郭文 王一卓 秦建友

摘要：2015年1月5日，人民銀行發(fā)布了《關于做好個人征信業(yè)務準備工作的通知》，要求包括芝麻信用、騰訊征信在內的8家機構做好個人征信業(yè)務準備工作。此舉標志著我國開始積極探索基于大數據的個人征信模式。文章從數據來源等五大角度對比分析大數據征信和傳統(tǒng)征信；接著分析我國征信體系的發(fā)展現狀，并與發(fā)達國家的征信體系進行對比，歸納我國發(fā)展大數據征信所面臨的難題；并在此基礎上，為我國大數據征信的健康發(fā)展提供合理建議。

關鍵詞：大數據征信； 傳統(tǒng)征信；個人征信模式

一、 大數據征信的特性

1. 大數據征信的內涵。大數據征信指將大數據、云計算等新一代信息網絡技術運用到征信系統(tǒng)的數據搜集和信用評估等環(huán)節(jié)，通過深層次、綜合性、全方位的信用信息采集和整理，獲取多元化的數據資源，并重新設計征信評估算法和模型對數據進行分析，從而倒推出信息主體的信用特征，最終形成對個人、企業(yè)及社會團體較為準確的信用評估結果。大數據征信并不是大數據與傳統(tǒng)征信模式的簡單融合，而是對征信體系的重新定義，它徹底改變了征信產品的設計生產理念和運作經營模式。

2. 大數據征信與傳統(tǒng)征信對比分析?；ヂ摼W與大數據的應用，使得征信系統(tǒng)在傳統(tǒng)征信的基礎之上呈現出新特征。大數據征信與傳統(tǒng)征信的區(qū)別主要體現在以下五個方面：

（1）數據來源不同。不同的數據類型及來源是大數據征信與傳統(tǒng)征信最大的區(qū)別。相比于傳統(tǒng)征信，大數據征信的數據來源更加豐富。傳統(tǒng)征信主要考量的是結構化數據，如銀行等金融機構的信貸信用數據，類型單一；而大數據征信拓展了數據挖掘的深度和廣度，數據來源除了結構化數據，還包含大量非結構化數據。非結構化數據一部分來自于用戶使用互聯網過程中留存的公開數據，如社交網站數據、手機應用數據等；另一部分來自于用戶授權的數據，如物業(yè)費繳納、電話賬單等。大數據征信主要依賴于非結構化數據，結構化數據占的比重較低。

（2）操作方法不同。傳統(tǒng)征信的操作方法是通過現場方式收集企業(yè)及個人的信貸信息，由分析人員對收集到的數據進行處理和分析，進而對受評對象做出履約能力和履約意愿的評定。而大數據征信主要是通過數學建模和云計算技術對數據進行操作，從數據收集到信用結果輸出的整個過程主要通過智能計算機完成，涉及的人工操作環(huán)節(jié)相對較少。此外，大數據征信通常是在信息主體確認授權之后再開始征信調查，而傳統(tǒng)征信則是事先收集信息并加以整理和貯存。

（3）信用評估分析原理不同。大數據征信與傳統(tǒng)征信在信用評估方面主要有兩點區(qū)別。一是大數據征信更注重多個變量之間的相關性而非某幾個變量的精確性，其評估體系所采用的變量數量要遠遠多于傳統(tǒng)征信的評估體系。可以說，傳統(tǒng)征信更注重單一維度數據的深度挖掘，而大數據征信著眼的是多維度數據的綜合分析；二是傳統(tǒng)征信主要分析的是用戶的歷史信用數據，而大數據征信更看重用戶數據的實時變化，致力于實現動態(tài)的風險管理和信用評估。

（4）應用場景不同。大數據征信憑借其數據來源的多元化和綜合性，不僅在金融借貸關系中具備比傳統(tǒng)征信更強的信用風險預測能力，而且可以在生活場景和商業(yè)場景中得到很好的應用，房屋租賃、簽證辦理、酒店預訂等都可以通過大數據征信體系實現信用管理。

