基于互聯網金融平臺的大數據征信實踐與啟示

馮笑　陳翼

[摘 要]信用經濟是現代市場經濟發展的必由之路，而互聯網金融平臺的蓬勃興起對傳統的征信體制帶來了不可忽視的影響。基于互聯網金融平臺的大數據征信憑借自身海量資源和數據深度挖掘等獨特優勢，正在成為發展信用經濟的新標準。文章以螞蟻金服為研究對象，分析其技術背景和征信體系、風險控制體系及創新。通過螞蟻金服的大數據征信實踐得出大數據征信對我國互聯網金融和征信業的有益啟示。

[關鍵詞]大數據征信；互聯網金融；螞蟻金服

1 螞蟻金服征信模式

征信是指對市場參與者的信用或資信狀況進行調查報告的中介服務活動，主要作用是消除或降低信用交易雙方的信息不對稱。征信體系建設是我國社會與經濟發展的必然要求，是我國市場經濟的最新組成部分，是我國創新社會管理的重要內容之一（吳晶妹，2013）。

中國金融業正從傳統時代逐步轉型到信息數據時代。謝平和鄒傳偉（2012）指出，以互聯網為代表的現代信息科技，尤其是移動支付和云計算等，將對人類金融模式產生顛覆性影響。螞蟻金服作為阿里旗下專門從事互聯網金融的公司，在大數據應用方面一直處于領先地位。2015年1月5日，中國人民銀行發布了允許8家機構進行個人征信業務準備工作的通知，螞蟻金服芝麻信用位列其中。

螞蟻金服的本質是借助于互聯網技術的金融中介機構。Mishkin（1995）指出，金融中介存在主要有兩個原因。第一，金融中介有規模經濟和專門技術，能降低資金融通的交易成本。第二，金融中介有專業的信息處理能力，能緩解儲蓄者和融資者之間的信息不對稱以及由此引發的逆向選擇和道德風險問題。螞蟻金服的互聯網金融模式不但能能夠進一步降低資金融通成本，而且需要指出的是其大數據征信更是有力解決了資金融通過程中由于信息不對稱而引起的逆向選擇和道德風險。

2 大數據征信的特點及優勢

2.1 樣本優勢

據統計，2014年第三季度阿里旗下淘寶平臺占有約96.5%的C2C市場份額，天貓平臺占有57.6%的B2C市場份額，第三方支付平臺支付寶則占有82.2%的市場份額。所有在阿里旗下平臺交易的數據均會被記錄并作為征信評分依據上傳到阿里云平臺。擁有海量的交易數據，這大幅領先于銀行的小貸業務（牛潤盛，2014）。而利用大數據平臺進行征信依托的是體量龐大的數據，且多為非結構化數據，數據與評估結果之間不再是因果關系，而是相關關系。這就意味著被征信對象很難通過對數據造假等不道德手段更改評估結果。

2.2 規模效應

傳統征信手段的成本會隨著征信對象的不斷增加而顯著上升。互聯網大數據平臺對征信對象進行征信評分只需前期投入設備購置和模型建立費用，使用中對平臺進行必要的維護，其成本相對固定，不會隨用戶數量的增長而發生顯著變化，體現出了規模效應的特點。

2.3 征信結果使用廣泛

傳統征信體系的征信結果由于體制和技術等原因使用多限于金融行業，而互聯網金融平臺的大數據征信結果往往有在金融業外的更多應用。基于螞蟻信用分，支付寶中已列出出行、住宿、金融、購物等六項應用場景。螞蟻信用分應用場景主要分為金融和非金融兩類，金融類會與金融機構、網絡信貸（P2P）做數據方面的合作和探索；非金融則會在免押（租車/住宿）、后付、證明（簽證、交友方面）、分享（如小豬短租）方面有所關注。

3 可能限制大數據征信的因素分析

3.1 各征信平臺的數據彼此孤立

目前國內擁有百度云、阿里云、騰訊云等多個云平臺，掌握用戶數據的相關機構數量較多。但數據與平臺之間彼此孤立，各個信用評級機構的評分依據不能完全遷移，這在某種程度上限制了數據的體量和維度。同時對于剛處于起步階段的個人征信機構來說因為缺少足夠量的征信數據而難以支撐起征信產品。因此數據提供方、征信機構、云平臺運營方之間的合作將對大數據征信發展具有重要意義。

