大数据背景下我国个人征信体系建设研究

郭文 王一卓 秦建友

摘要：2015年1月5日，人民银行发布了《关于做好个人征信业务准备工作的通知》，要求包括芝麻信用、腾讯征信在内的8家机构做好个人征信业务准备工作。此举标志着我国开始积极探索基于大数据的个人征信模式。文章从数据来源等五大角度对比分析大数据征信和传统征信；接着分析我国征信体系的发展现状，并与发达国家的征信体系进行对比，归纳我国发展大数据征信所面临的难题；并在此基础上，为我国大数据征信的健康发展提供合理建议。

关键词：大数据征信； 传统征信；个人征信模式

一、 大数据征信的特性

1. 大数据征信的内涵。大数据征信指将大数据、云计算等新一代信息网络技术运用到征信系统的数据搜集和信用评估等环节，通过深层次、综合性、全方位的信用信息采集和整理，获取多元化的数据资源，并重新设计征信评估算法和模型对数据进行分析，从而倒推出信息主体的信用特征，最终形成对个人、企业及社会团体较为准确的信用评估结果。大数据征信并不是大数据与传统征信模式的简单融合，而是对征信体系的重新定义，它彻底改变了征信产品的设计生产理念和运作经营模式。

2. 大数据征信与传统征信对比分析。互联网与大数据的应用，使得征信系统在传统征信的基础之上呈现出新特征。大数据征信与传统征信的区别主要体现在以下五个方面：

（1）数据来源不同。不同的数据类型及来源是大数据征信与传统征信最大的区别。相比于传统征信，大数据征信的数据来源更加丰富。传统征信主要考量的是结构化数据，如银行等金融机构的信贷信用数据，类型单一；而大数据征信拓展了数据挖掘的深度和广度，数据来源除了结构化数据，还包含大量非结构化数据。非结构化数据一部分来自于用户使用互联网过程中留存的公开数据，如社交网站数据、手机应用数据等；另一部分来自于用户授权的数据，如物业费缴纳、电话账单等。大数据征信主要依赖于非结构化数据，结构化数据占的比重较低。

（2）操作方法不同。传统征信的操作方法是通过现场方式收集企业及个人的信贷信息，由分析人员对收集到的数据进行处理和分析，进而对受评对象做出履约能力和履约意愿的评定。而大数据征信主要是通过数学建模和云计算技术对数据进行操作，从数据收集到信用结果输出的整个过程主要通过智能计算机完成，涉及的人工操作环节相对较少。此外，大数据征信通常是在信息主体确认授权之后再开始征信调查，而传统征信则是事先收集信息并加以整理和贮存。

（3）信用评估分析原理不同。大数据征信与传统征信在信用评估方面主要有两点区别。一是大数据征信更注重多个变量之间的相关性而非某几个变量的精确性，其评估体系所采用的变量数量要远远多于传统征信的评估体系。可以说，传统征信更注重单一维度数据的深度挖掘，而大数据征信着眼的是多维度数据的综合分析；二是传统征信主要分析的是用户的历史信用数据，而大数据征信更看重用户数据的实时变化，致力于实现动态的风险管理和信用评估。

（4）应用场景不同。大数据征信凭借其数据来源的多元化和综合性，不仅在金融借贷关系中具备比传统征信更强的信用风险预测能力，而且可以在生活场景和商业场景中得到很好的应用，房屋租赁、签证办理、酒店预订等都可以通过大数据征信体系实现信用管理。

（5）覆盖范围不同。与传统征信相比，大数据征信的覆盖范围有所扩大。人民银行的个人征信系统共收录了8.5亿人的信息，其中仅有3亿多人有信贷数据，占全国人口的比例不足30%。传统征信服务的仅仅是这部分与银行发生过信贷关系的金融消费者，而没有与银行发生借贷交易、没有办理和使用信用卡的人群在人民银行的征信系统中不存在相应的信用报告。大数据征信依托互联网数据，可以服务缺乏或无信贷记录的网民群体，比如大学生等。从某种意义上来说，任何使用网络服务的用户都可以成为大数据征信的服务对象。随着互联网应用的普及，大数据征信的覆盖范围仍将不断扩大。

二、 我国大数据征信的现状分析

1. 我国征信体系的发展现状。我国的社会征信体系建设起步于20世纪90年代初。2013年以前，我国征信行业发展历程可以划分为三个阶段。1980年～1995年为探索阶段，这一时期的征信公司规模普遍较小，且其业务主要以资信评级为主，个人征信业务尚未开放；1996年～2003为起步阶段，央行和各地方政府在这一阶段开始陆续搭建征信平台；2004年～2012年为发展阶段，社会信用体系建设在这一阶段逐步受到政府高层重视，央行建立的银行信贷登记咨询系统也于2005年升级为全国统一的企业和个人征信系统。

