基于产业链视角的传统征信与大数据征信良性互动初探

摘 要：征信是金融运行的基石。我国在改革开放后建立的征信业为金融体系的健康运行提供了有力的保障。近年来金融借助互联网技术不断纵深发展，互联网金融异军突起，但信息不对称现象也更为突出，因此催生了运用大数据技术进行的市场化的征信活动。在整个征信产业链中，两大征信供给主体――传统征信与大数据征信模式各有优势，也都有难以克服的缺点，只有二者实现良性互动和互联互通才能有效地提升征信业服务于实体经济的能力。然而当前传统征信与大数据征信实现良性互动仍存在着信息分散难整合、征信标准不统一、征信法律法规落后、征信监管滞后等难题，据此，文章提出相应破解难题的对策。

关键词：征信；大数据；互联网金融

中图分类号：F830.31 文献标识码：B 文章编号：1674-0017-2016（1）-0053-05

在我国《征信业管理条例》中，征信是指对企业、事业单位等组织的信用信息和个人的信用信息进行采集、整理、保存、加工并向信息使用者提供的活动。在征信市场上，征信的供给者为征信需求者提供专业化的信用信息服务，主要目的是降低经济社会活动主体对信用信息的收集使用成本，为金融体系的运行与发展保驾护航。目前的征信市场是以央行主导的金融信用信息基础数据库为核心、细分市场的市场化征信机构为辅的格局。央行传统征信的金融信息基础数据库收集的是以银行为代表的金融机构信息数据，其最大的优势是拥有阿里或腾讯等电商无法比拟的大数据级别的金融数据。近年某互联网金融的迅猛发展，征信市场上应用大数据技术对互联网信息进行多维度收集而形成的大数据征信应运而生，形成了央行征信系统的有效补充。然而，目前两种征信模式并不相互连通：央行的征信系统不向互联网金融公司提供信用查询服务，互联网征信企业的征信数据有特定的服务对象。征信产业链的两大征信供给主体各自为政，导致征信市场需求方难以获得全面的信用信息。如果没有从整体征信产业链的宏观把握，单个企业或机构仅仅基于自己掌握的独立数据，无法了解产业链各个环节数据之间的关系，这样一种数据割裂的状态，不利于征信市场的完善与发展。在大互联网金融的未来发展中，我国迫切需要在现有央行主导的征信体系基础之上，建设立体化、全息化的征信体系，实现传统征信与大数据征信的良性互动，并充分运用互联网大数据技术实现这一目标，这将有效控制社会融资体系信贷风险、大大降低风险识别的交易成本，有效提升征信业服务于实体经济的能力。本文从传统征信与大数据征信良性互动可能存在的难点出发，提出传统征信与大数据征信良性互动的若干路径。

一、传统征信的缺陷

传统征信的核心是2006年建成的以央行主导的金融信用信息基础数据库，人民银行征信中心负责管理和维护，采取强制方式登记个人和企业金融信用信息，主要为银行等金融机构提供基础的信用数据。随着互联网金融的迅速发展，传统的征信系统已无法满足互联网金融的发展。

（一）征信体系覆盖面窄。截至2014年底，人民银行个人征信系统共收录8.4亿人信息，其中有信贷数据的只有3.2亿多人，约占总人口数的23.7%，约有5亿人只有经济信息，并无有效征信信息。人民银行企业征信系统收录企业及其他组织近2000万户，仅覆盖到全国工商总局登记注册的企业1527.8万户、个体工商户4564.1万户的32%。有将近5亿的人口、超过4000万的企业这部分陌生人，却可能在互联网上或其他信贷机构存在信贷记录。

（二）信用评级缺失。在整个征信流程中，更注重的是征信的环节，即收集记录信用数据环节。央行征信要征集涵盖各行各业的数据，如银行、工商、税务、司法、公共事业等行业的数据，央行与这些部门行业协商完成数据收集工作。但央行征信提供的征信产品和服务较为有限，其征信系统产品主要以征信报告为主，尚无提供信用评级的能力，导致信息使用人无法直观、量化地了解到被征信人的信用状况。与之不同，互联网企业的征信产品，如“芝麻信用”通过分析人的互联网行为记录，对人的身份真实性、行为可信性进行评估并给出认证等级和信用分数，非常直观且易于比较。

