(電子商務(wù)研究中心訊) 隨著《征信業(yè)管理?xiàng)l例》出臺，至2014年底，有50多家企業(yè)征信機(jī)構(gòu)完成備案，到2015年初，央行又批復(fù)8家個人征信機(jī)構(gòu)，這其中有互聯(lián)網(wǎng)巨頭開設(shè)的、有保險公司等金融機(jī)構(gòu)開設(shè)的，有老牌征信公司，以及擁有數(shù)據(jù)資源的新興公司，第一批持牌經(jīng)營征信業(yè)務(wù)的機(jī)構(gòu)正式誕生，我國征信市場步入多元化發(fā)展。
全球征信行業(yè)發(fā)展各異，市場自然壟斷
全球征信行業(yè)的發(fā)展道路不一，沒有統(tǒng)一范式。如：法國、德國、意大利屬于政府驅(qū)動型模式，借助于中央銀行建立的“中央信貸登記系統(tǒng)”，強(qiáng)制金融機(jī)構(gòu)定期提供金融數(shù)據(jù)；美國、加拿大、英國是市場驅(qū)動型模式，民營征信機(jī)構(gòu)來收集、加工個人和企業(yè)的信用信息，為需求方提供產(chǎn)品和服務(wù)；日本采用的是行業(yè)協(xié)會會員制模式，銀行行業(yè)協(xié)會建立征信機(jī)構(gòu)“日本個人信用信息中心”，負(fù)責(zé)對消費(fèi)者個人或企業(yè)進(jìn)行征信，會員銀行可以共享信息。
以上三種模式，在市場特征呈現(xiàn)自然壟斷，行業(yè)外溢效應(yīng)突出，表現(xiàn)為行業(yè)規(guī)模孝社會效益大。(以美國為例，Experian，TransUnion、Equifax及FICO模型提供商作為征信核心機(jī)構(gòu)，覆蓋85%左右的美國公民率，90%的金融機(jī)構(gòu)使用其作為授信重要參考標(biāo)準(zhǔn)。)
國內(nèi)征信機(jī)構(gòu)模式單一，競爭壓力劇增
中國的企業(yè)和個人征信發(fā)展是典型的市場需求驅(qū)動型的發(fā)展模式，在沒有健全的法律法規(guī)、沒有優(yōu)秀的實(shí)踐先例的情況下，國內(nèi)征信機(jī)構(gòu)均是根據(jù)市場需求和國際經(jīng)驗(yàn)，以傳統(tǒng)的“信用報告+增值服務(wù)”的商業(yè)模式來運(yùn)營的(以央行征信中心為例：個人和企業(yè)征信報告+動產(chǎn)融資質(zhì)押登記和應(yīng)收賬款融資服務(wù)等增值服務(wù))。
同時，一批狼性十足、不按常理和規(guī)則出牌、以領(lǐng)先技術(shù)與征信相結(jié)合的市場新入者正在進(jìn)入征信行業(yè)。他們以互聯(lián)網(wǎng)新金融、大數(shù)據(jù)新業(yè)態(tài)進(jìn)入行業(yè)，最慣用的策略是靠炒作去忽悠公眾，博眼球賺名頭掙市場份額；同時，通過股權(quán)聯(lián)盟、兼并重組、技術(shù)革新占領(lǐng)市場，獲取市場優(yōu)勢。我們的很多行業(yè)，如汽車、零售、支付等都經(jīng)歷過或正在經(jīng)歷這些變革。
央行征信中心作為目前行業(yè)基礎(chǔ)和先行者，以及作為“金融信用信息基礎(chǔ)數(shù)據(jù)庫”專業(yè)運(yùn)行機(jī)構(gòu)的天然優(yōu)勢毋庸置疑(截至2014年10月底，征信系統(tǒng)收錄1963萬戶企業(yè)及其他組織和8.5億自然人)。而且央行征信中心也絕不會僅僅滿足于面向社會征信機(jī)構(gòu)開放數(shù)據(jù)，只做“數(shù)據(jù)批發(fā)商”。在依法行政和社會治理、經(jīng)濟(jì)管理轉(zhuǎn)型發(fā)展的大環(huán)境下，他們不可避免地面臨著去行政化、去壟斷化、去專營化的態(tài)勢，面臨市場競爭的壓力會與日俱增。
