大數據下個人征信體系研究

摘要：近年來互聯網金融發展迅速，為了彌補傳統個人征信覆蓋面不廣等問題，大數據征信孕育而生。目前，我國征信業發展迅速，以芝麻信用、騰訊征信為代表的大數據征信機構發揮著越來越重要的作用。但是總體來說，我國大數據征信還處于起步階段，如個人隱私安全問題、監管措施的不完善、征信模型的可信度等等。本文主要研究大數據個人征信的特點、發展歷程和未來發展趨勢。

關鍵詞：個人征信;大數據技術;發展

一、引言

隨著人類社會的不斷進步，征信業務從無發展至今，其重要性不言而喻，已經滲透到人們生活的方方面面。征信分為個人征信與企業征信，是個人或企業進行信貸活動最重要的憑證之一。本文主要聚焦個人征信。

近年來隨著互聯網技術的飛速發展，數據獲取及處理方式呈爆炸式增長，大數據時代已經來臨。伴隨著互聯網金融的興起，大數據征信已經進入大家的視野。相對于傳統征信如央行通過統計信用卡等信息的征信，大數據征信擁有著很多優勢[1]。

當然，大數據下個人征信還處于剛剛起步的階段，目前還存在著許多問題，比如用戶信息的隱私保護、信息權利的歸屬問題等等。現如今，大數據個人征信已經是征信體系中必不可少的一環，無論是租房、出行還是信用卡消費模式都已經離不開螞蟻金服、騰訊征信這些互聯網機構了。

二、大數據下個人征信體系建設

（一）大數據下的個人征信

大數據下的個人征信，是指包括網絡交易、經商等經濟和社會活動中產生的個人信用信息，利用現代通訊與信息處理技術進行處理后得出結論，并提交公司、機構或個人使用。這些信息內容很多很雜且隨時變動，結合央行、政府等部門提供的信用信息，就可以相對完成的描繪出一個人的真實信用。

（二）大數據下個人征信的特點

（1）市場需求：從開始起步到需求旺盛

中國征信體系起步較晚、過程較慢。2000年到2010年之間，當時個人征信主要是為信用卡消費而服務的。而近幾年隨著互聯網金融的不斷發展，網絡支付的崛起，人們對于征信的需要越來越高。以人們熟知的支付寶“花唄”為例，數據顯示，在2020年“雙十一”開幕半小時，花唄的交易額已經達到了68億，成功交易3256萬筆。

（2）征信機構：從單一化到多元格局

中國最初又稱中國人民銀行征信，形式十分單一。主要是為了保護個人隱私，因此未將權利下放;另一方面是因為當時獲取數據途徑有限，沒有互聯網支持，完善的征信體系很難建立。而如今，隨著征信權利的下放，各類個人征信平臺已走上歷史舞臺。

（3）征信體系：從互不流通到趨向一體

中國征信體系一直都是采取政府主導的模式。可是政府部門、相關企業、征信機構之間的個人信息互不流通。這就導致在征信環節中所需的金融帶塊、移動通訊、教育、法院等信息互不流通，存在著很大問題。但大數據時代的到來很好地解決了這些問題。像法院的信息、信貸情況、欠費繳費這些基礎信息都可以合法合規的與征信機構存在聯系，為個人征信提供了良好的保障。

三、中國阿里巴巴“芝麻信用”案例介紹[2]

阿里巴巴螞蟻金服旗下“芝麻信用”有著自己的體系。“芝麻信用”主要通過互聯網與數據挖掘來計算征信對象的信用情況，主要用于包括金融、出行、住宿等生活各個方面，是現在人們最耳熟能詳的征信平臺。

（一）“芝麻信用”業務概況

從本質上來說，“芝麻信用”是一套征信系統，其獲取的途徑與阿里巴巴密切相關。可以看出，無論是天貓、淘寶這類網絡購物平臺還是支付寶、余額寶這類具有創新性的小額貸款都會為“芝麻信用”的增信過程提供海量數據。

在采集數據之后，阿里巴巴有一個通用的大數據業務平臺。“芝麻信用”所需要的數據無論是存儲再到處理，最后輸出都可以從該平臺完成，從而完成完整的征信過程。此外，由于阿里有著很多合作伙伴，都會以芝麻信用作為參考。最重要的是整個阿里體系都與政府部門、法院有著密切聯系，影響著我們生活中的方方面面[5]。

（二）“芝麻信用”的運行特點

（1）以“芝麻信用分”為基礎構建的征信模式

“芝麻信用”是國內第一個個人信用評分，在綜合考慮了客戶信用情況、行為模式、履約能力、身份特性、人脈范圍等方面之后得出了評分體系。首先他參考國際主流的FICO評分體系劃分五個等級：極好、優秀、良好、中等、極差，一般客戶在達到良好以上時會被人為信用較好，各類免租金等業務可以正常使用。這種評分體系非常簡單便捷。

