誰在收集你的信用

蔡雯迪

2006年，唐寧創立宜信，在街頭巷尾推廣“人人有信用”的理念，卻遭遇冷落。彼時互聯網金融、大數據等概念尚未誕生，信用價值說更是天方夜譚。

2007年，范曉忻看到企業信用服務的巨大市場，他創立金電聯行，努力說服銀行“信用可計算，風險可量化”。數年的磨合，讓他成為銀行眼中的“有理想的瘋子”。

2013年，已從事小微信貸業務4年的支正春突然想到用互聯網數據對用戶授信。他四處與人交談，而多數人的眼神里透著悲觀。

這種悲觀并非毫無來由。林采宜和尹俊杰撰寫的《互聯網金融時代的征信體系》指出，目前央行個人征信系統共收錄8.5億人信息，其中約5億人只有經濟信息，無有效征信信息。

今天的中國，許多人對信用的認識依然薄弱。而這些新興的信用經濟的從業者們，能將中國模糊的信用生活勾勒得更清晰嗎？

大數據構建知識圖譜

今天，以P2P網貸為代表的互聯網金融發展迅猛，然而信用審核卻卡其命門。P2P網貸的洶涌浪潮正在倒逼民間征信業務的發展。

目前，上海資信、安融惠眾兩家實力征信機構分別承建了網絡金融征信系統（NFCS）、小額信貸行業信用信息共享服務平臺（MSP），這還遠不能滿足當下熱火朝天的P2P網貸市場。宜信、人人貸、陸金所等P2P領軍企業正在開發自己的征信系統。

而在今天，大數據無疑是建立和完善信用系統的一個最有效手段。

2013年，在傳統的信用系統的基礎上，宜信成立了大數據創新中心，運用大數據和互聯網技術進行金融創新的嘗試。

“八年半以來，宜信記載了上千萬貸款數據，還有我們的爬蟲得到的互聯網公開數據、客戶授權的數據，以及我們第三方合作伙伴的數據，再通過我們的大數據分析去貫通、關聯，進而形成知識圖譜。”宜信公司高級副總裁、大數據創新中心總經理張小沛對《瞭望東方周刊》表示。

而其打造的搜索引擎“姨搜”就是這個信用知識圖譜的出口，提供了借款人借貸相關的垂直搜索服務，可在貸前、貸中、貸后的各個交易環節提供數據參考，便于風險控制和管理。

此外，利用大數據技術，宜信金融云能夠解決金融領域海量數據的存儲、查詢優化，及聲音、影像等非結構化數據的處理。一方面對數據進行可視化，構建客戶畫像，便于專家分析;另一方面結合專家知識和機器學習模型，實現規則引擎、授信引擎和反欺詐引擎等模塊，有效地支持了宜信的在線和離線業務，完成對用戶的實時授信。

借助于大數據平臺，宜信旗下宜人貸推出了“極速模式”，將對用戶的授信時長從原來的十多分鐘壓縮到一分鐘之內。

2014年9月，宜信還與eBay公司達成戰略合作，通過大數據技術為eBay平臺電商賣家進行授信，即商貸通服務。這種電商貸款模式通過高效整合交易數據、第三方數據以及社交網絡行為數據，為用戶提供個性化的融資產品。

挖掘企業明細數據

中小企業融資難的原因主要有三：沒有信用記錄、沒有抵押擔保、財務報表失真。

這促使范曉忻2007年創立金電聯行，利用企業供應鏈數據，給中小微企業提供信用評估服務，幫助他們獲得純信用融資。當時華爾街歸國的師弟告訴他：在國外，信用融資占企業融資相當大的份額，中國還處于起步階段，這其中蘊藏著巨大商機。

范曉忻告訴《瞭望東方周刊》：“在中國，沒有任何一家銀行，會單憑財務報表就給中小企業放款。因為財報數據源極易更改，可信度較低。”

那么，究竟該如何還原一個真實的中小企業？金電聯行將目光轉向企業的明細數據。訂單、應收賬款、回款、現金流、庫存、稅務、核心交易對手等等，都是金電聯行力求得到的企業最精細的數據。

“在一張增值稅電子發票上，可能就有20多個指標項。”范曉忻告訴本刊記者，“我們拿到的企業數據往往以GB為單位，有些供應鏈較長的企業甚至能達到10GB。”

在金電聯行，為了研究如何挖掘海量企業數據，成立了一個40人左右的科研團隊，幾乎全是數學博士。2010年做出第一個項目以前，范曉忻和他的團隊堅持了三年的科研。終于，他們找到了一種對企業明細數據進行分析計算的方法。

“我們把石油煉成了汽油！”范曉忻說。

2012年，北京懷柔某汽車部件公司找到了金電聯行。“我們當時是一家小企業，沒有銀行貸款要的抵押物。”該公司財務總監程坤（化名）對本刊記者說。

他們向金電聯行提供了企業數據系統的鑰匙。金電聯行對該企業供應鏈數據分析計算后，向中國民生銀行提交了信用報告，幫助該企業獲得零抵押貸款200萬元。此后，銀行貸款每年遞增，現已達400萬元。

