人口红利能否中国大数据征信实现弯道超车？

　　“支付鸨”事件的爆发，让征信成为关注焦点，媒体、互金从业者纷纷就此发表观点，议论多围绕着支付宝乱用征信场景，为上线社交不择手段等重心，让人们对国内以芝麻信用和腾讯征信为代表的大数据征信产生了质疑甚至批判的态度。　

　人口红利能否中国大数据征信实现弯道超车？
　　其实，如果对照比较中美的征信市场和社会信用体系的发展和现状，我们会发现，尽管目前国内确实存在一些问题，但是大数据征信的后来居上，确实缩短了中美之间在征信领域的整体差距。这种情况也正好暗合你我金融CEO廖红梅女士的观察：中国因为互联网金融的崛起，缩短了中美在金融领域的差距。 　　市场主导 vs 政府主导
　　
　　从征信体系的模式来看，世界各国主要有三种模式：一是以美国为代表的市场主导型的征信体系，征信机构（无论是传统征信局还是大数据征信企业）基本都是以营利为目的企业，它们相互竞争，彼此融合，以独立第三方名义为企业的和个人提供征信服务。政府只是负责信用管理立法，监督信用管理法律的贯彻于执行。
　　
　　二是政府主导的征信体系，法国、德国都是这种模式，中国也采用这种体系。以中国为例，央行主导的征信中心是国内最大的信用基础数据库，而民间的78家企业征信机构和8家个人征信机构是完善、补充央行征信中心的重要组成部分。
　　
　　除此之外，还有一种以日本为代表的行业协会主建的会员制征信体系类型，暂不在本文的讨论范围内。

　　
　　传统征信覆盖率：95% vs 35%
　　
　　无论是市场主导的征信模式，还是政府主导的征信模式，目前都存在传统征信与大数据征信之分，以个人征信为例，如果将美国三大增信局Epuifax（艾可菲）、Experian（益百利）和Trans Union（全联）和中国央行征信中心定义为传统征信机构，那么可以总结出传统征信的三个特征：一是从金融机构、公共部门等处采集借款人信息，二是征信数据采集限于金融属性信息，三是独立第三方原则。
　　
　　在大数据征信兴起之前，传统征信在中美两国的覆盖率差距很大，包括三大征信局在内的美国前50名信贷机构使用的FICO评分，是美国主流的征信评分模型，被绝大多数金融机构认可，该评分系统得出的信用分数范围在300分-850分之间，评分越高，说明客户的信用风险越小，数据显示，目前95%以上的美国个人使用了FICO评分。
　　
　　反观中国的央行征信系统，作为基础数据库的央行征信系统号称覆盖了8 亿人，然而其中有征信记录的只有3亿人，另外5 亿人在系统中只有基本信息，没有金融属性信息，再加上那些连基本信息都未被记录的人群，未被央行征信系统覆盖的人数占比65%，也就是说国内传统征信覆盖的人口占比仅35%，远远低于美国。
　　
　　大数据征信：Zest Finance vs阿里、腾讯
　　
　　大数据征信与传统征信最大的不同，一是采集数据的范畴已经突破了“金融属性”，传统征信主要收集金融机构的借贷信息，而大数据征信则延伸到社交数据、电商数据等没有金融属性的互联网数据。
　　
　　二是征信机构“独立第三方”的边界被模糊。传统征信机构产业链主要有三方，分别是数据提供方，包括银行、政府、公共事业单位（电信运营商等），持牌征信机构，经数据所有人同意后，对提供方提供的数据进行分析整合处理，得出征信报告或其他征信产品，提供给（有偿或无偿）征信产品的使用方，包括银行金融机构、保险机构、招聘方、房屋出租机构等。说白了，传统征信自己是第三方，与数据来源方和信用使用方不是一家。
　　
　　三是目前的服务人群主要是传统征信没有覆盖的人群。以美国最知名的大数据征信企业Zestfinance（已被京东和百度投资）为例，其主要面向两类人群，一是FICO低于500分的信用分数不高借贷成本很高的人群，二是美国根本没有信用记录的5%人口，从这些人中利用大数据筛选出信用相对优质的人。
　　
　　如何筛选呢，Zestfinance使用的数据，主要不是传统征信常用的信贷、信用卡、社保、工商等强变量的金融属性信息，更多是交易、消费、社交、游戏等弱变量信息，然后从这些大规模的数据中，提取出更多的变量进行分析评估，最终得出征信报告、征信评分等产品供自己放贷使用。
　　
　　此外，Facebook也推出了一项大数据征信专利，内容是当一个用户向某金融机构申请贷款的时候，该金融机构会委托会Facebook审查该用户社交网络好友的信用等级，如果他的好友达到了信用分要求，金融机构才会处理贷款申请，否则申请即被拒绝。也就是，虽然数据提供方和征信机构都是Facebook，但是它不像Zestfinance一样自己放贷，而是将信用产品提供给客户使用。
　　
　　再看国内，无论是阿里还是腾讯的大数据征信，都将数据提供方、征信方和信用使用方合而为一，阿里以自己的电商数据，支付宝数据为基础，进行征信产品开发（芝麻分等），然后又可以使用于自己系统内的产品，如借呗、花呗等；腾讯也是通过分析自有的社交数据和游戏数据，为客户评星，并且为自己的微粒贷提供放贷依据。
　　
　　换个角度来看，如果芝麻信用和腾讯征信的产品提供给客户使用，当然是征信，但是如果同时也对内同时使用的话，其实就是风控，像拍拍贷，你我金融等自建大数据风控的借贷平台也是这种情况，只不过它们没有将自己的风控成果有偿出售给其他公司。
　　
　　对比中美，从市场空间来看，虽然两国的大数据征信都是面向传统征信没有覆盖的人群，但是中国的人数要远远多于美国，应用场景也更有想象力；从参与方的技术实力来看，应该说阿里和腾讯的技术能力丝毫不逊于Zestfinance，企业规模更是大很多，加上Zestfinance也被百度和京东入股投资，可以说中国大数据征信的发展前景不可限量。
　　
　　展望：完善监管法规＋区块链征信
　　
　　大数据征信在中国快速发展，同时也面临一些有待跨越的门槛，最高的门槛就是监管和法规的完善问题。美国的征信体系经过这么多年的发展，目前已经形成7大行政机构和3大自律机构的监管体系和17部法律的法规体系。
　　
　　反观中国，目前负责征信监管的部门只有一个央行征信管理局，专门的法律法规规划有7个：国务院《征信业管理条例》、央行《征信机构管理办法》、国务院《社会信用体系建设规划纲要（2014-2020年）》、央行《征信机构信息安全规范》、央行《关于做好个人征信业务准备工作的通知》、央行征信管理局《征信业务管理办法（草稿）》和国务院《关于建立完善守信联合激励和失信联合惩戒制度、加快推进社会诚信建设的指导意见》，这些对于建设成熟的社会信用体系的目标还远远不够，有待完善。
　　
　　除了完善监管法规，整个征信业的另一个趋势，就是与区块链的结合，目前无论是传统征信还是大数据征信都是中心化的，也就是由一个机构或者公司在进行模型的建立、数据的分析与信用产品的提供。我们知道，区块链最大的特征就是去中心化和分布式存储、共享机制和不可逆性，可以想象，当这些技术与征信结合，必将会在大数据之后再一次颠覆整个征信行业。
　　
）