
大數(shù)據(jù)征信與“大忽悠”征信的距離有多遠
大數(shù)據(jù)征信自今年異軍突起以來就被認定為“救世主”般的角色,成為資本和市場追逐的對象。被負面輿論逼入“墻角”的互聯(lián)網(wǎng)金融更是如獲至寶,感慨找到了解決風險管理的“良藥”。不過,方興未艾的征信行業(yè)尚不足以支撐起不斷擴展的商業(yè)藍圖,其最核心的獨立、客觀、公正、規(guī)范原則岌岌可危,稍有不慎,或?qū)S為一場虛有其表的“概念游戲”。
或正如征信第一股商安信CEO陳曉東先生所言,國內(nèi)征信市場現(xiàn)在處在一個一哄而上的階段,以后會有一個沉淀的過程,優(yōu)勝劣汰,剩下來的將是具有優(yōu)質(zhì)數(shù)據(jù)和強大評級體系的征信機構(gòu)。真正的爆發(fā)期將出現(xiàn)在市場沉淀之后。
那么何為征信?仿若斡旋云端、披著面紗的征信其實沒那么神秘。
征信是專業(yè)化的、獨立的第三方機構(gòu)為個人或企業(yè)建立信用檔案,依法采集、客觀記錄其信用信息,并依法對外提供信用信息服務(wù)的一種活動。按業(yè)務(wù)模式可分為企業(yè)征信和個人征信,按服務(wù)對象可分為信貸征信、商業(yè)征信、雇傭征信等。
我國征信業(yè)起步較晚,信用生態(tài)建設(shè)相對滯后,但在互聯(lián)網(wǎng)時代卻存在獨特的機會。在互聯(lián)網(wǎng)金融發(fā)展如火如荼之際,基于大數(shù)據(jù)技術(shù)的互聯(lián)網(wǎng)征信應(yīng)運而生,一舉踏上風頭浪尖,又反向推動了國內(nèi)信用經(jīng)濟的發(fā)展。
截至2015年10月底,國內(nèi)出現(xiàn)問題的互聯(lián)網(wǎng)金融平臺數(shù)已達到1078家,其中10月新增47家?;ヂ?lián)網(wǎng)金融在一定程度上覆蓋了傳統(tǒng)金融服務(wù)盲區(qū)(央行征信系統(tǒng)收錄自然人8.7億多,但有信貸記錄的自然人僅有約3.7億,這意味著還有四分之三的人在申請信貸等服務(wù)時會遇到障礙),但是由于信息不對稱、信息采集難等因素,一直處在野蠻生長的狀態(tài)。
對金融業(yè),征信完善了對風險的識別、判斷、評估和管理,有利于加快授信過程,分級定價,降低優(yōu)質(zhì)借款人借貸成本,大幅提高信貸效率,以螞蟻小貸為例,放款時間基本在3分鐘以內(nèi),小則幾千,多則幾萬。對商業(yè),征信逐漸被作為經(jīng)濟運行和社會管理的標準,以此撬動的商業(yè)模式創(chuàng)新迅速拓展至酒店、租房、招聘、旅游等行業(yè)。
金融服務(wù)對雙11的滲透融合堪稱互聯(lián)網(wǎng)征信功成名就的一役。數(shù)家電商各領(lǐng)風騷出新招,最終交易額也不出意外地攀上歷史新高。而在公眾為天貓912億的交易數(shù)據(jù)驚嘆時,有心人已經(jīng)發(fā)現(xiàn),今日與往年不一樣的氣象。
雙11當天,螞蟻花唄共發(fā)放6048萬筆消費信貸,占支付寶交易總量的8.5%,與其功能相似的京東白條,同比增長800%。首次接入雙11的花唄與京東白條同為信用支付產(chǎn)品,即基于電商平臺、支付等沉淀的海量數(shù)據(jù),借助互聯(lián)網(wǎng)大數(shù)據(jù)、云計算等技術(shù),經(jīng)過綜合信用評估后,給予用戶在指定店鋪享受先消費、后付款服務(wù)的信用額度,并支持分期還款。
花唄對接的是螞蟻小貸,京東白條對接的是京東金融?;ヂ?lián)網(wǎng)金融深度嵌入消費場景,憑借更具便捷性、更具場景化、更個性化的產(chǎn)品迅速崛起。但相比傳統(tǒng)消費金融(銀行信用卡與消費貸款),互聯(lián)網(wǎng)消費金融在征信、風控、資金周轉(zhuǎn)、催收等方面仍面臨著諸多阻礙和風險。
