北京信立合創總經理陳陵濤：讓中國征信服務“很有面子”

曹煦

如果說“刷臉”等于刷信用，那么，在如今快速崛起的互聯網金融時代，“刷臉”還似乎真的就和信用捆綁在一起了，而連接此二者的就是一臺被稱之為“個人信用報告自助查詢機”的產品。

2013年12月中旬，全球第一臺也是唯一一臺以人臉識別為識別技術基礎的個人信用報告自助查詢機，擺在了央行北京營業管理部。這一機器的出現不僅僅改變了個人征信報告網絡查詢及柜臺查詢兩種查詢方式，更是改變了國內外通過網絡查詢個人征信報告最為便捷的傳統印象，使中國的征信服務首次站在了全球征信信息化系統的前沿。

生物識別技術，

使個人征信報告查詢效率倍升

2005年，央行從信貸征信起步，組織商業銀行集中力量先后建成了全國聯網、集中統一的個人和企業征信系統，實現了信用信息的大集中。此后開始了央行網點信用報告查詢工作，截至2014年10月，央行網點信用報告查詢量已達到年10503091份。

與國外不同，中國的個人征信信息記錄存在于央行內網之上。傳統查詢方式有兩個，早期是通過柜臺查詢，需要相關認證手續和資料;后來有互聯網查詢方式，但是拿到查詢報告需要24小時之后。

“由于我國地域廣闊，央行的覆蓋面不可能涉及到各個市縣鄉村，也就為柜臺辦理個人信用查詢提出了挑戰，而互聯網查詢因為考慮到信息安全的角度，個人征信系統與個人報告查詢網站存在物理隔離，也就導致了網絡平臺查詢需要24小時后才能夠拿到個人征信報告。”北京信立合創信息技術有限公司（下稱“信立合創”）總經理陳陵濤接受《中國經濟周刊》采訪時說。

陳陵濤的團隊經過前期調研發現，隨著消費金融的快速猛增以及互聯網消費形式的快速增多，導致個人征信報告的社會需求量快速增加。“許多網點都出現了信用報告查詢排隊的情況，增加了央行網點工作壓力。” 陳陵濤說，“與此同時，柜臺辦理個人征信報告查詢容易存在因人工處理而出現的人為的信息誤判，這樣也容易出現替代查詢的情況。”

北京信立合創總經理陳陵濤向記者演示查詢個人征信報告。

為了解決個人征信報告柜臺查詢以及互聯網查詢方式中存在的問題，曾參與過早期“個人和企業征信系統”建設的陳陵濤決定打造一臺具有自主知識產權的自助查詢機。值得一提的是，陳陵濤突破了傳統金融系統數據調用的思維模式，創造性地將生物識別技術與征信查詢系統做了對接，實現了快速報告查詢打印。

“早在2007年，我國就已經建立起了聯網核查公民身份信息系統，這一系統將銀行賬戶實名制落到了實處，而在個人征信自助查詢機的研發過程中，我們考慮到了當時比較前沿的生物識別技術——人臉識別，將人臉識別與公安系統的身份信息進行比對，降低了審核時間，提升了審核效率，同時也提高了辦事效率。”陳陵濤回憶起最初的研發過程時說。

陳陵濤向記者在這臺全球唯一的個人征信報告查詢機上進行了演示：根據提示將本人身份證放置在設備上進行掃描，身份識別是該設備進行的第一輪身份核查;當核查通過后，設備將與查詢人顯示的面部特征進行第二輪人臉比對，根據設備設定的比對相似度進行匹配;當第二輪比對核查通過后，申請人可通過查詢設備進行申請信息錄入，隨后即可進行個人征信報告的現場打印。“目前該設備應用的通過率為92%～95%。”陳陵濤說。

技術的革新帶來顛覆性的效率提升。此前，在銀行柜臺辦理打印一份個人征信報告平均用時為3分鐘/人次。而自助查詢機的工作效率則可實現1分鐘/人次，該設備的應用使個人征信報告查詢工作效率提升了2倍之多。

