近日，八家民營征信公司終于結(jié)束央行布置的大考。這就意味著，個人征信牌照將在近日頒發(fā)。一旦牌照正式頒發(fā)，就將打破央行征信中心一家獨(dú)大的格局，我國征信行業(yè)也將呈現(xiàn)“百花齊放”，而各大征信機(jī)構(gòu)推出的個人征信產(chǎn)品勢必成為大眾關(guān)注的新焦點(diǎn)。截至目前，阿里旗下的芝麻信用分、騰訊信用分、拉卡拉的“考拉分”、中誠信征信的“ 近日，八家民營征信公司終于結(jié)束央行布置的大考。這就意味著，個人征信牌照將在近日頒發(fā)。一旦牌照正式頒發(fā)，就將打破央行征信中心一家獨(dú)大的格局，我國征信行業(yè)也將呈現(xiàn)“百花齊放”，而各大征信機(jī)構(gòu)推出的個人征信產(chǎn)品勢必成為大眾關(guān)注的新焦點(diǎn)。截至目前，阿里旗下的芝麻信用分、騰訊信用分、拉卡拉的“考拉分”、中誠信征信的“萬象分”、華道征信的“豬豬分”、前海征信的“好信度”等都已陸續(xù)上線或開始內(nèi)測，并且開始嘗試與機(jī)構(gòu)合作測試。百家爭鳴的征信行業(yè)是否能長驅(qū)直入，大步邁進(jìn)，其應(yīng)用市場前景會是乘風(fēng)破浪抑或只是場“希望在田野上”的意淫，其中趨勢尚待探究！

細(xì)數(shù)評分維度，民營征信補(bǔ)全場景金融數(shù)據(jù)

金融市場的大小不僅取決于人口市場規(guī)模的大小，也受消費(fèi)者信用引起的金融系統(tǒng)風(fēng)險(xiǎn)的大小影響，而征信體系則是金融業(yè)的根基和保障。曾經(jīng)一家獨(dú)大的央行中心已表現(xiàn)出明顯的不足：采集的征信信息在用戶多樣性，場景碎片化的當(dāng)下越來越狹窄變得不合時(shí)宜。以芝麻信用分為首的個人信用評分，開始成為征信機(jī)構(gòu)市場化運(yùn)作的先驅(qū)，隨后其他民營征信機(jī)構(gòu)紛紛推出自己的征信產(chǎn)品和評分制度，他們都是通過對海量信息數(shù)據(jù)的綜合處理和評估為客戶評分或評級從而直觀呈現(xiàn)用戶信用水平，其中評判的標(biāo)準(zhǔn)和維度大同小異。以芝麻信用為例，構(gòu)成芝麻分的五個維度是：信用歷史、行為偏好、履約能力、 身份特質(zhì)、人脈關(guān)系。這和傳統(tǒng)征信數(shù)據(jù)主要來源于借貸領(lǐng)域有所不同，脫胎于互聯(lián)網(wǎng)背景的民營征信體系數(shù)據(jù)資源更加豐富征信數(shù)據(jù)來源更加廣泛，各家除了基礎(chǔ)的個人基本信息、貸款信息、信用卡信息、信貸領(lǐng)域以外的信用信息等金融數(shù)據(jù)外，也在收集來自生活、電商等其他數(shù)據(jù)，甚至有人猜測，淘寶差評記錄、滴滴打車爽約、騙取保費(fèi)時(shí)偽造個人信息等都將成為個人征信報(bào)告中的“污點(diǎn)”。另外數(shù)據(jù)采集也從線下轉(zhuǎn)移到線上，用戶信息呈現(xiàn)立體化、多元化、碎片化趨勢，當(dāng)然個人線上生活痕跡更容易被記錄，因?yàn)檫@背后剛好是集社交、購物大成者的騰訊、阿里等在支撐。再者民營征信機(jī)構(gòu)產(chǎn)品線更加豐富，比如還有評分體系，更深層次的模型、精準(zhǔn)營銷以及大數(shù)據(jù)的服務(wù)等，總之我國征信評分體系開始用豐富多樣的“社交數(shù)據(jù)”或“電商數(shù)據(jù)”等場景數(shù)據(jù)去融合“金融數(shù)據(jù)”從而全面展示用戶信用數(shù)據(jù)降低風(fēng)險(xiǎn)，這恰好移動互聯(lián)大數(shù)據(jù)下的場景數(shù)據(jù)對金融數(shù)據(jù)的補(bǔ)充和完善。但這是否就代表更加科學(xué)更加優(yōu)質(zhì)的征信體系和行業(yè)生態(tài)？作為用戶，我們?nèi)绾稳ピu判這種變化是進(jìn)步還是陷阱，是該積極擁抱還是消極旁觀，征信產(chǎn)品的價(jià)值到底在哪？在此基礎(chǔ)衍生出來的應(yīng)用場景又將呈現(xiàn)怎樣的面貌？