（5）覆蓋范圍不同。與傳統(tǒng)征信相比，大數據征信的覆蓋范圍有所擴大。人民銀行的個人征信系統(tǒng)共收錄了8.5億人的信息，其中僅有3億多人有信貸數據，占全國人口的比例不足30%。傳統(tǒng)征信服務的僅僅是這部分與銀行發(fā)生過信貸關系的金融消費者，而沒有與銀行發(fā)生借貸交易、沒有辦理和使用信用卡的人群在人民銀行的征信系統(tǒng)中不存在相應的信用報告。大數據征信依托互聯網數據，可以服務缺乏或無信貸記錄的網民群體，比如大學生等。從某種意義上來說，任何使用網絡服務的用戶都可以成為大數據征信的服務對象。隨著互聯網應用的普及，大數據征信的覆蓋范圍仍將不斷擴大。

二、 我國大數據征信的現狀分析

1. 我國征信體系的發(fā)展現狀。我國的社會征信體系建設起步于20世紀90年代初。2013年以前，我國征信行業(yè)發(fā)展歷程可以劃分為三個階段。1980年～1995年為探索階段，這一時期的征信公司規(guī)模普遍較小，且其業(yè)務主要以資信評級為主，個人征信業(yè)務尚未開放；1996年～2003為起步階段，央行和各地方政府在這一階段開始陸續(xù)搭建征信平臺；2004年～2012年為發(fā)展階段，社會信用體系建設在這一階段逐步受到政府高層重視，央行建立的銀行信貸登記咨詢系統(tǒng)也于2005年升級為全國統(tǒng)一的企業(yè)和個人征信系統(tǒng)。

同發(fā)達國家相比，我國的征信體系建設仍然處于行業(yè)發(fā)展的初級階段，法律規(guī)范、數據處理和信息共享等環(huán)節(jié)都亟需完善，且缺乏具備權威性和國際影響力的征信機構。近年來，隨著互聯網、云計算等新一代信息網絡技術的興起，以P2P網絡借貸、第三方支付、互聯網銀行等模式為代表的互聯網金融蓬勃發(fā)展，引發(fā)了金融行業(yè)的結構性變革?；ヂ摼W金融覆蓋廣、管理弱、風險大等特點決定了它的發(fā)展必須以完善的信用體系為基礎，而現有的人民銀行征信系統(tǒng)由于其存在的數據失真、覆蓋率低、查詢成本高等問題，已經不足以為互聯網金融的健康發(fā)展提供有力的保障。

從2013年開始，我國相繼出臺了一系列政策，旨在加快社會征信體系建設。2013年3月，國務院出臺了我國首部征信行業(yè)法規(guī)《征信業(yè)管理條例》；2013年12月，人民銀行印發(fā)《征信機構管理辦法》，為我國征信行業(yè)市場化奠定了基礎；2014年6月，國務院出臺了《社會信用體系建設規(guī)劃綱要（2014年～2020年）》，明確了我國社會信用體系建設的主要目標：到2020年，基本建立社會信用基礎性法律法規(guī)和標準體系，基本建成以信用信息資源共享為基礎的覆蓋全社會的征信系統(tǒng)。這是我國首部國家級社會信用體系建設專項規(guī)劃，標志著我國征信體系建設進入了一個全新的發(fā)展階段。

2. 國內和國外征信體系的對比分析。目前世界上征信體系發(fā)展相對完善的國家和地區(qū)主要有美國、歐洲和日本。由于歷史、經濟和文化的差異，各個國家的征信模式呈現不同的特征。按照征信制度劃分，發(fā)達國家的征信體系可以分為市場主導型、政府主導型和會員制。

