方案，實現線上線下兩者之間互為表里、相互競爭、相互推動的發展格局，驅動整個征信、支付市場的轉型升級。

主要參考文獻：

[1]孔德超.大數據征信反思—基于個人征信視角[J].現代管理科學，2017（9）.

[2]陳小梅.我國大數據征信業發展實踐與完善路徑[J].福建金融，2017（12）.

[3]張健.大數據征信的創新特點、問題及優化路徑[J].電子商務，2018（1）.