3.2 金融業務經驗缺乏，信貸規模有限

利用大數據平臺開展征信業務的多為互聯網企業，初涉金融領域缺乏大批專業技術人才和必要的金融運作經驗。其業務系統目前尚不能根據用戶的實際需求提供一對一的個性化咨詢與服務，與傳統銀行逐步建立起的完善客戶服務體系有較大的差距。

3.3 隱私保護和信息安全問題

依據中國互聯網信息中心發布的《2013年中國網民信息安全狀況研究報告》顯示，2013年遇到過網絡安全問題的網民比例高達74.1%，影響總人數達到了4.38億。全國因信息安全遭受的經濟損失達196.3億元。總體狀況不樂觀。同時因為智能手機的大規模使用，用戶的隱私信息被泄露的風險進一步加大。目前我國關于互聯網個人隱私保護和信息安全的相關法規不健全，取證執法難度較大。征信過程中可能會涉及的小微企業的商業秘密保護問題也同樣不可忽視。

3.4 技術的限制

傳統信用體系的數據處理變量相對較少，且各個變量之間彼此相關。對變量進行建模分析時可對每個變量都精確分析并最終得到相對透明的結果供使用機構參考。但大數據時代征信使用的數據變量數龐大，變量之間無必然因果聯系。基于大數據的數以千計的變量規模和多模型使得數據的處理和模型的解釋變得比較復雜，在實際應用中會帶來許多麻煩。超大規模的數據存儲和云平臺數據分析對計算機的存儲和計算能力的要求也會越來越高。

4 對我國金融征信體系建設的思考與啟示

完善征信體制是市場經濟發展的基石和保證。我國現有的征信體系主要由中央銀行主導，征信對象主要是大型企業，服務對象是以商業銀行為代表的金融機構。現有的征信體制還處于發展的初級階段，很不完善，而大數據征信的應用對加快建設和完善我國征信體制建設、促進信用經濟的發展等方面意義重大。

4.1 傳統征信體系數據來源的改變

相較于傳統征信體系受征信數據局限的不足，大數據征信的特點表現更為突出。而以人民銀行主導的傳統征信體系則在數據準確性、易用直觀等方面優于大數據征信。探索將合規互聯網征信機構與央行征信系統對接的可能性將對我國信用體系的進一步發展提供有力保障。

4.2 小微企業的融資環境進一步改善

我國小微企業眾多，在提高市場經濟活力，吸納社會就業等方面表現突出。但長期以來小微企業發展受制于資金，融資難的問題一直沒有得到有效解決。對于金融信貸業務而言，風險防范的核心在于貸前的資信調查以及對貸后資金蹤跡和交易行為的監控，而后者由于信息不對稱使得傳統金融企業難以精確掌握客戶資金的去向，唯有借助抵押擔保等手段加以控制（鐘曜璘和彭大衡，2014）。螞蟻金服為代表的互聯網金融企業信貸的主要對象就是廣大小微企業，其能以較低成本對小微企業進行征信，并通過云平臺實時監控貸款人的信用狀況并及時采取必要措施，從而能將不良貸款率控制在較低水平。

4.3 改善社會信用環境

我國的市場經濟發展還不完善，不成熟，各種失信事件還時有發生，社會信用體系還未真正建立。隨著金融征信體系的完善，相關信用產品將逐漸普及，失信成本也驟然提升，這有益于改善社會信用環境。

參考文獻：

[1]吳晶妹.未來中國征信： 三大數據體系[J].征信，2013（1）.

[2]謝平，鄒傳偉.互聯網金融模式研究[J].金融研究，2012（12）.

[3]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Zest Finance為例[J].清華金融研究，2014（11）.

[4]牛潤盛.互聯網金融背景下的征信模式選擇[J].征信，2014（8）.

[5]鐘耀璘，彭大衡.阿里征信模式對我國金融征信體系建設的啟示[J].征信，2014（2）.

[6]劉瑛娜，陶富強，操樂鳳，等.征信推動普惠金融發展的實踐與思考——以安徽省為例[J].征信，2014（10）.

[7]徐晉.大數據經濟學[M].上海：上海交通大學出版社，2014.