大数据下个人征信体系研究

摘要：近年来互联网金融发展迅速，为了弥补传统个人征信覆盖面不广等问题，大数据征信孕育而生。目前，我国征信业发展迅速，以芝麻信用、腾讯征信为代表的大数据征信机构发挥着越来越重要的作用。但是总体来说，我国大数据征信还处于起步阶段，如个人隐私安全问题、监管措施的不完善、征信模型的可信度等等。本文主要研究大数据个人征信的特点、发展历程和未来发展趋势。

关键词：个人征信;大数据技术;发展

一、引言

随着人类社会的不断进步，征信业务从无发展至今，其重要性不言而喻，已经渗透到人们生活的方方面面。征信分为个人征信与企业征信，是个人或企业进行信贷活动最重要的凭证之一。本文主要聚焦个人征信。

近年来随着互联网技術的飞速发展，数据获取及处理方式呈爆炸式增长，大数据时代已经来临。伴随着互联网金融的兴起，大数据征信已经进入大家的视野。相对于传统征信如央行通过统计信用卡等信息的征信，大数据征信拥有着很多优势[1]。

当然，大数据下个人征信还处于刚刚起步的阶段，目前还存在着许多问题，比如用户信息的隐私保护、信息权利的归属问题等等。现如今，大数据个人征信已经是征信体系中必不可少的一环，无论是租房、出行还是信用卡消费模式都已经离不开蚂蚁金服、腾讯征信这些互联网机构了。

二、大数据下个人征信体系建设

（一）大数据下的个人征信

大数据下的个人征信，是指包括网络交易、经商等经济和社会活动中产生的个人信用信息，利用现代通讯与信息处理技术进行处理后得出结论，并提交公司、机构或个人使用。这些信息内容很多很杂且随时变动，结合央行、政府等部门提供的信用信息，就可以相对完成的描绘出一个人的真实信用。

（二）大数据下个人征信的特点

（1）市场需求：从开始起步到需求旺盛

中国征信体系起步较晚、过程较慢。2000年到2010年之间，当时个人征信主要是为信用卡消费而服务的。而近几年随着互联网金融的不断发展，网络支付的崛起，人们对于征信的需要越来越高。以人们熟知的支付宝“花呗”为例，数据显示，在2020年“双十一”开幕半小时，花呗的交易额已经达到了68亿，成功交易3256万笔。

（2）征信机构：从单一化到多元格局

中国最初又称中国人民银行征信，形式十分单一。主要是为了保护个人隐私，因此未将权利下放;另一方面是因为当时获取数据途径有限，没有互联网支持，完善的征信体系很难建立。而如今，随着征信权利的下放，各类个人征信平台已走上历史舞台。

（3）征信体系：从互不流通到趋向一体

中国征信体系一直都是采取政府主导的模式。可是政府部门、相关企业、征信机构之间的个人信息互不流通。这就导致在征信环节中所需的金融带块、移动通讯、教育、法院等信息互不流通，存在着很大问题。但大数据时代的到来很好地解决了这些问题。像法院的信息、信贷情况、欠费缴费这些基础信息都可以合法合规的与征信机构存在联系，为个人征信提供了良好的保障。

三、中国阿里巴巴“芝麻信用”案例介绍[2]

阿里巴巴蚂蚁金服旗下“芝麻信用”有着自己的体系。“芝麻信用”主要通过互联网与数据挖掘来计算征信对象的信用情况，主要用于包括金融、出行、住宿等生活各个方面，是现在人们最耳熟能详的征信平台。

（一）“芝麻信用”业务概况

从本质上来说，“芝麻信用”是一套征信系统，其获取的途径与阿里巴巴密切相关。可以看出，无论是天猫、淘宝这类网络购物平台还是支付宝、余额宝这类具有创新性的小额贷款都会为“芝麻信用”的增信过程提供海量数据。

在采集数据之后，阿里巴巴有一个通用的大数据业务平台。“芝麻信用”所需要的数据无论是存储再到处理，最后输出都可以从该平台完成，从而完成完整的征信过程。此外，由于阿里有着很多合作伙伴，都会以芝麻信用作为参考。最重要的是整个阿里体系都与政府部门、法院有着密切联系，影响着我们生活中的方方面面[5]。

（二）“芝麻信用”的运行特点

（1）以“芝麻信用分”为基础构建的征信模式

“芝麻信用”是国内第一个个人信用评分，在综合考虑了客户信用情况、行为模式、履约能力、身份特性、人脉范围等方面之后得出了评分体系。首先他参考国际主流的FICO评分体系划分五个等级：极好、优秀、良好、中等、极差，一般客户在达到良好以上时会被人为信用较好，各类免租金等业务可以正常使用。这种评分体系非常简单便捷。