（三）征信信息收集速度慢、成本高。征信收集涵盖信贷、公用事业、政府部门等信息，这些信息收集要事先征得信息主体同意，然后由信息提供单位录入，信息采集主动权并不掌握在自己手中，因而从信息发生到录入数据库不可避免存在一定的滞后。央行征信信息管理系统维护需要专业的信息管理技术人员进行，征集信息也需要与信息提供的单位协商同意，这些环节需要大量的人力和物力，成本较高。

二、大数据征信的优势

（一）大数据征信发展现状。信息革命带来了数据的突破式增长，移动互联网的应用加速了数据的产生速度。大数据征信是通过多角度的信用数据发现、整合和分析，既对经营数据在内的结构化数据进行分析，同时也对地址电话信息、行为数据、社会关系等非结构化数据进行采集和分析，最终形成对借贷人的信用评价以供决策参考。目前互联网金融用于信用分析的大数据主要来源于淘宝、苏宁、京东等电商网站、各银行机构的信用卡相关数据、社交网站的社交行为数据、小贷类网站的信贷数据、第三方支付类平台的消费数据，生活服务类网站如水、电、电话、网络费等交纳情况的数据等。大数据征信主要包括三类：

一类是具备海量个人数据资源的电子商务企业，如依托阿里集团的芝麻信用、腾讯集团的腾讯征信、平安集团的前海征信、拉卡拉集团的拉卡拉信用，他们在自身的电子商务平台下和支付渠道中，本身集聚着海量的信息数据，沉淀下来形成的全方位的信息数据库，可以直接或间接运用在网贷、理财等金融领域。

另一类是来源于第三方互联网大数据的信用数据收集者，如上海资信、北京安融惠众、国政通等，通过收集、整理、保存、加工第三方的大数据，形成符合市场需求的信用报告、评级报告等征信产品。如2013年7月开始试运行的上海资信的“网络金融征信系统（NF-CS） ”。

第三类是P2P企业独立拥有的征信数据库。拍拍贷、人人贷、信而富等企业都建立了自己的征信体系。拍拍贷用先进的理念和创新的技术建立的征信数据库――魔镜系统，这个网贷行业内首个真正基于征信大数据的风控系统，也是行业首个能够为每个借款标的准确预测风险概率的风险控制模型，正是这个系统有效地帮助平台贷款逾期率控制在1.71%的水平。

（二）互联网背景下大数据征信的优势。一是大数据征信极大地扩大了覆盖人群。中国有6.48亿网民，还有拥有大量用户的互联网企业如腾讯公司更是拥有8亿QQ账户、5亿多微信用户以及3亿多支付用户，阿里巴巴的淘宝网拥有近5亿的注册用户数，每天有超过6000万的固定访客，通过对用户在网络上留下的痕迹进行数据挖掘和分析，让更多在互联网上有数据的人，通过刻画得出的信用状况，这些信用数据能够成为目前征信体系的有效补充。

二是大数据征信可以多维度记录征信人群的信息。与现有征信体系主要记录个人信息和信贷记录不一样的是，大数据征信运用大数据的方法，计算和分析互联网上万个与信用相关联的变量，这些变量涉及金融交易、生活、社交、公共政务等方方面面：如年龄、性别、工作、学历、兴趣爱好等个人基本属性数据、搬家及更换通讯号码的次数、银行和信用卡等传统数据、网上交易数据、购物风格、汽车和电子产品品牌、客户评价、库存量、现金流、调查问卷记录、水电账单、话费账单等，还包括公开与互联网上的数据：如 IP 地址、用户搜索习惯、社交网络数据，甚至一些边缘化的信息如浏览网站的次数和停留时间、喜欢看的文章类型及频率都可以成为信用评价的考量因素。