僅有數(shù)據(jù)難以形成核心競爭力
縱觀國外情況，在激烈的競爭環(huán)境下，經(jīng)過長期的博弈和兼并，市場形成自然壟斷，而生存下來的機(jī)構(gòu)都有很強(qiáng)的競爭力。在我國，最終可能也只會有少數(shù)幾家大型征信機(jī)構(gòu)，但僅以“信用報告+增值服務(wù)”這種單一的商業(yè)模式是很難在競爭中取得優(yōu)勢的，那么征信機(jī)構(gòu)在未來的發(fā)展憑什么安身立命？
有很多聲音說是數(shù)據(jù)，數(shù)據(jù)是征信機(jī)構(gòu)的核心，數(shù)據(jù)質(zhì)量是征信機(jī)構(gòu)的生命線。央行坐擁8億多個人、近2000萬企業(yè)數(shù)據(jù)，但是他們的服務(wù)能力、響應(yīng)市場需求的速度、服務(wù)平臺是和互聯(lián)網(wǎng)企業(yè)完全不能比較的。而互聯(lián)網(wǎng)巨頭公司所謂的大數(shù)據(jù)征信停留在“看上去很美”的階段，海量的網(wǎng)上交易流水?dāng)?shù)據(jù)和網(wǎng)絡(luò)社交平臺行為信息，也是對征信系統(tǒng)數(shù)據(jù)的“注水”過程(《征信業(yè)管理?xiàng)l例》明確征信系統(tǒng)已經(jīng)定位為“金融信用信息基礎(chǔ)數(shù)據(jù)庫”，這一定位決定了征信系統(tǒng)服務(wù)的核心在金融領(lǐng)域)。如網(wǎng)上交易頻次、交易爽約次數(shù)、網(wǎng)購假貨差評、網(wǎng)購?fù)素浻涗洝⒕W(wǎng)上社交行為等記錄，無論描述性的、紀(jì)實(shí)性的還是屬于“污點(diǎn)”性的記錄，很難被主流金融機(jī)構(gòu)所運(yùn)用。
在數(shù)據(jù)被所有機(jī)構(gòu)都重視并開始沉淀數(shù)據(jù)、把控?cái)?shù)據(jù)質(zhì)量時(法律允許所有征信機(jī)構(gòu)都可以依法獲得納入征信數(shù)據(jù)分析維度的信息，就意味著目前所有的征信機(jī)構(gòu)，都有獲得這些信息的權(quán)利)，征信機(jī)構(gòu)在市場競爭中憑什么生存？
美國新興機(jī)構(gòu)ZestFinanc的“服務(wù)能力和應(yīng)用場景”
ZestFinance是美國一家成立于2009年的專門提供信用評估服務(wù)的機(jī)構(gòu)，服務(wù)人群定位比較清晰，一是信用記錄不完整或者不夠完善的人群(約占總體15%)，二是信用分?jǐn)?shù)低而借貸成本高的人群。ZestFinance利用大數(shù)據(jù)技術(shù)重塑審貸過程，為這些難以獲得傳統(tǒng)金融服務(wù)的個人創(chuàng)造可用的信用，降低他們的借貸成本。
ZestFinance以大數(shù)據(jù)技術(shù)為基礎(chǔ)采集多源數(shù)據(jù)，一方面繼承了傳統(tǒng)征信體系的決策變量，重視深度挖掘授信對象的信貸歷史。另一方面，將能夠影響用戶信貸水平的其他因素也考慮在內(nèi)，如社交網(wǎng)絡(luò)信息、用戶申請信息等，從而實(shí)現(xiàn)了深度和廣度的高度融合。這里要強(qiáng)調(diào)的是，作為一家新興互聯(lián)網(wǎng)金融公司，ZestFinance并不是完全擺脫傳統(tǒng)征信體系，在ZestFinance進(jìn)行信用評估時，傳統(tǒng)征信數(shù)據(jù)要占到至少30%。