金電聯行提供的數據顯示，其創立至今已累計促成40多億元非抵質押的純信用融資，最高融資額度達6800萬元，最低為98萬元，迄今未有一筆不良貸款。

搜尋互聯網軌跡

互聯網蘊藏著難以估量的用戶行為數據。用這些互聯網數據描寫出個人信用畫像，則是一條描摹個人信用的蹊徑。

閃銀是一款基于互聯網海量信息之上的個人授信產品。2013年12月上線，8個月即收獲60萬粉絲，并宣布獲得IDG資本的4000萬元人民幣A輪投資。

閃銀CEO支正春將閃銀的目標用戶定為“2+5人群”。他發現，本科畢業前兩年加畢業后五年，年齡在20～28歲之間的人群，消費需求極其旺盛，獲得銀行信用評估的概率低，熱衷使用網絡，易在互聯網留下信息。

閃銀根據用戶授權的微博、人人網等社交賬號，工資單、信用卡賬單郵箱等財產資料，淘寶賬號等電商信息，分析計算用戶的信用狀況。

支正春向本刊記者透露了閃銀基于大數據得出的一些試驗結果：每天晚上11點到凌晨3點還活躍在網絡上的客戶平均信用偏低;賭博的人還款比例只有33%;此外，用戶綁定郵箱的前綴和后綴、網購電子產品時對不同產品線和配置的選擇，都能與個人信用評估聯系在一起。endprint

除了數據源頭增多、交叉驗證真實性，大數據技術還極大提高了信用審核的效率。

中國民生銀行魏公村支行信貸主管陳光對《瞭望東方周刊》說：“過去我們人工審核信息，有時材料連四大箱子都裝不下，還要花大量精力驗證數據真實性。”

“傳統借貸以提高門檻來確保還款率，互聯網信貸通過大數據在降低門檻的同時保證可靠性。”支正春介紹，閃銀6000元以內授信可在15分鐘內完成，50萬元以內大額授信則在數小時內完成。

電商數據池

信用無形無聲，支撐著中國電子商務的井噴式發展，而電商市場規模不斷膨脹，又為信用數據圈起了一方蓄水池。

中國電子商務是在缺乏現代誠信觀念和信用體系的環境下起步的。1999～2003年，中國網絡購物市場的年規模為10億元。

阿里巴巴創立之初，為解決企業間電子商務（B2B）的信息不對稱，建立了用戶信息認證體系。2002年，阿里巴巴推出“誠信通”，為其B2B平臺上的商家建立網上信用檔案，記錄商家的每一筆交易行為。

2003年淘寶網推出，為了讓買賣雙方習慣在互聯網的虛擬環境下交易，淘寶網讓買賣雙方交易成功后對彼此進行評價，累積的信用度作為下次交易的參考。2003年，支付寶作為第三方擔保交易支付平臺出現。支付寶的個人實名認證將買家、賣家上傳的身份信息與公安部公民身份證數據庫中的數據進行比對，同時還將身份信息與其銀行卡賬戶信息進行關聯確認。

盡管一些商家“刷信用”的做法引來質疑，但店鋪頁面上閃爍的藍鉆、皇冠依然有效影響著人們網購時的心理刻度。

2014年阿里“雙十一”促銷活動中，共有12家店鋪因涉嫌以虛假交易提高信用評級被天貓清退出本次活動，另有6家店鋪被“降級”處罰。

螞蟻金融服務集團（以下簡稱螞蟻金服，原阿里巴巴小微金融服務集團）品牌與公眾溝通部公關專家葛瑞超對《瞭望東方周刊》說：“最初網購通過郵局匯款和網上銀行，支付寶推出之后，電商才迅速蓬勃發展起來。”

隨著海量數據不斷沉淀，阿里巴巴布局信用產業鏈的腳步加速。

2010年，“阿里小貸”（現更名為螞蟻微貸）推出。“這主要是響應互聯網金融的需求，為阿里巴巴會員提供無抵押、無擔保的純信用貸款。”葛瑞超介紹說。

螞蟻微貸對阿里巴巴用戶在其平臺上的經營數據、客戶評價、物流倉儲等數據進行計算，“信用度符合貸款服務標準的商家，可在數秒內收到貸款。如果發現商家有賣假貨等行為，相應的融資服務會降低，甚至被移除出準入用戶范圍。”葛瑞超說。

據阿里巴巴提供的數據顯示，截至2014年3月，36.5 萬個借貸人從阿里小貸進行借貸，總貸款結余為 132 億元人民幣。

2012年起，電商平臺京東也針對其供應商推出了供應鏈金融、京保貝等信貸產品。

2014年9月，宜信與全球最大在線交易平臺eBay簽署戰略合作協議，聯手推出“商通貸”線上借款服務。

活躍在電商平臺上的小微企業主，率先擺脫了融資難的困境。信用水平良好的消費者也能夠享受到淘寶、京東等電商推出的賒購服務。endprint