相對于傳統(tǒng)征信多采用信貸數(shù)據(jù)和公共機構(gòu)數(shù)據(jù)作為數(shù)據(jù)源,互聯(lián)網(wǎng)征信拓寬了數(shù)據(jù)采集維度,包括電商數(shù)據(jù)、社交數(shù)據(jù)等,一方面能更加全面的反映信用主體的情況,但另一方面,由于央行征信中心的金融數(shù)據(jù)庫還未向這些機構(gòu)開放,其數(shù)據(jù)評估的準確性和公信力難免被人質(zhì)疑。
大數(shù)據(jù)征信的軟肋
今年,在政府鼓勵和市場迫切需求雙重驅(qū)動下,國內(nèi)掀起了一股狂熱的互聯(lián)網(wǎng)征信浪潮,電商平臺、互聯(lián)網(wǎng)公司、大數(shù)據(jù)公司、支付機構(gòu)、傳統(tǒng)征信機構(gòu)、P2P平臺等都是不同的代表。從應(yīng)用場景創(chuàng)新和品牌影響力上講,阿里、騰訊、百度等互聯(lián)網(wǎng)公司無疑更受矚目。從專業(yè)性上來說,商安信、中誠信等傳統(tǒng)征信機構(gòu)在評級模型、商業(yè)征信業(yè)務(wù)等方面更具優(yōu)勢。
相比對企業(yè)征信公司的備案制,個人征信公司的審核制顯得更為嚴格。今年1月,央行印發(fā)《關(guān)于做好個人征信業(yè)務(wù)準備工作的通知》,首批入圍的芝麻信用、騰訊征信、前海征信等8家機構(gòu)在年中完成驗收工作。然而時至今日,仍未下發(fā)個人征信牌照,由此足見央行的審慎態(tài)度。
首批入圍征信機構(gòu)大部分將信用評分作為首推產(chǎn)品,并快速拓展應(yīng)用場景,搶占市場制高點。如芝麻征信的“芝麻分”和考拉征信的“考拉分”已經(jīng)應(yīng)用到酒店、租車、旅游等多個場景;前海征信的 “好信度”目前主要服務(wù)于金融信貸,華道征信已推出的“豬豬分”專門用于檢驗租房者信用狀況,中誠信的“萬象分”則可以用于就醫(yī)、保險領(lǐng)域。
但已經(jīng)有不少人心存疑慮,質(zhì)疑大數(shù)據(jù)征信的含金量和可靠性:
1、 數(shù)據(jù)整合難:央行征信系統(tǒng)并未開放,征信機構(gòu)無法獲取珍貴的信貸數(shù)據(jù),而央行對企業(yè)在小貸、租賃金融的信貸行為也難以全面掌握;公共數(shù)據(jù)廣泛分散在工商、質(zhì)檢、海關(guān)、稅務(wù)等政府和業(yè)務(wù)管理部門,雖然建設(shè)統(tǒng)一信用信息平臺已提上日程,但數(shù)據(jù)孤島的問題仍難解;芝麻信用、騰訊征信等所背靠的集團,以及各類P2P平臺自建的征信公司本身存在業(yè)務(wù)交叉和競爭關(guān)系,共享“黑名單”易,共享“白名單”難。
2、 數(shù)據(jù)標準缺失:到底哪些信息需要列入征信評估范疇還沒一個統(tǒng)一的界定,越來越多的信息被納入征信范疇,交通違章、地鐵逃票等似乎什么都可以往里裝,這些都可能構(gòu)成個人不良征信記錄影響個人信貸。
3、 公信力遭質(zhì)疑:“征信采集者與使用者沒有任何關(guān)系”的獨立第三方原則被模糊,首批入圍的民營征信機構(gòu)數(shù)據(jù)的采集和使用都與自身有著千絲萬縷的聯(lián)系,這就決定了現(xiàn)在市場中的很多模型只能適用于自己的小生態(tài),同時民營征信機構(gòu)既做裁判又做選手,最終評價的公正性或在市場份額爭搶中失衡。
4、 評級模型五花八門:中國并不缺數(shù)據(jù),但缺乏可以數(shù)據(jù)通用的評估模型。國內(nèi)個人征信大多模仿了美國FICO的模型,但在評估維度上五花八門,加上采集的數(shù)據(jù)差異,這就造成同一個人在不同平臺得到的評分可能會千差萬別。而企業(yè)征信的評級模型,以及債券評級模型的嚴謹性、科學性在國際上并無強公信力。
業(yè)內(nèi)專家指出,只根據(jù)數(shù)據(jù)分析出的規(guī)律并不全面,如果僅據(jù)此進行風控審核,難免會出現(xiàn)疏漏或偏差。大數(shù)據(jù)只能作為輔助手段,不能作為風控的決策依據(jù)。