ZestFinance的數(shù)據(jù)來源十分豐富，依賴于結(jié)構(gòu)化數(shù)據(jù)的同時也導(dǎo)入了大量的非結(jié)構(gòu)化數(shù)據(jù)。對于ZestFinance進(jìn)行信用評估最重要的數(shù)據(jù)還是通過購買或者交換來自于第三方的數(shù)據(jù)，既包含銀行和信用卡數(shù)據(jù)，也包括法律記錄、搬家次數(shù)等非傳統(tǒng)數(shù)據(jù)。另外，它還包括大量的非傳統(tǒng)數(shù)據(jù)，如借款人的房租繳納記錄、典當(dāng)行記錄、網(wǎng)絡(luò)數(shù)據(jù)信息等，甚至將借款人填寫表格時使用大小寫的習(xí)慣、在線提交申請之前是否閱讀文字說明等極邊緣的信息作為信用評價的考量因素。多維度的征信大數(shù)據(jù)可以使得ZestFinance能夠不完全依賴于傳統(tǒng)的征信體系，對個人消費(fèi)者從不同的角度進(jìn)行描述和進(jìn)一步深入地量化信用評估。
ZestFinance的信用評估分析原理，融合多源信息，采用了先進(jìn)機(jī)器學(xué)習(xí)的預(yù)測模型和集成學(xué)習(xí)的策略，進(jìn)行大數(shù)據(jù)挖掘。首先，數(shù)千種來源于第三方(如電話賬單和租賃歷史等)和借貸者的原始數(shù)據(jù)將被輸入系統(tǒng)。其次，尋找數(shù)據(jù)間的關(guān)聯(lián)性并對數(shù)據(jù)進(jìn)行轉(zhuǎn)換。再次，在關(guān)聯(lián)性的基礎(chǔ)上將變量重新整合成較大的測量指標(biāo)，每一種變量反映借款人的某一方面特點(diǎn)，如詐騙概率、長期和短期內(nèi)的信用風(fēng)險和償還能力等。然后將這些較大的變量輸入到不同的數(shù)據(jù)分析模型中去。最后，將每一個模型輸出的結(jié)論按照模型投票的原則，形成最終的信用分?jǐn)?shù)。
ZestFinance打造了一個“以傳統(tǒng)征信體系+大數(shù)據(jù)技術(shù)”的服務(wù)平臺，為難以獲得傳統(tǒng)金融服務(wù)的個人提供信用評估服務(wù)，同時，也正在向信用風(fēng)險管理的其他領(lǐng)域縱深擴(kuò)展，創(chuàng)造一個又一個的應(yīng)用場景，如ZestFinance推出的收債評分(CollectionScore)，具體應(yīng)用在汽車金融、學(xué)生貸款和醫(yī)療貸款。
ZestFinance的體量雖然不大，目前僅為10萬美國人提供了服務(wù)，在美國的影響力也有限，但是為征信業(yè)的變革注入了活力，特別是對于中國的征信體系的建設(shè)會有一定的啟示作用。
中國式的“大數(shù)據(jù)征信+FICO評分”
在中國，雖然沒有像美國那樣完善的征信體系做支撐，但同樣有傳統(tǒng)征信與大數(shù)據(jù)征信技術(shù)相結(jié)合并且發(fā)揮很強(qiáng)化學(xué)作用的實(shí)例。北京宜信致誠信用評估有限公司(簡稱：致誠征信)作為互聯(lián)網(wǎng)金融“一哥”宜信的子公司，在從事征信領(lǐng)域有著顯著優(yōu)勢。致誠征信打造了一個金融云平臺為自身的大數(shù)據(jù)采集和分析所服務(wù)。
