互聯網征信的價值分析

【摘要】本文歸納了互聯網征信與傳統征信的區別，從數據來源、覆蓋人群、評價思路等方面展開分析，總結出互聯網征信的特點，指出了互聯網征信相較于傳統征信所具有的優勢和原因，從而分析了互聯網征信的價值，為行業發展提供參考。

【關鍵詞】互聯網征信 價值分析 征信應用 大數據 互聯網金融

一、序言

信用是現代金融的基石，當前的市場經濟的運行中普遍存在并依賴著企業與個人的信用行為，信用的管理也具有較高的重要性。征信是信用管理的重要方面，人民銀行在2015年1月印發《關于做好個人征信業務準備工作的通知》之后，以互聯網征信為代表的民營征信機構獲得認可并發展。2018年1月，人民銀行受理了百行征信有限公司，簡稱“信聯”，的個人征信業務申請，這是一個由中國互聯網金融協會牽頭，首批8家個人征信試點機構共同出資成立的個人信用信息平臺。“信聯”將成為與央行征信中心平行的機構，未來會與央行征信數據互通。這意味著互聯網征信將與央行征信相互補充，線上線下聯結，達到“讓一個人在金融市場上的所有不良記錄無處遁形”的理想效果。

互聯網征信以大數據為基礎，對大量真實且多樣的低價值密度互聯網信息進行高速分析，從而得出征信報告，為信用管理提供服務。當前許多依托大數據的服務在收集數據時仍然較為盲目，沒有針對性的搜集各種數據，從而導致了嚴重的隱私侵犯和資源浪費的問題，本文希望通過梳理互聯網征信與傳統征信的區別，歸納互聯網征信的特點，從而分析其價值，引導征信機構合理收集數據，提高互聯網征信的效率。

二、互聯網征信與傳統征信的主要區別

互聯網征信的數據來源于線上，而傳統征信的數據來源于線下渠道，這就導致了互聯網征信與傳統征信在以下幾個方面有著顯著區別。

（一）數據來源、類型與內涵不同

傳統征信的數據來源于線下借貸和履約行為，類型主要是信貸數據、公共事業繳費和罰款等結構化數據。從內涵上來說可以體現征信對象在借貸方面履約的可能性。

互聯網征信的數據主要從線上各類平臺獲得，包括網絡交易數據和社交網絡數據。網絡交易數據來源于淘寶、京東等電商平臺，支付寶等第三方支付平臺和P2P借貸、眾籌等其他類型互聯網金融平臺。社交網絡數據來源于微博、微信和QQ等社交網絡平臺和其他具有社交屬性的平臺。以上這些線上來源可以提供征信對象以往的買賣、支付、線上借貸信息，以及圖片、視頻、地理位置等各種非結構化的數據。從內涵上來說，互聯網征信可以綜合工作生活、性格心理、人際關系等各方面來推斷征信對象的信用情況。

（二）覆蓋人群范圍不同

傳統征信的數據主要來源于銀行等傳統金融機構，并且與司法、公共事業、稅務等部門之間相互獨立，從而導致傳統征信數據更新緩慢，覆蓋的范圍十分有限。以個人征信為例，截至2016年6月底，央行征信中心覆蓋人群雖有8.8億，但其中有信貸記錄的僅為3.8億人，約占總人口的27%。和征信水平發達的國家相比，覆蓋比率很低，并且近幾年沒有顯著的提高。

互聯網征信所依托的網絡服務在我國覆蓋度已相當高，例如截止2017年底，中國網民超過7.5億，智能手機用戶接近13億，支付寶用戶已達5.2億。由此可見，互聯網征信廣泛的信息渠道與多樣的數據類型可以使其覆蓋到過去沒有信用記錄的人，有著比傳統征信更高的覆蓋率，從而為更多人提供征信服務。并且，將來“信聯”的運營將使得民營、地方、央行征信系統之間的信息共享，進一步提高互聯網征信的覆蓋率。

（三）信用評價思路不同

傳統征信利用過往的信用記錄來評價征信對象當前的信用情況，但當征信對象的履約能力發生變化或過去無借貸信用記錄時，傳統征信就無法準確的對信用情況進行判斷。互聯網征信則依靠分析實時獲取的大量用戶行為數據，從性格、心理、人際關系等多方面判斷用戶履約意愿和能力。數據動態更新，能在傳統征信不能時做出信用情況的判斷，更及時的反應信用情況的變化。

（四）數據分析技術不同

互聯網征信所使用是數據類型明顯區別于傳統征信，需要分析大量的文本、圖片等多樣性的數據，涵蓋了消費、借貸、社交等方方面面，因此互聯網征信使用到的數據收集、整理、分析技術也是區別于傳統征信的。例如，互聯網征信需要通過使用圖像識別、語義分析、深度學習等新技術來對收集到的數據進行加工處理，利用社會學、心理學、經濟學的相關理論對數據進行分析，并不斷跟蹤學習，提高預測模型的精準度。