同发达国家相比，我国的征信体系建设仍然处于行业发展的初级阶段，法律规范、数据处理和信息共享等环节都亟需完善，且缺乏具备权威性和国际影响力的征信机构。近年来，随着互联网、云计算等新一代信息网络技术的兴起，以P2P网络借贷、第三方支付、互联网银行等模式为代表的互联网金融蓬勃发展，引发了金融行业的结构性变革。互联网金融覆盖广、管理弱、风险大等特点决定了它的发展必须以完善的信用体系为基础，而现有的人民银行征信系统由于其存在的数据失真、覆盖率低、查询成本高等问题，已经不足以为互联网金融的健康发展提供有力的保障。

从2013年开始，我国相继出台了一系列政策，旨在加快社会征信体系建设。2013年3月，国务院出台了我国首部征信行业法规《征信业管理条例》；2013年12月，人民银行印发《征信机构管理办法》，为我国征信行业市场化奠定了基础；2014年6月，国务院出台了《社会信用体系建设规划纲要（2014年～2020年）》，明确了我国社会信用体系建设的主要目标：到2020年，基本建立社会信用基础性法律法规和标准体系，基本建成以信用信息资源共享为基础的覆盖全社会的征信系统。这是我国首部国家级社会信用体系建设专项规划，标志着我国征信体系建设进入了一个全新的发展阶段。

2. 国内和国外征信体系的对比分析。目前世界上征信体系发展相对完善的國家和地区主要有美国、欧洲和日本。由于历史、经济和文化的差异，各个国家的征信模式呈现不同的特征。按照征信制度划分，发达国家的征信体系可以分为市场主导型、政府主导型和会员制。

（1）政府主导模式。大多数欧洲国家的征信体系，如法国、德国、西班牙等，采用的是政府主导模式。在政府主导模式之下，社会征信体系以政府出资建立的非盈利性公共征信机构为主体，以市场化的民营征信机构为辅。商业银行等金融机构一方面作为信息提供者，依法向公共征信机构提供个人和企业的征信数据；另一方面作为征信体系的主要使用者，利用公共征信机构的评估结果甄别优质借款人，从而有效防范贷款风险。

（2）市场主导模式。市场主导征信模式的特点是征信机构的完全市场化，以美国、英国和加拿大为代表。在该征信体系下，政府部门不直接参与社会信用管理，而是通过完善法律法规和监管体系，对征信机构进行适度的管理，通过有效的竞争机制完善征信体系。以美国为例，Equifax、Experian和Trans Union三家征信公司分别拥有覆盖全美的数据库，其中包含美国一半以上人口的信用记录。

（3）会员制模式。日本采用的是会员制征信体系，以银行业协会、信贷业协会和信用产业协会三大行业协会为主要征信机构，建立非盈利性的信用信息共享中心，仅为行业协会会员提供信息交换服务。商业银行、证券公司、民营企业等机构作为信用信息中心的会员，有义务向共享中心提供客观全面的信用信息，并通过内部共享机制实现征信信息征集和使用。

我国当前的征信体系与法国和德国相似，采用的是政府主导模式，形成了以人民银行建立的中央信贷登记系统为主体，以私营征信机构为辅的社会信用管理体系。人民银行征信系统包括企业信用信息基础数据库和个人信用信息基础数据库，数据来源于拥有特定经济信用信息的政府职能部门、公共事业单位以及掌握大量信贷信息的商业银行。人民银行征信中心通过汇总和分析企业和个人征信系统中的数据信息，得出信用分析报告，为商业银行等金融机构提供服务。

3. 我国发展大数据征信存在的问题。从总体上看，我国构建大数据征信体系面临的难题可以划分为技术层面和制度层面。

（1）技术层面的难题。

第一，缺乏有效的数据采集方法。一方面，大数据征信的信用信息主要来源于互联网，但目前网络行为的身份识别仍是一大技术难题，导致数据采集的高成本和低效率。另一方面，大数据的采集广度有余而深度不足，获取的数据体量庞大却存在片面性和局限性等问题，缺乏对数据的深层次、多维度挖掘。

第二，数据融合存在困难。大数据的应用范围不断拓展，已经从原有的企业数据和个人消费数据渗透到包括房地产、传统制造业在内的各个行业。这在一定程度上加速了互联网的创新和变革，但信息过多也引起了数据杂乱琐碎和数据跨度过大的问题。而征信数据评估模型构建困难且在短期内无法检验其精准度，导致数据整合成为目前大数据发展面临的最大技术难题。

第三，硬件设施性能严重滞后。现有的大数据征信相关硬件设施在可扩展性、存储速度和数据处理能力等方面已经无法满足数据动态增长和复杂性提高的需要，但核心技术的突破和硬件设施的更新都难以在短期内实现，导致大数据征信体系的构建遭遇瓶颈。

（2）制度层面的难题。

第一，缺乏配套的法律规范。大数据征信在个人隐私保护问题上面临着法律风险，发达国家的征信体系以系统和完善的法律体系为基础，着重保护信息安全和个人隐私权。我国现有法律对个人信息和个人隐私的界定、征信信息的采集权和归属权等问题都尚未做出合理规范和制度安排，可能会出现打法律“擦边球”侵犯个人隐私的行为。