金融云平臺打通了宜信及其合作伙伴的數(shù)據(jù)。宜信在P2P行業(yè)有9年積累，用戶已過百萬。實(shí)際上，只要與宜信有過接觸的用戶，他們曾提交過的信用報告、聯(lián)系人信息、教育水平、工資單、銀行流水等一系列傳統(tǒng)征信數(shù)據(jù)。同時，還有線上和線下的合作伙伴所提供的數(shù)據(jù)源。同時，通過金融云平臺，致誠征信專門做了一個搜索引擎，在獲得個人授權(quán)許可的情況下，搜索引擎會抓取個人在互聯(lián)網(wǎng)上留下的電商購買數(shù)據(jù)、搜索引擎數(shù)據(jù)、社交數(shù)據(jù)等多個維度的數(shù)據(jù)。除此之外，還有大量散落在網(wǎng)上的公開數(shù)據(jù)，這些數(shù)據(jù)也會被抓取。
與ZestFinance一樣，致誠征信所采集的數(shù)據(jù)也是結(jié)構(gòu)化的數(shù)據(jù)以及大量非結(jié)構(gòu)化的數(shù)據(jù)，而要通過相應(yīng)的數(shù)據(jù)分析和挖掘技術(shù)輸出每個人的信用評估結(jié)果，就要賴以致誠征信金融云平臺的機(jī)器學(xué)習(xí)智能化分析。致誠征信開發(fā)了十余個基于機(jī)器學(xué)習(xí)的分析模型，對每個人的超過1萬條數(shù)據(jù)信息進(jìn)行分析，并得出超過7萬個可對其行為做出測量的指標(biāo)，在5秒鐘內(nèi)就能全部完成。在此基礎(chǔ)上預(yù)設(shè)一些規(guī)則引擎(可以理解為一些基礎(chǔ)的算法)，引導(dǎo)系統(tǒng)做出一些基本的判斷和決策。這種機(jī)制的決策性能遠(yuǎn)遠(yuǎn)好于業(yè)界的平均水平。未來，收集和整理數(shù)據(jù)的門檻會降低，而利用機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)分析和挖掘的能力會成為關(guān)鍵。
在金融云平臺強(qiáng)大支持下，致誠征信首席科學(xué)家鄭茂林博士(曾在美國FICO公司工作多年，負(fù)責(zé)決策優(yōu)化、信用評分模型技術(shù)的研究和開發(fā)，由其發(fā)明的大規(guī)模決策優(yōu)化算法獲美國專利，每年為FICO公司帶來數(shù)千萬美元的收入)利用其在FICO的經(jīng)驗(yàn)，結(jié)合中國國情及金融云平臺大數(shù)據(jù)分析結(jié)果設(shè)計(jì)專有預(yù)測模型，能夠挖掘出歷史數(shù)據(jù)關(guān)聯(lián)性，用以對未來事件進(jìn)行預(yù)測，最終用分?jǐn)?shù)來表示事件發(fā)生的可能性。同時，以社交網(wǎng)絡(luò)分析技術(shù)，進(jìn)行身份識別和社交網(wǎng)絡(luò)分析，理清不同組織、個人、事件等實(shí)體之間的關(guān)系，在這個基礎(chǔ)上能長出很多應(yīng)用場景，比如獲客、實(shí)時授信、產(chǎn)品個性化推薦、貸后管理等。這些技術(shù)在信用評估和反欺詐領(lǐng)域都是頂尖的實(shí)踐。
事實(shí)上，征信產(chǎn)業(yè)鏈?zhǔn)且粋€相對簡單的鏈條，從上游到下游分別是：數(shù)據(jù)供應(yīng)商、征信核心機(jī)構(gòu)、征信需求方。不難看出，筆者在這里列舉的中外典型案例中征信機(jī)構(gòu)均是以強(qiáng)大的服務(wù)平臺為依托，在此基礎(chǔ)上建立不同的應(yīng)用場景進(jìn)行縱深擴(kuò)展，而且其基于大數(shù)據(jù)的信用評估模型也越來越受到關(guān)注和效仿。大數(shù)據(jù)征信給我們這樣一個邏輯，多維數(shù)據(jù)可以在征信領(lǐng)域廣泛運(yùn)用，關(guān)鍵是找到一種合適的商業(yè)模式，達(dá)到社會認(rèn)同的商業(yè)效果。（來源：未央網(wǎng)）