（2）線上線下同時推廣芝麻信用評分

在線上方面主要涉及金融借貸領域，比如“花唄”、“借唄”等借貸領域。芝麻信用在“良好”以上可向“花唄”申請最高額度為3萬元的消費額度，可以在淘寶、天貓或是商家付款時使用。這已經成為現如今大部分人的主要消費模式。由于阿里與許多實體連鎖店都有聯系，芝麻信用也嘗嘗會在這些領域內有涉及。

（三）芝麻信用現存問題

（1）“刷信用”行為影響真實性

雖然芝麻信用從五個角度進行測算，但還是存在刷信用的情況。根據用戶反映的情況不難看出，高分用戶往往是高頻用戶，即高頻率使用淘寶、天貓、花唄等阿里旗下的服務，這顯然有一些不合理。這就給“刷信用”來提高芝麻信用分帶來了可能性。換句話說，若是用戶很少使用阿里旗下服務，其信用分將會很低，這是有失偏頗的。此外，阿里涉及的用戶極廣，包括沒有穩定收入的學生或是失業人員，但是其業務也有關借貸。若是通過刷信用的行為影響到了真實信用評分，違約風險將會很大程度上增加[4]。

（2）存在個人隱私保護風險

傳統央行的征信是完全客觀、安全地，對于客戶隱私保護十分完備。但是隨著大數據征信的開始，無論是用戶在支付寶上的支付情況還是淘寶上的購物記錄這些隱私都會伴隨著泄露風險。大數據時代獲取數據的難度降低，如何做到保護個人隱私是存在著的最大問題。“芝麻信用”數據來源于互聯網、傳輸于互聯網，一旦這些信息遭到攻擊泄露將會引起很大風險。

（3）與金融機構合作不足

“芝麻信用”作為現如今我國最重要的大數據征信機構，與金融機構的和做主要還是局限于支付方面。舉例來說，絕大部分銀行在信貸環節上還是利用傳統央行征信結果，但是這靈活性不夠，應用場景較少。因此，“芝麻信用”若想在金融領域有所突破，就必須解決與金融預購之間的合作問題。如何將其作為全國都認可的征信體系才是重中之重。

四、美國ZestFinance公司案例介紹

ZestFinance是美國一家數據風控模型公司，由谷歌前高管Douglas C. Merill創立，其征信評價模式在美國也名列前茅，為了更具參考價值，我們選取ZestFinance創新初期2012年-2015年的數據進行分析，以便為征信處于起步階段的中國提供一些有效的建議。

（1）先進的數據挖掘技術

ZsetFinance最大的優勢在于其強大的數據挖掘技術，從而能開發出更加實用、可靠的信用評估模型。從其公司規模上來看，目前直接服務的人群只有10萬人左右，規模較小。但是ZestFinance公司自運營以來取得了很好地業績，在同行業對比中名列前茅[3]。

（2）為弱勢群體服務的惠普金融思想

與一般征信機構不同的是，ZestFinance不是通過征信篩選高信用客戶進行服務的。他們最初的只為服務只能使用高利貸的人群，因此在金融界廣受好評。ZestFiance假設每一個客戶都是“好人”，盡管其信貸信息可能不完整或是存在明顯問題，該公司還是會通過其先進的數據挖掘技術客觀真實地反映客戶的信用狀況。

（3）對于大數據的理解和運用

雖然目前對于大數據還沒有一個明確的定義，但是ZestFinance公司認為大數據是指“準又多”的數據，需要從那么多數據中獲取有效數據并對其進行數據整合才能真正形成有用的大數據。

另外，ZestFinance對于數據運用的針對性很強。他們通常利用的是結構化大數據進行征信（與我國傳統央行征信形式類似），而并未采用復雜的大數據類型如文本數據、社交網絡數據等等。這主要是因為其主要服務的客戶的信用風險與這些復雜數據關聯度太低。幾年前，互聯網P2P公司lending club最早希望借助Facebook上架信貸產品，主要就是利用社交網絡數據，但結果很差。ZestFinance很好地吸取了這一教訓，更針對性地使用結構化大數據。

五、結語

目前來看數據主要來源于平臺累積數據，較為單一。大數據征信在獲取數據過程中，信用數據來源復雜多樣，且存在多重交易和多方接入的情況，隱私數據保護的邊界不清晰。近年來，我國連續出臺《征信業管理條例》、《征信機構管理辦法》等法律法規，較好地解決了以上這些問題。我國大數據個人征信剛剛起步還存在許多問題，但已是這時代人們日常生活不可或缺的一部分，因此需要各方不斷配合努力，加強創新，不斷開拓進取，才能很好地發揮大數據征信的作用[6]。

參考文獻：

[1]馮文芳，李春梅. 互聯網金融背景下大數據征信建設研究[J]. 國際金融，2015（10）：61-66

[2]李德紅. 大數據時代第三方征信機構發展分析[J]. 商業經濟，2016（1）：34-35

[3]劉新海，丁偉. 大數據征信應用與啟示——以美國互聯網金融公司ZestFinance為例[J]. 清華金融評論，2014（10）：93-98

作者簡介：李陽（1998-），男，上海人，碩士在讀，研究方向：金融科技。