三是大数据征信的数据真实、及时，注重预测行为。大数据技术为大数据征信提供了强大的技术支持，不仅实现了便利的海量数据收集和存储，而且数据实时鲜活，它基本上都是反映当下发生的在线数据，不再是事后数据。如果某个人当下发生违约行为，网络会立刻将其行为反映出来，在线及时的数据有利于业务的快速决策，提高互联网金融运行的效率。其次，大数据征信的数据真实性高。消费者在互联网上的行为一般不会刻意为之，再加上信息量巨大，大的时间跨度和空间跨度让消费者难以刻意作假，因此基本可以认定这些数据能够反映消费者真实的行为习惯和生活状态，是真实信息的反映。征信系统在信息采集渠道的源头设定了严格把关机制，如腾讯征信公司开发的基于人脸识别技术的身份验证产品，拍拍贷的学籍认证和网商认证等，其将线上身份验证和互联网征信绑定在一个产业链中，这些大数据技术手段保证了信息的客观性、真实性。再则，大数据征信系统具有预测功能。对于在传统征信中没有记录的人群，大数据征信可以借助其他网上数据来反映个人的行为特征，据此评价其性格特征、心理特征及经济状况，进而评估预测该人的履约能力。

三、传统征信与大数据征信良性互动的难点分析

（一）各渠道数据未建立信息共享机制，信息分散难整合。从目前征信市场的格局来看，拥有个人数据的机构之间难以协调。国内的个人信用信息主要掌握在人民银行、公安、法院、工商、国税、劳动保障、人事等多个部门及商业银行、公共事业、邮政、电信、移动通讯、保险等非政府机构，2015年获批的8家民营征信机构中，其中腾讯、阿里的个人征信数据主要来源于自身社交、网购平台的数据，而中诚信征信、鹏元征信等老牌征信企业的征信数据，主要来自银行、保险、小额贷款公司，服务对象主要面向银行。因此，我国目前的信用信息拥有者处于各自为政、相互屏蔽的状态。信用数据使用者若想取得全面真实的个人信息，就必须奔走各个部门机构。想要在各个征信机构之间搭建一个连接的“桥梁”或者实现数据库的联通，在目前缺乏法律法规支持的情况下，十分困难。如果征信信息不能共享，由于金融企业之间的信息不对称和竞争关系，导致了互联网金融公司间的信息不畅通，借款人有可能出现在一些互联网金融平台重复贷款，并且不能实施有效监督。完善的征信体系构建的核心就在于是否能够整合各个渠道的信用数据，大数据的整合应用将是大势所趋。

（二）互联网金融征信的标准不统一也会成为融合难题。目前在互联网金融平台的征信，基本上是根据各自业务需要而建立的征信模式，处于各自为政的格局，各个系统的信用档案分值之间缺乏可比性和通用性，原因是各征信机构的采集的数据格式、内容、指标以及采用的技术支持软件存在较大差别。甚至部分的征信机构由于技术的差别，在报数能力和数据安全方面难以达到央行征信系统的要求，这些因素给大数据征信企业与央行的征信系统的顺利对接造成了一定障碍。如果整个征信业不能统筹考虑制定统一的征信标准和技术标准规范，会给信用信息数据的进一步加工、整合、共享、交换等带来障碍，平台信息难以有效共享，造成信用信息资源的浪费，征信系统难以发挥更大的作用。

（三）征信业监管不适应大数据时展。大数据征信是近年来才逐渐兴起的征信领域新问题，由于征信监管法律滞后的原因，现有的征信的监管难以覆盖到传统金融领域和征信机构以外，诸如腾讯、阿里等利用互联网金融平台进行的大数据征信行为，尚未纳入到现有征信监管体系之中。在互联网金融迅猛发展的背景下，应对利用大数据技术的互联网金融征信行为进行规范管理，处理信息主体提出的诉讼等。

（四）征信法律法规滞后。目前我国的征信法律法规主要有：2013年颁布实施的《征信业管理条例》和《征信机构管理办法》；2005年实施的《个人信用信息基础数据库管理暂行办法》和《征信数据元：数据元设计与管理》等五项金融行业标准；2006年实施的《中国人民银行信用评级管理指导意见》。总体而言，我国征信业进入有法可依的时间比较晚，如《征信业管理条例》于2013年3月才开始正式实施，且许多实施细则仍未出台。且之前制定的征信法律法规是在互联网金融尚未发展时期制定的，早就无法满足大数据时代的征信监管要求了，互联网金融领域的大数据征信活动缺乏法律的规范。此外，信息提供主体法律地位不明确、信息标准化建设严重滞后等问题非常突出，网络安全管理也存在体制分散，管理乏力的问题。反观美国，仅个人征信行业就颁布了17部法律。如果不能对互联网征信企业利用互联网平台采集用户的各方面信息行为进行规范，将会严重损害信息主体的正当权益，不利于互联网金融的持续健康发展。