（1）政府主導模式。大多數歐洲國家的征信體系，如法國、德國、西班牙等，采用的是政府主導模式。在政府主導模式之下，社會征信體系以政府出資建立的非盈利性公共征信機構為主體，以市場化的民營征信機構為輔。商業(yè)銀行等金融機構一方面作為信息提供者，依法向公共征信機構提供個人和企業(yè)的征信數據；另一方面作為征信體系的主要使用者，利用公共征信機構的評估結果甄別優(yōu)質借款人，從而有效防范貸款風險。

（2）市場主導模式。市場主導征信模式的特點是征信機構的完全市場化，以美國、英國和加拿大為代表。在該征信體系下，政府部門不直接參與社會信用管理，而是通過完善法律法規(guī)和監(jiān)管體系，對征信機構進行適度的管理，通過有效的競爭機制完善征信體系。以美國為例，Equifax、Experian和Trans Union三家征信公司分別擁有覆蓋全美的數據庫，其中包含美國一半以上人口的信用記錄。

（3）會員制模式。日本采用的是會員制征信體系，以銀行業(yè)協會、信貸業(yè)協會和信用產業(yè)協會三大行業(yè)協會為主要征信機構，建立非盈利性的信用信息共享中心，僅為行業(yè)協會會員提供信息交換服務。商業(yè)銀行、證券公司、民營企業(yè)等機構作為信用信息中心的會員，有義務向共享中心提供客觀全面的信用信息，并通過內部共享機制實現征信信息征集和使用。

我國當前的征信體系與法國和德國相似，采用的是政府主導模式，形成了以人民銀行建立的中央信貸登記系統(tǒng)為主體，以私營征信機構為輔的社會信用管理體系。人民銀行征信系統(tǒng)包括企業(yè)信用信息基礎數據庫和個人信用信息基礎數據庫，數據來源于擁有特定經濟信用信息的政府職能部門、公共事業(yè)單位以及掌握大量信貸信息的商業(yè)銀行。人民銀行征信中心通過匯總和分析企業(yè)和個人征信系統(tǒng)中的數據信息，得出信用分析報告，為商業(yè)銀行等金融機構提供服務。

3. 我國發(fā)展大數據征信存在的問題。從總體上看，我國構建大數據征信體系面臨的難題可以劃分為技術層面和制度層面。

（1）技術層面的難題。

第一，缺乏有效的數據采集方法。一方面，大數據征信的信用信息主要來源于互聯網，但目前網絡行為的身份識別仍是一大技術難題，導致數據采集的高成本和低效率。另一方面，大數據的采集廣度有余而深度不足，獲取的數據體量龐大卻存在片面性和局限性等問題，缺乏對數據的深層次、多維度挖掘。

第二，數據融合存在困難。大數據的應用范圍不斷拓展，已經從原有的企業(yè)數據和個人消費數據滲透到包括房地產、傳統(tǒng)制造業(yè)在內的各個行業(yè)。這在一定程度上加速了互聯網的創(chuàng)新和變革，但信息過多也引起了數據雜亂瑣碎和數據跨度過大的問題。而征信數據評估模型構建困難且在短期內無法檢驗其精準度，導致數據整合成為目前大數據發(fā)展面臨的最大技術難題。

第三，硬件設施性能嚴重滯后?，F有的大數據征信相關硬件設施在可擴展性、存儲速度和數據處理能力等方面已經無法滿足數據動態(tài)增長和復雜性提高的需要，但核心技術的突破和硬件設施的更新都難以在短期內實現，導致大數據征信體系的構建遭遇瓶頸。

（2）制度層面的難題。

第一，缺乏配套的法律規(guī)范。大數據征信在個人隱私保護問題上面臨著法律風險，發(fā)達國家的征信體系以系統(tǒng)和完善的法律體系為基礎，著重保護信息安全和個人隱私權。我國現有法律對個人信息和個人隱私的界定、征信信息的采集權和歸屬權等問題都尚未做出合理規(guī)范和制度安排，可能會出現打法律“擦邊球”侵犯個人隱私的行為。