技術落地陜西，

中國征信服務體系進入現代化

以人臉為識別技術基礎的個人信用報告自助查詢機商用以來，引起市場強烈反響。

“你能想到一個百姓為了一份個人征信報告要開車到幾百公里外的央行窗口去辦理嗎？”在采訪中，陳陵濤回憶起了今年9月在陜西省的一個項目。

陜西是我國西部大省，然而央行在陜西省境內有將近1/4的縣沒有個人信用報告查詢點。統計顯示截至2016年9月末，陜西省企業和個人征信系統已分別收錄陜西省22.7萬戶企業和2266萬自然人的信息，錄入信貸余額2.4萬億元。面對強勁的市場需求與央行分支機構征信查詢服務能力的嚴重缺口，陜西省相關單位提出了“征信服務零距離”的設想。

倘若要縮短征信服務距離，提升征信服務能力，首先必須解決分支機構少、服務人員有限的核心問題。“為此，我們考慮到央行已經與各商業銀行實現了網絡互通，我們可否通過自助查詢系統將觸角延伸至各地區的城市商行，建立查詢代理點。”陳陵濤說。

有了自主知識產權的技術支撐，陳陵濤和他的團隊一個月內便在陜西省60多個縣完成了60余臺機器的布點。據央行西安分行行長白鶴祥介紹：“截至目前，已在西安市高新區等16個人流密集地區設立自助查詢點，在全省22個沒有央行分支機構查詢網點的縣區全部設立了個人信用報告自助查詢代理點，實現了個人信用報告查詢服務縣域全覆蓋。”

這項技術在陜西省的實踐成為中國征信服務體系現代化的一個標志性起點。在央行征信管理局局長萬存知看來，陜西省個人信用報告查詢實現縣域全覆蓋，并集中開通，進一步延伸了征信為民服務空間，鞏固了信息主體權益保護陣地，筑牢了信用引導資源優化配置的根基。

信立合創，

為中國征信服務爭面子

“國外的信用報告查詢幾乎都采用網絡信用報告查詢機制，這也與各個國家的信用體系有關。如今，已經通過生物識別技術走到征信服務體系前沿的中國，下一步也許會有更進一步的趕超。”美國PNC銀行資產與風險管理部資深副總裁侯江博士對中國征信服務系統建設提出了預判。

據陳陵濤介紹，大數據時代背景下，利用新的數據挖掘技術為我國信用體系建設服務不僅僅是信立合創的夢想與愿景，這更是中國征信服務能力提升的一種社會責任。

傳統征信體系中，數據依賴于銀行信貸數據，而大數據時代背景下，大數據征信不僅僅包括傳統的信貸數據，能夠利用IT技術將碎片化的信息，如社交、網購及其他數據，整合起來才能形成真正有用的大數據。相比于傳統征信數據的強相關性，這些大數據征信的數據和消費者的信用狀況相關性較弱，信立合創利用大數據技術搜集更多的數據維度來加強這些弱相關數據的描述能力。這樣就使大數據征信不依賴于傳統信貸數據，可以對傳統征信無法服務的人群進行征信，實現對整個消費者人群的覆蓋。

侯江博士還告訴記者，傳統的信用評分模型一般擁有500個數據項，從中提取50個變量，利用一個預測分析模型做出信用風險量化評估。而建立的新模型中，往往涉及到上萬個數據項，從中發現上千個變量，然后分別輸入不同的預測模型中，例如欺詐模型、身份認證模型、還款能力模型、還款意愿模型以及穩定性模型等。

各種模型的集成學習將是陳陵濤未來基于大數據背景的新應用。在他看來，集成學習可以綜合不同模型的分析預測，并采用特定的策略將各個模型的結果整合，而得到一個全面有效的預測效果。集成學習就相當于多個模型協同作戰，共同決策。

“正是因為這個特點，集成學習的結果明顯優于單一模型的效果。每一個子模型都從不同的角度預測個人消費者的信用狀況，克服了傳統信用評估中一個模型考慮因素的局限性，使預測更為細致，從而得出一個人的綜合信用評分。”陳陵濤對未來的征信服務系統建設很有信心，“如今，我們這些新的應用已經在與相關單位接洽，相信很快就將得到實際的應用。”

今天，信立合創用獨有的生物識別使中國的征信服務系統“很有面子”，同時，也把中國“智造”這一標簽釘在了征信體系中，我們相信隨著征信服務系統新模型的落地，中國的征信服務系統將在全球的征信服務體系中更為突出，中國的征信服務能力屆時也將會“更有面子”。

“下一步，無論從國家還是企業的角度，我們都將為進一步提升征信服務質量而努力，事實上我們也正在朝著這一方向努力。”陳陵濤在采訪中這樣表示。