（五）應用場景不同

傳統征信主要被應用在借貸領域，用于評估貸款申請人的信用水平和還款能力，而互聯網征信的應用范圍不限于借貸。由于其數據有著多維度與開放性的特點，互聯網征信的應用范圍更加廣泛和多樣。例如免押金租車、賒購等各種生活中需要履約的場景。得力于互聯網的開放性，互聯網征信可以不斷拓展其產品的應用場景，從線上各類互聯網金融業務到線下服務都存在很大拓展空間。

三、互聯網征信的價值

（一）實現更精準的信用評級

傳統征信依靠歷史數據，利用一定的數學模型進行分析，依靠的是根據歷史數據計算出的各相關變量和違約率之間的對應關系。傳統征信進行信用評級時間滯后且維度單一，不能與財務或信用歷史之外的數據進行交叉驗證，導致信用評級的精度與可靠性不高。

互聯網征信使用的數據所涵蓋的范圍是遠大于傳統征信的，利用財務數據之外的信息，更立體的對信用評估的對象進行分析。并且互聯網征信的數據更新頻率更高，技術手段上比傳統金融發展更快，可以方便的實現各數據庫之間的共享，從身份特質、履約能力、信用歷史、人脈關系、行為偏好等方面繪制出征信對象更全面且更具細節的肖像，使得評級結果更加精準。

（二）豐富信用評級的應用場景

傳統征信主要被銀行等金融夠使用，用于借貸領域，具有很強的金融屬性，而互聯網征信的應用場景更加碎片化與生活化。網絡借貸、購物、預定酒店、租車等各個方面都可以使用互聯網征信的信用評級。在社交方面，還可以通過互聯網征信為用戶提供就業、招聘、交友方面的支持。表1參考了芝麻信用，列舉了部分互聯網征信的應用場景。

（三）消除征信的死角

傳統征信的死角存在兩個方面，一是僅能使用線下金融機構所記錄到的信用行為來進行評估，存在數據孤島，二是不能及時反映出信用水平的變化，存在時間上的滯后。例如某人在A銀行貸款逾期未還，存在違約記錄，此人在向B銀行申請貸款時將會被拒絕，卻可以在P2P網絡借貸平臺上獲得借款。互聯網征信除了可以實時從電商、支付、社交網絡等平臺獲取信息之外，還可以與同業平臺共享數據，甚至與央行征信數據互通，消除數據孤島和時間遲滯，也可讓監管層全面掌握信息，實施更精準的政策調控。

（四）加強征信行業的競爭

目前已有8家征信公司在從事信用評級業務，相互之間存在著競爭關系，尤其以芝麻信用和騰訊征信之間的競爭關系最為直接。和過去只能有少數征信機構合法從事征信業務的情況不同，現在我國引入了民營企業進入征信市場，將來央行很可能進一步開放征信的準入限制，征信行業將出現更多的競爭者，央行與機構之間的數據也可能實現互通。這有助于防止市場的壟斷，加強征信機構之間的競爭，提升行業的活力，從而加速互聯網征信技術的升級創新，提升信用評級的效率。可以預見將來我國征信的市場的需求也會逐步擴大，互聯網征信機構也能提供更加多樣的服務，滿足社會對征信的需求。

四、總結

作為一種新興的業態，互聯網征信開創了我國征信行業的新時代，在優化征信行業、約束不信用行為等方面有著重要價值。當前我國的互聯網征信行業仍處于起步階段，在規范性、法律、技術應用等方面都存在著較大的改進空間。認識清楚互聯網征信的價值，有助于發展互聯網征信行業，提升我國的征信水平。

參考文獻

[1]張健華.互聯網征信發展與監管[J].中國金融，2015，（01）：40-42.

[2]李真.中國互聯網征信發展與監管問題研究[J].征信，2015，（33）：9-15.

[3]孔德超.大數據征信反思——基于個人征信視角[J].現代管理科學，2017，（09）：103-105.

[4]丁振輝，李星諭.互聯網征信的意義、問題及商業銀行的對策[J].征信，2015，（05）：32-36.

[5]余麗霞，鄭潔.大數據背景下我國互聯網征信問題研究——以芝麻信用為例[J].金融發展研究，2017，（09）：46-52.

[6]趙紅梅，王志鵬.大數據時代互聯網征信發展中的問題及應對策略[J].金融經濟月刊，2016，（09）：69-71.

作者簡介：李冠（1990-），男，漢族，江蘇常熟人，職務：江蘇經貿職業技術學院金融學院專任教師，職稱：助教，學歷：碩士研究生，研究方向：互聯網金融。