第二，監(jiān)管體系不成熟。一方面，大數據征信仍處于起步階段，其監(jiān)管主體和監(jiān)管定位尚不明確，且缺乏具備大數據征信相關知識、適應大數據征信監(jiān)管需求的從業(yè)人員；另一方面，大數據征信行業(yè)自律性組織尚未形成，缺乏統(tǒng)一的行業(yè)規(guī)范和職業(yè)道德標準，各征信機構仍存在惡意競爭、服務意識差、缺乏公信力等問題。

第三，信息共享機制不完善。公安部的身份證信息、個人參保繳費信息等都已納入人民銀行的征信系統(tǒng)，但互聯網金融數據仍與人民銀行的征信系統(tǒng)處于割裂狀態(tài)，且互聯網金融平臺尚未獲取對征信系統(tǒng)的使用權，導致傳統(tǒng)金融和互聯網金融無法進行高效的信息共享。此外，我國各地區(qū)、各政府部門之間同樣缺乏有效的信息流通渠道。

第四，政府部門和金融機構信息公開不足。一是司法、工商、公安等政府部門擁有企業(yè)和個人的大量信用信息，其中的非保密信息可以作為評定信息主體信用水平的重要依據，但卻尚未授權非政府部門使用。二是銀行等金融機構的數據開放有限，如銀行與芝麻信用和合作僅局限于支付方面，而與信息主體信用評分直接相關的違約記錄仍沒有全面公開。

三、 對策建議

針對我國發(fā)展大數據征信面臨的技術難題和制度難題，本文嘗試從宏觀、中觀、微觀三個角度提供可行建議。

1. 完善現有監(jiān)管體系，實現適度有效監(jiān)管。

（1）推動征信行業(yè)市場化。建議監(jiān)管部門放松對民營征信機構的準入條件，積極引入競爭機制，激活征信市場活力，營造公平競爭的市場環(huán)境，形成公共征信機構與民營征信機構相互補充、相互促進的征信行業(yè)發(fā)展格局。在推動市場化的同時，通過政府引導、充分競爭、優(yōu)勝劣汰培育一家或幾家具備國際影響力的征信機構；而小型或專業(yè)性的征信機構則或被收購或成為大型機構的供應商，進而實現行業(yè)集中度的提升。

（2）明確監(jiān)管原則。我國大數據征信仍處于起步階段，在推動征信行業(yè)市場化的同時，切實加強監(jiān)管水平與能力，引導大數據征信良性生長。但過于嚴格的監(jiān)管措施又可能會抑制征信行業(yè)的創(chuàng)新和發(fā)展。如何在監(jiān)管與創(chuàng)新之間尋求最佳平衡點，已經成為大數據征信發(fā)展的重大課題。當前應明確監(jiān)管原則，實現對大數據征信的適度有效監(jiān)管，推動機構監(jiān)管向功能監(jiān)管過渡。

（3）制定行業(yè)標準和規(guī)范。在充分了解征信行業(yè)現狀和困境的前提下，探索符合大數據征信發(fā)展特點的規(guī)則體系。一方面，推動行業(yè)標準的制定，如形成統(tǒng)一的業(yè)務流程和評分規(guī)則，實現整個征信行業(yè)的標準化發(fā)展；另一方面，對大數據征信行業(yè)在數據采集、信息共享、隱私保護等方面的職責做出明確規(guī)定，完善追責問責機制，推動大數據征信規(guī)范、有序發(fā)展。

2. 拓展信息獲取渠道，強化評估結果精度。

（1）完善信用信息共享機制。建立科學的信用信息共享機制，有效整合個人信息資源，從而提高信用評估結果的準確性和全面性。第一，盡快將互聯網金融數據納入央行的征信系統(tǒng)，在大數據征信機構和傳統(tǒng)征信機構之間建立信息互換機制；第二，開放用戶數據交易，設立統(tǒng)一的數據交易平臺，打破數據資源壁壘；第三，加快推進政府數據開放，疏通各地區(qū)、各政府部門之間的信息共享渠道，打破“信息孤島”連點成面。