回歸用戶，征信產(chǎn)品的應(yīng)用場景在哪？

回答這些問題的前提是先確定評判的標(biāo)準(zhǔn)。網(wǎng)絡(luò)時(shí)代，數(shù)據(jù)就是信用，信用就是財(cái)富，而征信產(chǎn)品的價(jià)值大小取決于以下3條：

1、客觀事實(shí)呈現(xiàn)。各家征信企業(yè)個人征信數(shù)據(jù)是否全面完整體現(xiàn)個人信用狀況，來源渠道是否有效？民營企業(yè)的征信報(bào)告是否能和央行報(bào)告結(jié)合，互相參考、印證？評分系統(tǒng)從大量數(shù)據(jù)中提煉出來的預(yù)測信息和行為模式是否符合客戶信用表現(xiàn)的普遍性規(guī)律？

2、評估標(biāo)準(zhǔn)一致。實(shí)施過程中是否受審批人員的主觀感受、個人偏見、喜好和情緒等影響？審批人員人工經(jīng)驗(yàn)是否會加大審批的隨意性和不合理性？場景用戶不同的情況下，其評估和決策的標(biāo)準(zhǔn)是否相同？

3、評價(jià)準(zhǔn)確監(jiān)管公平。依托于大數(shù)據(jù)、運(yùn)用統(tǒng)計(jì)技術(shù)科學(xué)是否能準(zhǔn)確預(yù)測客戶各方面表現(xiàn)的概率？是否能讓金融機(jī)構(gòu)準(zhǔn)確地衡量風(fēng)險(xiǎn)、收益等各方面的交換關(guān)系，找出適合自身的風(fēng)險(xiǎn)偏好和收益的最佳平衡點(diǎn)?民營征信企業(yè)中，個別企業(yè)之間還存有多種業(yè)務(wù)交叉點(diǎn)，這種競合關(guān)系是否會影響最終評價(jià)的準(zhǔn)確性，以及如何規(guī)避篡改個人數(shù)據(jù)等不正當(dāng)競爭？個別監(jiān)管征信公司既做基礎(chǔ)數(shù)據(jù)，又出個人評級報(bào)告，即是裁判又是選手，他們的信用如何監(jiān)管？
 

既然標(biāo)準(zhǔn)確定，那又該如何使得征信評分系統(tǒng)更加科學(xué)優(yōu)質(zhì)。曾在Equifax多年任職首席統(tǒng)計(jì)學(xué)家現(xiàn)任國內(nèi)首家互聯(lián)網(wǎng)消費(fèi)金融公司馬上消費(fèi)金融首席數(shù)據(jù)官的George恰好提供了部分答案：“模型的實(shí)質(zhì)是靠找到人的本質(zhì)特征來預(yù)測行為，我們在美國做的所有案例都表明金額征信數(shù)據(jù)是最能代表人的本質(zhì)特征，別的數(shù)據(jù)達(dá)不到這樣的效果。只有算法而沒有適合建模的數(shù)據(jù)，由此得到的模型預(yù)測效果不理想”。因此，價(jià)值評判的難點(diǎn)就落在找到適合建模的數(shù)據(jù)上。正如George從技術(shù)角度的解釋：“評價(jià)模型效果的指標(biāo)可以參考KS(Komolgorov-Smirnov)和Lift Chart。模型的好壞和KS(Komolgorov-Smirnov)指數(shù)不是線性關(guān)系，KS在25以下基本是隨機(jī)模型，KS在70以上實(shí)際中基本達(dá)不到，F(xiàn)ICO在美國的模型差不多在50左右。

這樣看來8家民營征信機(jī)構(gòu)給我國帶來的“社交數(shù)據(jù)”或“電商數(shù)據(jù)”至少算是金融征信體系的新鮮血液，為評價(jià)模型提供了新的數(shù)據(jù)來源。盡管“電商數(shù)據(jù)”“社交數(shù)據(jù)”在金融風(fēng)控中是否有效還需等待驗(yàn)證，但這在事實(shí)上增加了數(shù)據(jù)資源，一是金融數(shù)據(jù)資源，二是社交等場景數(shù)據(jù)資源，這樣只要對泛場景大數(shù)據(jù)的充分挖掘就可能催生出更加科學(xué)的評價(jià)體系和更安全的金融消費(fèi)環(huán)境，同時(shí)對使用場景的開發(fā)也有極大的促進(jìn)作用。目前騰訊征信、阿里征信以及前海征信已經(jīng)為P2P、小貸公司、消費(fèi)金融以及中小銀行提供相關(guān)的風(fēng)控管理。傳統(tǒng)的征信機(jī)構(gòu)鵬元征信、上海資信等也將網(wǎng)貸、小貸、消費(fèi)金融公司作為目標(biāo)市場。其中消費(fèi)金融、網(wǎng)貸成為首當(dāng)其沖的“主戰(zhàn)場”。

