編者按：
年初，央行宣布啟動個人征信牌照準備工作，個人征信瞬息成了風口。金融機構和互聯網公司都希望盤活自身的數據資源，進入征信領域，同時傳統征信企業也希望利用專業優勢快速轉型。作為一家老牌P2P企業，宜信擁有數百萬P2P客戶數據，近年來也成立了大數據創新中心，希望綜合自身數據優勢和互聯網上大量公開數據布局大數據金融。這其中，征信就是少不了的一環。作為宜信的CEO，唐寧也解讀了他對宜信征信業務的定位以及對國內外征信市場格局的看法。
中美征信環境差異巨大
中國與美國的征信環境差異很大。在美國，FICO已經作為一個成熟的征信模型被廣泛應用，而國內在征信模型在FICO的基礎上需要做很多本土化調整。雖然宜信引進了很多具有FICO背景的中高管，并且，宜信的征信模型與FICO模型背后的邏輯是一樣的，但我們并不會直接使用FICO模型。
舉個例子，在獲取客戶信息方面，美國的相關機構可以通過征信局直接獲取，但我們還需要客戶自己提交可以自證信用的信息，或是客戶自己從征信中心拿到征信數據后提交給我們。在此基礎上，我們還需要進行反欺詐檢驗，而國外的大部分模型由于默認其從征信局獲得的數據都是真實的，所以并沒有反欺詐這個模塊，這就是在本土化中需要改造的地方。
利用自身數據所長獲取征信數據
國內的征信數據基礎不如國外，征信體系不完善，整個征信業務的探索尚處在早期。因此，目前從事征信業務的機構也都是利用各家數據之長在摸索。
目前，宜信主要通過央行的征信數據、用戶提交的數據和通過公開場合及互聯網公開渠道上獲得的數據來開展業務。
首先，宜信從客戶那里獲得他在央行征信中心的數據，同時也會讓客戶在提交數據時盡量提供多維的、完善的個人數據，拿到數據后宜信會逐條予以核實。
其次，宜信還通過自有的搜索引擎抓取數據，在獲得用戶授權許可的情況下抓取用戶在互聯網上留下的電商購買數據、搜索引擎數據、社交數據等多個維度的數據，并通過特定算法轉化為信用評估數據。
再次，宜信也向合作機構拿取數據，這些合作機構既包括線上的互聯網公司也包括線下各個業務領域內的公司，如小貸公司、房屋中介等。
不過，好的數據模型需要通過數據量的不斷積累來完善。宜信早期的征信模型是通過借鑒國外的征信模型以及國內相應領域的專家意見所完，隨著數據量的積累會，數據模型也會得到不斷完善。
宜信征信業務的場景定位
國內的征信市場還處于很早期的階段，還可能發生很多創新。對于宜信來說，我們一直提供P2P類的服務，所以獲取了大量與之相關的客戶數據。并且，為了做好信用評估，我們也建立了自己的信用評估模型?；谶@一點，可以說宜信的數據能力相對比較專注。即使我們去延展數據能力，試圖解決自身企業之外的、行業之中的問題時，也會與自己長期專注的領域密切相關。
征信應該聚焦行業性的大問題，而宜信關注的行業問題則是“一人多貸”，這是金融行業中一個全球性的問題。我們的做法是：首先把自己的數據拿出來，并且允許其它機構查詢，了解借款人是否在宜信平臺上借過款，這是一個重要的信息維度；其次，我們把自己的違約客戶名單共享出來，并呼吁行業內其它機構也參與共享，形成一個違約客戶的“黑名單”。目前，宜信已經推出了專門的征信產品——致誠阿福——來解決金融小貸行業的“一人多貸”和信用評估能力建設等問題。
被“放大”的國內征信市場
目前，征信的應用有兩個基本方向：首先是對客戶進行信用風險評估；其次是通過信用數據聚焦于某一類客戶（比如獲取高端客戶），從而以更精準的方式獲客。
在國內談征信的范圍比較廣，大家把數據服務都納入到了征信范圍內。顧名思義，廣義上的征信就是獲取信用信息，這種“大征信”的范疇可以放大到數據服務、信用信息獲取、信用信息評估等領域。但從狹義的角度來理解，征信的社會服務意味更強——征信機構從不同的數據源獲取數據，然后生成數據報告，售賣報告。同時，對個人用戶而言，如果他發現自己的征信報告中的信息有誤，還能夠向征信局提出異議，調整修改。而現在通過大數據的方式獲取數據、進行信用評估，不是屬于狹義征信范圍內的服務。
征信牌照的意義
征信業務有不同的范疇，其中有的業務必須由有征信牌照的機構來做，比如傳統的央行征信業務——向機構提供信用報告、并允許客戶提出修改。但事實上目前并沒有來自民間的機構在做這樣的事情，或許在有了牌照之后，一些機構會加入到這個行列中來，在社會層面來看，這對于加固信用基礎、普及信用使用來說都大有益處。
但隨著互聯網公司加入征信業務大潮，我們越來越傾向于把廣義的數據服務都納入到征信范圍內，這其中很多服務其實是不需要征信牌照的。廣義上來講，很多數據服務的模型及創新模式，在經過客戶授權后都可以拿來做很多事情，而不一定非要拿到征信牌照。但問題在于，是不是拿到了牌照就意味著相關機構可以更深度的、甚至不經客戶授權的使用客戶數據？怎樣在便利和安全中尋找到平衡一直都是使用客戶數據過程中的難題。可以說，牌照的意義在于給了大家一個使用數據的標尺，讓數據的使用有法可依。
征信業務的細分化與場景化
模式創新和技術創新在推動征信領域和數據領域不斷演進，同時不同的機構有不同的選擇，它們會基于自己的業務邏輯在數據使用上采取不同的策略，都是征信這個業務鏈條中的一環。
舉兩個例子。一種是美國數量眾多的小征信局，他們的業務就是去地方（以縣為主）拿取政府公開的紙質相信記錄，然后將其轉化成電子版，并提供給銀行等金融機構使用，使其進入到相關機構的信用評估模型中去。另一種服務則是向客戶提供申請錄入服務。具體來說，客戶可以聯系機構，基于其信用行為（比如連續按期償還貸款），要求機構核實其信用信息，經過核實之后，提供服務的公司可以把這個信息提供給金融機構。所以說，在一個征信環境相對成熟的體系中，征信業務的分工明確，不同機構的場景清晰。
美國的三大征信局有著明顯的共性：FICO提供模型，它們來做服務，主要服務于金融機構的信用評估和客戶獲取。再看國內，征信業務還是處于發展早期，對于不同的機構來說是各有各的場景、各有各的深度和廣度。宜信的定位就是金融場景，可以說，宜信與阿里、騰訊等互聯網企業解決的是不同場景下的信用問題。
中國在征信模型的有效性上已經有了一些突破，其中阿里芝麻分就應用于一些小額生活場景。但是一個征信模型能否把風險真正控制住，還需要時間的檢驗。信用服務是具有時間延續性的，這是與互聯網服務最大的差別。
雖然目前征信服務的場景化應用已經越來越普遍，但目前能做到場景化的即時征信還是有一定的局限性，或是額度偏小，或是基于有數據積累的既有客戶（比如螞蟻微貸平臺上的商戶）。如果第一次認識客戶就向其提供較大額度的授信仍然很難控制風險。所以說征信體系的完善沒有捷徑，需要依靠數據的積累和時間的檢驗不斷完善模型。
京公網安備 11010502049343號