日前,有媒體報道,商務(wù)部正在醞釀制定《互聯(lián)網(wǎng)金融機構(gòu)信用評級與認證標準》。中國互聯(lián)網(wǎng)金融信息查詢系統(tǒng)主任、《標準》制定課題組副組長徐洲指出,只有獨立的第三方才能避免為利益左右,才能把促進行業(yè)規(guī)范發(fā)展放在第一位,做到客觀、公正、及時的信息披露。
某金融研究機構(gòu)人士分析認為,一個從各處收集數(shù)據(jù)并完成大數(shù)據(jù)征信的機構(gòu),不能是數(shù)據(jù)來源方,也不能是金融服務(wù)的提供方,這樣才能避免數(shù)據(jù)打架的現(xiàn)象。征信行業(yè)要真正興起,發(fā)揮應(yīng)有的作用,還是需要發(fā)揮出商安信、中誠信等獨立第三方征信機構(gòu)的力量。
市場在哪兒
千億、萬億?關(guān)于征信市場空間有多大的討論一時沸沸揚揚。
平安證券發(fā)表的征信行業(yè)專題報告《計算機行業(yè)征信市場系列研究》預(yù)計,中國征信行業(yè)未來市場規(guī)模將達千億元,其中企業(yè)征信市場規(guī)模有百億元,個人征信市場規(guī)模有千億元。
美國富國銀行高級副總裁王強在《給中國個人征信市場估值》中預(yù)計,中國個人征信市場規(guī)模大概350億美元。換算成人民幣,超2000億元。
不過,央行征信管理局局長王煜卻給市場潑了一盆冷水,其認為征信市場容量有限,不容易賺錢,有人號稱征信市場有上千億的潛力,有忽悠的成分。資金不是最重要的,更需要技術(shù)、人才,需要反映信用信息的數(shù)據(jù)。搞攀比,搶位置,不真心干或者說沒有能力干,是不可持續(xù)的。
征信屬于信用服務(wù)業(yè)的一環(huán),作為一個服務(wù)行業(yè),它的的市場到底在哪兒?
1、 國際商貿(mào)。國內(nèi)征信起初是為配合對外貿(mào)易調(diào)查的需求而產(chǎn)生的,包括企業(yè)和保險機構(gòu)的信用核實、資信報告服務(wù)等。最早的企業(yè)征信機構(gòu)是由政府部門主導建立,但其自身具有嚴重的局限性,后大量民營機構(gòu)和外資機構(gòu)介入市場。
目前來看,國內(nèi)提供貿(mào)易征信服務(wù)比較成熟的民營機構(gòu)僅有商安信一家,但其依托的也是世界前三的信用信息服務(wù)機構(gòu)Creditreform在評級體系和數(shù)據(jù)資源上的支持。作為傳統(tǒng)征信機構(gòu),商安信掛牌上市以來積極謀求進軍互聯(lián)網(wǎng)征信,11月份已發(fā)布三款新產(chǎn)品:3A-biz 2.0商業(yè)風險管理多應(yīng)用平臺、3A-eBiz移動端和3A-Verify。3A-biz 2.0商業(yè)風險管理多應(yīng)用平臺,打通了信用認證、評估、核實等應(yīng)用場景和傳統(tǒng)PC端與手機移動端的數(shù)據(jù)交換通道,與市場中偏重打分的產(chǎn)品截然不同,具有一定的行業(yè)跨越意義。
隨著中國對外開放的升級和“一帶一路”新戰(zhàn)略的實施,貿(mào)易環(huán)節(jié)的信用服務(wù)有增無減,市場容量很大。
2、 互聯(lián)網(wǎng)消費金融。國務(wù)院11月23日發(fā)布指導意見:積極發(fā)揮新消費引領(lǐng)作用,加快培育形成新供給新動力;支持發(fā)展消費信貸,鼓勵符合條件的市場主體成立消費金融公司,將消費金融公司試點范圍推廣至全國。