四、传统征信与大数据征信良性互动的建议

（一）建立统一的信用信息征集标准。要实现传统征信与大数据征信的有效融合，必须建立统一的征信标准，只有实现了统一标准下的信息采集和使用规范，方能实现全社会范围内的信息共享。首先，积极推进统一征信标准的研究和建设工作。中国人民银行征信中心已经制定并《征信数据元：数据元设计与管理》等五项金融行业标准，这是从法律层面上促进了信用数据跨部门、跨行业共享和应用。在此基础上，应该从国家层面制定信用信息标准规范，从业务、技术等不同层面统一征信标准，制定信用信息如何采集和分类标准，鼓励相关部门和行业在进行征信活动时，直接以国家标准要求自己，积极推动拥有数据优势的企业成为行业标杆，将其征信业标准上升到国家标准，在全社会推广行业标准，为大数据征信和传统征信的接口建设减少障碍。关注互联网金融征信技术的发展动态，根据形势发展修订征信标准，提高征信标准的及时性、适用性和有效性，促进征信服务的创新发展。总之，依法实现跨行业、跨部门进行信息交换和共享技术，为传统征信与大数据征信的未来融合做有益的铺垫。

（二）建立信用信息共享制度，推动大数据征信与央行征信系统对接。大数据征信的信用信息纳入传统征信系统是构建覆盖全社会网络信用体系的有效路径。建立统一的征信标准体系之后，可以循序渐进地从点到面，从关键到全局，推动大数据征信与央行征信平台、政务信息平台的全方位对接，三管齐下逐渐建成覆盖全社会的征信体系和信息交换机制。一是建立贯通主要金融机构的金融全行业信用信息数据库。中国人民银行作为牵头人，可以尝试以银行信贷数据为突破口，延伸至证券、保险、小额贷款公司、担保公司、基金公司等，将主要金融机构积累的信用数据按统一标准进行收集整理，首先实现金融行业内信用信息的共享。2015年3月央行已经开始尝试将具备接入条件的小额贷款公司、融资性担保公司、村镇银行等小微金融机构的数据对接到金融信用信息基础数据库，此外2家保险企业、3家证券公司均逐步接入央行征信系统，实现了数据报送并享受有偿查询服务。二是在互联网金融行业协会主导下，协调和规范行业内信息交流与共享，尝试建立互联网金融信息共享平台。行业内已经进行有益的摸索和尝试：2015 年 2 月，国富泰信用管理有限公司和摩诘科技有限公司签署了《互联网金融信用信息共享平台》的合作协议；2014年8 月，作为国内首家致力于金融信用信息共享的平台――大公互联网金融信用信息共享平台正式上线。这些信息共享平台的建立之后，可以实现在互联网金融领域内的信息共享。三是贯彻落实行政信息公开制度，规定各部门按照信用信息披露原则进行公开信息，在确保权利保护和信息安全的基础上，帮助征信机构在有效的法律约束下进行信息资源的收集和使用。上述三个渠道的征信建设成熟完善之后，将央行主导的金融机构线上线下、互联网金融行业、行政政务等信息通过全国统一的征信信息共享平台系统实现全社会共享，最终建成覆盖全社会的征信体系。

（三）加强基于大数据时代特征的征信业监管。建立符合大数据时代要求的征信业监管体系。首先，征信监管部门要尽快将新型大数据征信机构或有关大数据公司纳入征信监管框架，并协调好传统征信与新型大数据征信机构的关系借鉴国际经验，尽快制定符合大数据规律的监管规则，明确监管目标和手段，规定信息采集、整理、使用等的违规红线。征信监管部门应及时出台监管政策，重点监管征信机构或平台的规范运行和用户信息安全保护上。其次，征信监管部门还需处理好业务创新与合规监管的关系，积极鼓励征信机构利用大数据技术优化数据采集机制，不断研发征信新产品、新服务。最后，推动建立征信行业自律，建立行业规范标准和行业职业道德要求，促进整个征信行业的健康发展。