（2）线上线下同时推广芝麻信用评分

在线上方面主要涉及金融借贷领域，比如“花呗”、“借呗”等借贷领域。芝麻信用在“良好”以上可向“花呗”申请最高额度为3万元的消费额度，可以在淘宝、天猫或是商家付款时使用。这已经成为现如今大部分人的主要消费模式。由于阿里与许多实体连锁店都有联系，芝麻信用也尝尝会在这些领域内有涉及。

（三）芝麻信用现存问题

（1）“刷信用”行为影响真实性

虽然芝麻信用从五个角度进行测算，但还是存在刷信用的情况。根据用户反映的情况不难看出，高分用户往往是高频用户，即高频率使用淘宝、天猫、花呗等阿里旗下的服务，这显然有一些不合理。这就给“刷信用”来提高芝麻信用分带来了可能性。换句话说，若是用户很少使用阿里旗下服务，其信用分将会很低，这是有失偏颇的。此外，阿里涉及的用户极广，包括没有稳定收入的学生或是失业人员，但是其业务也有关借贷。若是通过刷信用的行为影响到了真实信用评分，违约风险将会很大程度上增加[4]。

（2）存在个人隐私保护风险

传统央行的征信是完全客观、安全地，对于客户隐私保护十分完备。但是随着大数据征信的开始，无论是用户在支付宝上的支付情况还是淘宝上的购物记录这些隐私都会伴随着泄露风险。大数据时代获取数据的难度降低，如何做到保护个人隐私是存在着的最大问题。“芝麻信用”数据来源于互联网、传输于互联网，一旦这些信息遭到攻击泄露将会引起很大风险。

（3）与金融机构合作不足

“芝麻信用”作为现如今我国最重要的大数据征信机构，与金融机构的和做主要还是局限于支付方面。举例来说，绝大部分银行在信贷环节上还是利用传统央行征信结果，但是这灵活性不够，应用场景较少。因此，“芝麻信用”若想在金融领域有所突破，就必须解决与金融预购之间的合作问题。如何将其作为全国都认可的征信体系才是重中之重。

四、美国ZestFinance公司案例介绍

ZestFinance是美国一家数据风控模型公司，由谷歌前高管Douglas C. Merill创立，其征信评价模式在美国也名列前茅，为了更具参考价值，我们选取ZestFinance创新初期2012年-2015年的数据进行分析，以便为征信处于起步阶段的中国提供一些有效的建议。

（1）先进的数据挖掘技术

ZsetFinance最大的优势在于其强大的数据挖掘技术，从而能开发出更加实用、可靠的信用评估模型。从其公司规模上来看，目前直接服务的人群只有10万人左右，规模较小。但是ZestFinance公司自运营以来取得了很好地业绩，在同行业对比中名列前茅[3]。

（2）为弱势群体服务的惠普金融思想

与一般征信机构不同的是，ZestFinance不是通过征信筛选高信用客户进行服务的。他们最初的只为服务只能使用高利贷的人群，因此在金融界广受好评。ZestFiance假设每一个客户都是“好人”，尽管其信贷信息可能不完整或是存在明显问题，该公司还是会通过其先进的数据挖掘技术客观真实地反映客户的信用状况。

（3）对于大数据的理解和运用

虽然目前对于大数据还没有一个明确的定义，但是ZestFinance公司认为大数据是指“准又多”的数据，需要从那么多数据中获取有效数据并对其进行数据整合才能真正形成有用的大数据。

另外，ZestFinance对于数据运用的针对性很强。他们通常利用的是结构化大数据进行征信（与我国传统央行征信形式类似），而并未采用复杂的大数据类型如文本数据、社交网络数据等等。这主要是因为其主要服务的客户的信用风险与这些复杂数据关联度太低。几年前，互联网P2P公司lending club最早希望借助Facebook上架信贷产品，主要就是利用社交网络数据，但结果很差。ZestFinance很好地吸取了这一教训，更针对性地使用结构化大数据。

五、结语

目前来看数据主要来源于平台累积数据，较为单一。大数据征信在获取数据过程中，信用数据来源复杂多样，且存在多重交易和多方接入的情况，隐私数据保护的边界不清晰。近年来，我国连续出台《征信业管理条例》、《征信机构管理办法》等法律法规，较好地解决了以上這些问题。我国大数据个人征信刚刚起步还存在许多问题，但已是这时代人们日常生活不可或缺的一部分，因此需要各方不断配合努力，加强创新，不断开拓进取，才能很好地发挥大数据征信的作用[6]。

参考文献：

[1]冯文芳，李春梅. 互联网金融背景下大数据征信建设研究[J]. 国际金融，2015（10）：61-66

[2]李德红. 大数据时代第三方征信机构发展分析[J]. 商业经济，2016（1）：34-35

[3]刘新海，丁伟. 大数据征信应用与启示——以美国互联网金融公司ZestFinance为例[J]. 清华金融评论，2014（10）：93-98

作者简介：李阳（1998-），男，上海人，硕士在读，研究方向：金融科技。