在我國,可以提供消費信貸服務(wù)的主要為銀行、小貸公司、消費金融公司。銀行的消費信貸服務(wù)由來已久,包括信用卡和消費貸款,但是受限于審核標準,長時間的審核流程、三、四線城市開發(fā)緩慢等因素,一直處于不溫不火的狀態(tài)。隨著金融服務(wù)與互聯(lián)網(wǎng)不斷縱深融合,互聯(lián)網(wǎng)消費金融產(chǎn)品迅速崛起,成為消費金融爆發(fā)的重要力量。據(jù)艾瑞咨詢公布的首份消費金融報告數(shù)據(jù)顯示,預(yù)計到2017年,中國消費金融整體市場將突破千億,三年復合增長率高達94%。而作為互聯(lián)網(wǎng)征信作為消費金融推進的基礎(chǔ),市場也有隨之爆發(fā)的可能。
3、 信貸業(yè)務(wù)。中小企業(yè)融資難由來已久,一方面是因為企業(yè)資質(zhì)有限,缺少實物抵押,抗風險能力低,另一方面是因為銀行近來隨對中小企業(yè)融資雖有所傾斜,但額度仍然有限,流程依然復雜?;ヂ?lián)網(wǎng)金融在一定程度上解決了這一問題,并催生了對征信的巨大需求。現(xiàn)今中小貸款機構(gòu)在項目的風控環(huán)節(jié)主要還是靠人力審查,紙質(zhì)材料傳遞,外加灰色渠道查央行征信。貸前黑名單掃描及貸后管理跟蹤基本為空白。整體風控的效率非常低下,以及流程容易受人為因素干擾出錯等。
在個人信貸方面,互聯(lián)網(wǎng)金融提供者傾向于自建平臺,合作共建行業(yè)黑名單,以規(guī)避風險提高效率。而在企業(yè)信貸方面,則更多依賴第三方征信機構(gòu)的力量。在這里,就不得不提一下商安信所引入的Creditreform的SI評估模型(筆者十分看好)。和絕大多數(shù)企業(yè)評估模型側(cè)重對歷史數(shù)據(jù)分析不同,Creditreform側(cè)重對流動性和短期償債能力的監(jiān)測,能直觀反映企業(yè)近期狀況與風險度。
另外,隨著阿里網(wǎng)商銀行和騰訊微眾銀行兩家互聯(lián)網(wǎng)銀行的開業(yè),以及其市場上各類小貸和消費信貸產(chǎn)品的陸續(xù)推出,傳統(tǒng)銀行以往依托于自身客戶群體和線下的物理網(wǎng)點進行客戶資料收集、信貸審核和貸款發(fā)放的傳統(tǒng)模式必然會受到較大的沖擊,預(yù)期未來銀行將加強與征信機構(gòu)的合作。
4、 應(yīng)收賬業(yè)務(wù)。信用服務(wù)業(yè)可分為前端的數(shù)據(jù)采集,中端的信用認證和信用評估,后端的資產(chǎn)處置?;ヂ?lián)網(wǎng)征信公司大多僅從事前端和中端兩部分,對后端的資產(chǎn)處置、應(yīng)收賬業(yè)務(wù)罕有涉及(難、累),目前提供這類服務(wù)的主要還是傳統(tǒng)征信公司和第三方外包公司。
應(yīng)收賬業(yè)務(wù)包括企業(yè)應(yīng)收賬管理與金融機構(gòu)應(yīng)收賬管理兩大類。根據(jù)人民銀行 2015年2 季度的數(shù)據(jù),社會融資規(guī)模存量在 131.58 萬億,增速為 11.9%,年增長規(guī)模在 10 萬億以上。假設(shè)需要進行資產(chǎn)處置的資產(chǎn)為 1%,則市場規(guī)模達1.31萬億,空間極大,而企業(yè)應(yīng)收賬管理市場更是難以估計。
5、 對傳統(tǒng)商業(yè)模式的改造。在這方面步子邁的最快的當屬阿里旗下的芝麻信用,芝麻分高于600分可以免押租用永安城市自行車,在6000多間酒店免押金入住,650分以上可以在神州租車、一嗨租車信用租車,高于700分無須提供其他資料能申請新加坡簽證。大數(shù)據(jù)征信應(yīng)用場景拓展撬動的商業(yè)模式創(chuàng)新,動輒催生了一個又一個新市場,預(yù)期未來,這部分市場將把持在背景深厚的互聯(lián)網(wǎng)征信公司手中。
作為一個新興行業(yè),征信業(yè)在發(fā)展初期出現(xiàn)混亂局面本無可厚非。但是,征信已逐漸充當起金融創(chuàng)新、市場運行和社會管理的基礎(chǔ)樁,更需要慎之又慎的前行。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10