（四）进一步完善征信法律法规体系。构建互联网金融征信体系法律框架，首先应加快互联网金融相关的基础性立法，明确诸如互联网金融企业、P2P 融资平台等的性质和法律地位，明确信息主体的各项基本权利，为接入征信系统奠定法律基础。其次，尽快制定《征信业管理条例》的具体实施细则，确保该管理条例在互联网大数据征信企业中得到贯彻实施，避免互联网征信业的无序发展。在《征信业管理条例》框架下，制订《信息安全条例》与《政务信用信息管理条例》。配套制度出台前，将互联网的大数据征信规范写入其中，明确界定互联网金融企业信息采集的来源和用途、如何处理和传播、信息的时限等内容。通过加强信息安全管理，切实有效地保护互联网金融消费者的合法权益。再则，应根据互联网金融背景下征信市场的发展和变化，适时修订和完善现有征信法规，从政策层面推进信息采集标准的统一。对新型征信业务模式比如基于互联网服务平台的征信活动也要按照中国人民银行征信中心统一的规范报送信用信息数据进行规范管理。最后，提升我国现有征信管理相关法规层次。比如将《个人信用信息数据库管理暂行办法》升格为国务院的规定法规，以保障征信法律的权威性。

参考文献

[1]葛志苏.互联网金融背景下征信业市场化发展研究[J] .武汉金融.2014，（12）：33-34.

[2]林采宜，尹俊杰.互联网金融时代的征信体系[J] .新金融评论.2014，（6）：11-35.

[3]李先瑞.大数据征信破解小微企业融资困境探讨――以拍拍贷为例[J].会计之友，2015，（7）：52-56.

[4]拍拍贷.2015年第一季度业绩报告[EB/OL].http：///download/doc/ppdai_quarter_report1.pdf.

[5]魏强.大数据征信在互联网金融中的应用分析[J] .金融经济，2015.（8）：11-13.

[6]陈仲常，杨琳，贾艳.信息时代的人口调查[J] .中国统计，2008.（3）：52-56.

[7]罗明雄，唐颖，刘勇.互联网金融[M]北京：中国财政经济出版社，2013：359.

[8]陈小林，杜若华，刘永锋.我国互联网金融征信体系建设路径思考[J] .征信，2015，（1）：29-31.

[9]卢芮欣.大数据时代中国征信的机遇与挑战[J] .金融理论与实践，2015，（2）：103-107.

[10]彭宇松.大数据对现信体系的影响及启示[J] .征信，2014，（1）：57-58.

[11]程鑫.互联网金融背景下征信体系完善面临的机遇和挑战[J].上海金融，2014，（11）：109-110.

The Analysis on the Benign Interaction between the Traditional Credit Reporting and Big Data Based on the Perspective of the Industrial Chain

TAN Yanbin

（Lijiang College of Guangxi Normal University， Guilin Guangxi 541006）

Abstract： The credit is the foundation of the financial operation. The credit reporting industry established after the reform and opening up in China has provided a strong guarantee for the financial system to run healthily. In recent years， the finance has developed continuously in depth with the help of the Internet technology， and the Internet finance has been in boom， but the information asymmetry phenomenon is more prominent， which gives rise to the credit reporting activities with the marketization feature that have used Big Data technology. In the whole credit reporting industry chain， the two credit supply subjects -- traditional credit reporting and big data reference model have their own advantages， and also have shortcomings which are difficult to overcome. Therefore， only realizing the benign interaction and connectivity can effectively improve the ability of the credit reporting industry to serve the real economy. However， there exist the difficulties such that the information is scattered and difficult to integrate， the credit reporting standard is not unified， laws and regulations on the credit reporting are backward， and the credit regulation is lagged and so on. At last， the paper puts forward the corresponding countermeasures to solve problems.

Keywords： credit reporting； Big Data； Internet finance