（2）建立統(tǒng)一的身份識別體系。準確的身份識別是互聯網公司獲取用戶數據面臨的一大難題。政府應加快落實即時通訊、網絡游戲、搜索引擎實名制，按照“前臺自愿、后臺實名”原則，實現互聯網行為與身份證號、電話號碼等用戶唯一標識的一一對應，解決線上信息獲取不完整的問題，提高數據的的真實性和有效性，為大數據征信機構采集用戶信息提供便利。

（3）推動大數據征信技術創(chuàng)新。積極實施高科技人才戰(zhàn)略，在各高校開設互聯網金融、大數據等方面的專業(yè)課程，為我國未來的大數據征信發(fā)展提供人才儲備；進一步推動大數據、云計算等新一代信息網絡技術與傳統(tǒng)行業(yè)的融合，為新興業(yè)態(tài)提供資金和技術支持；鼓勵征信機構研發(fā)更加專業(yè)的信用評估模型，提高信用評估結果的精準度。

3. 加強信息主體合法權益和個人隱私保護。

（1）加快個人信息保護立法。目前我國征信行業(yè)在信息主體個人隱私保護方面，主要依據的是人民銀行出臺的《征信業(yè)管理條例》和《征信機構管理辦法》。這兩部法規(guī)為我國的征信行業(yè)提供了初步的法律框架，但其主要針對的是傳統(tǒng)征信行業(yè)，沒有充分考慮大數據征信背景下征信行業(yè)的新特點，且缺乏與之配套的規(guī)章細則和制度安排。應盡快出臺《個人征信信息保護條例》、《企業(yè)征信信息保護條例》等配套規(guī)章制度和專項法規(guī)，對信用信息的獲取渠道、使用原則、應用場景等方面做出明確規(guī)定。

（2）引導征信機構加強個人隱私保護。應加強對大數據征信機構的培訓和教育，提高其對信息主體權益的保護意識。引導大數據征信機構對信息主體的信用信息進行充分披露，保證數據采集、業(yè)務流程、信用評估模型的透明度；允許信息主體查詢被采集的信息，并為其查詢提供便利；避免信息未經授權提供給第三方查詢和使用，主動保護信息主體的隱私安全；建立不良信用信息告知制度，保障信息主體對個人信息的知情權、選擇權和異議權。

（3）強化信息主體自我保護意識。目前國內消費者普遍缺乏個人信息保護意識，應積極開展以信息保護為主題的教育宣傳活動，提高信息主體對個人信息的重視程度和風險防范意識，引導信息主體深入了解自身權利義務，熟悉維權手段和維權途徑，通過合法手段保護自身隱私安全。

參考文獻：

[1] Crosman P.ZestFinance Aims to Fix Underba- nked Underwriting[J].American Banker，2012.

[2] 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.

[3] 王冠.基于用戶互聯網行為數據的個人征信評估體系建設分析[D].北京：北京交通大學學位論文，2015.

[4] 維克托·邁爾—舍恩伯格.大數據時代：生活，工作與思維的大變革[M].杭州：浙江人民出版社，2013.

[5] 葉文輝.大數據征信機構的運作模式及監(jiān)管對策——以阿里巴巴芝麻信用為例[J].國際金融，2015，（8）： 18-22.

作者簡介：郭文（1987-），男，漢族，湖北省荊州市人，中國社會科學院研究生院博士生，研究方向為產業(yè)經濟、大數據等；王一卓（1990-），男，漢族，河北省承德市人，中國民生銀行北京分行客戶經理，研究方向為互聯網金融、大數據等；秦建友（1976-），男，漢族，湖南省永州市人，深圳市微金匯眾基金管理有限公司董事，研究方向為人工智能、大數據等。