近年，得益于消費(fèi)金融行業(yè)潛力大、政策利好、國民信貸需求旺盛等因素，互聯(lián)網(wǎng)消費(fèi)金融成為金融業(yè)的“新貴”，2017年，互聯(lián)網(wǎng)消費(fèi)金融整體市場規(guī)模更將突破千億元大關(guān)。但目前我國的消費(fèi)金融業(yè)仍處于初期，滲透率較低、基數(shù)較小，消費(fèi)信貸理念正逐步擴(kuò)散，征信與評級更是消費(fèi)金融產(chǎn)業(yè)鏈上缺失的環(huán)節(jié)，獨(dú)立的第三方催收服務(wù)也未成型。一旦阿里、騰訊為背景的征信機(jī)構(gòu)順勢借助電商、社交為基礎(chǔ)的生態(tài)系統(tǒng)來開發(fā)上下游的消費(fèi)金融需求并提供風(fēng)險(xiǎn)控制服務(wù)就可解決目前消費(fèi)金融行業(yè)個人信用數(shù)據(jù)不開放、信用信息分散和相互屏蔽等狀況，并大大降低風(fēng)控成本。正如George所言，個人消費(fèi)金融企業(yè)成功的關(guān)鍵在于其風(fēng)控系統(tǒng)，尤其是信用風(fēng)險(xiǎn)模型的精準(zhǔn)度。而消費(fèi)金融領(lǐng)域的風(fēng)險(xiǎn)主要為兩類，第一類是欺詐風(fēng)險(xiǎn)，這是主官預(yù)謀的，是犯罪行為，這種風(fēng)險(xiǎn)的防范要靠事前模式識別和事后的信息共享以及執(zhí)法。第二類是信用風(fēng)險(xiǎn)，這是由人的行為模式?jīng)Q定，模式的改變需要有主觀的認(rèn)識和有意識的糾正。尤其是我國個人征信起步不久，個人信貸不夠普遍，需要正確的引導(dǎo)和教育來讓消費(fèi)者意識到信用的價(jià)值，改正一些行為模式以增加和維護(hù)信用。另外信用風(fēng)險(xiǎn)的管理關(guān)鍵在于識別風(fēng)險(xiǎn)和找到對應(yīng)措施。識別風(fēng)險(xiǎn)的最佳方式莫過于精確量化每一個消費(fèi)者的信用風(fēng)險(xiǎn)，而措施則在于對消費(fèi)者有一個全面了解，了解他們的行為，了解他們對消費(fèi)金融的價(jià)值，然后有一個量化的價(jià)值和風(fēng)險(xiǎn)的平衡。這需要各征信機(jī)構(gòu)建立公開平臺分享場景金融數(shù)據(jù)，甚至分享有知識產(chǎn)權(quán)的數(shù)據(jù)產(chǎn)品。同時(shí)金融機(jī)構(gòu)也可如鵬元、馬上消費(fèi)金融一樣積極自主開發(fā)信用風(fēng)險(xiǎn)模型，建立完善的信用收集、分析、評估和監(jiān)督體系。作為消費(fèi)金融公司，也應(yīng)發(fā)揮自身優(yōu)勢，利用互聯(lián)網(wǎng)和大數(shù)據(jù)，加強(qiáng)與互聯(lián)網(wǎng)消費(fèi)金融平臺的合作，積極探索，挖掘內(nèi)部交易數(shù)據(jù)信息，審核落實(shí)客戶信息真實(shí)性，準(zhǔn)確識別客戶信用風(fēng)險(xiǎn)。

除了消費(fèi)金融，網(wǎng)貸也已成為征信機(jī)構(gòu)開拓業(yè)務(wù)的主要市場之一。征信公司主要為金融機(jī)構(gòu)的借貸業(yè)務(wù)提供風(fēng)控服務(wù)。但目前征信機(jī)構(gòu)提供的產(chǎn)品與國內(nèi)網(wǎng)貸平臺的業(yè)務(wù)需求仍未完全契合，尤其是P2B(企業(yè)和企業(yè)主）的需求，模型也有限。騰訊征信等互聯(lián)網(wǎng)背景的公司提供的更多是個人征信，而傳統(tǒng)征信公司則受地域限制，如鵬元、上海資信等作為地方性征信平臺，數(shù)據(jù)主要集中在各自所在的區(qū)域，但網(wǎng)貸平臺業(yè)務(wù)卻分布在全國。另外征信機(jī)構(gòu)還需適應(yīng)我們網(wǎng)貸平臺的業(yè)務(wù)多元性，畢竟除了人人貸、拍拍貸等少量P2P平臺外，更多平臺都涉及企業(yè)經(jīng)營借貸業(yè)務(wù)。要知道就連消費(fèi)貸和經(jīng)營貸這兩種業(yè)務(wù)所需的征信模型都不一樣，網(wǎng)貸細(xì)分市場還需區(qū)別對待，征信產(chǎn)品決不可有“一招鮮、吃遍天”的妄想，網(wǎng)貸正在等待更加個性化針對性的征信體系。

總之征信行業(yè)的健康發(fā)展不是一家獨(dú)大，也不是標(biāo)準(zhǔn)化模板化的生搬硬套或“一刀切”。應(yīng)用場景中期待在競合之中找到平衡點(diǎn)，并提高征信準(zhǔn)確性增強(qiáng)用戶體驗(yàn)的征信產(chǎn)品。