第二，监管体系不成熟。一方面，大数据征信仍处于起步阶段，其监管主体和监管定位尚不明确，且缺乏具备大数据征信相关知识、适应大数据征信监管需求的从业人员；另一方面，大数据征信行业自律性组织尚未形成，缺乏统一的行业规范和职业道德标准，各征信机构仍存在恶意竞争、服务意识差、缺乏公信力等问题。

第三，信息共享机制不完善。公安部的身份证信息、个人参保缴费信息等都已纳入人民银行的征信系统，但互联网金融数据仍与人民银行的征信系统处于割裂状态，且互联网金融平台尚未获取对征信系统的使用权，导致传统金融和互联网金融无法进行高效的信息共享。此外，我国各地区、各政府部门之间同样缺乏有效的信息流通渠道。

第四，政府部门和金融机构信息公开不足。一是司法、工商、公安等政府部门拥有企业和个人的大量信用信息，其中的非保密信息可以作为评定信息主体信用水平的重要依据，但却尚未授权非政府部门使用。二是银行等金融机构的数据开放有限，如银行与芝麻信用和合作仅局限于支付方面，而与信息主体信用评分直接相关的违约记录仍没有全面公开。

三、 对策建议

针对我国发展大数据征信面临的技术难题和制度难题，本文尝试从宏观、中观、微观三个角度提供可行建议。

1. 完善现有监管体系，实现适度有效监管。

（1）推动征信行业市场化。建议监管部门放松对民营征信机构的准入条件，积极引入竞争机制，激活征信市场活力，营造公平竞争的市场环境，形成公共征信机构与民营征信机构相互补充、相互促进的征信行业发展格局。在推动市场化的同时，通过政府引导、充分竞争、优胜劣汰培育一家或几家具备国际影响力的征信机构；而小型或专业性的征信机构则或被收购或成为大型机构的供应商，进而实现行业集中度的提升。

（2）明确监管原则。我国大数据征信仍处于起步阶段，在推动征信行业市场化的同时，切实加强监管水平与能力，引导大数据征信良性生长。但过于严格的监管措施又可能会抑制征信行业的创新和发展。如何在监管与创新之间寻求最佳平衡点，已经成为大数据征信发展的重大课题。当前应明确监管原则，实现对大数据征信的适度有效监管，推动机构监管向功能监管过渡。

（3）制定行业标准和规范。在充分了解征信行业现状和困境的前提下，探索符合大数据征信发展特点的规则体系。一方面，推动行业标准的制定，如形成统一的业务流程和評分规则，实现整个征信行业的标准化发展；另一方面，对大数据征信行业在数据采集、信息共享、隐私保护等方面的职责做出明确规定，完善追责问责机制，推动大数据征信规范、有序发展。

2. 拓展信息获取渠道，强化评估结果精度。

（1）完善信用信息共享机制。建立科学的信用信息共享机制，有效整合个人信息资源，从而提高信用评估结果的准确性和全面性。第一，尽快将互联网金融数据纳入央行的征信系统，在大数据征信机构和传统征信机构之间建立信息互换机制；第二，开放用户数据交易，设立统一的数据交易平台，打破数据资源壁垒；第三，加快推进政府数据开放，疏通各地区、各政府部门之间的信息共享渠道，打破“信息孤岛”连点成面。

（2）建立统一的身份识别体系。准确的身份识别是互联网公司获取用户数据面临的一大难题。政府应加快落实即时通讯、网络游戏、搜索引擎实名制，按照“前台自愿、后台实名”原则，实现互联网行为与身份证号、电话号码等用户唯一标识的一一对应，解决线上信息获取不完整的问题，提高数据的的真实性和有效性，为大数据征信机构采集用户信息提供便利。

（3）推动大数据征信技术创新。积极实施高科技人才战略，在各高校开设互联网金融、大数据等方面的专业课程，为我国未来的大数据征信发展提供人才储备；进一步推动大数据、云计算等新一代信息网络技术与传统行业的融合，为新兴业态提供资金和技术支持；鼓励征信机构研发更加专业的信用评估模型，提高信用评估结果的精准度。

3. 加强信息主体合法权益和个人隐私保护。

（1）加快个人信息保护立法。目前我国征信行业在信息主体个人隐私保护方面，主要依据的是人民银行出台的《征信业管理条例》和《征信机构管理办法》。这两部法规为我国的征信行业提供了初步的法律框架，但其主要针对的是传统征信行业，没有充分考虑大数据征信背景下征信行业的新特点，且缺乏与之配套的规章细则和制度安排。应尽快出台《个人征信信息保护条例》、《企业征信信息保护条例》等配套规章制度和专项法规，对信用信息的获取渠道、使用原则、应用场景等方面做出明确规定。

（2）引导征信机构加强个人隐私保护。应加强对大数据征信机构的培训和教育，提高其对信息主体权益的保护意识。引导大数据征信机构对信息主体的信用信息进行充分披露，保证数据采集、业务流程、信用评估模型的透明度；允许信息主体查询被采集的信息，并为其查询提供便利；避免信息未经授权提供给第三方查询和使用，主动保护信息主体的隐私安全；建立不良信用信息告知制度，保障信息主体对个人信息的知情权、选择权和异议权。

（3）强化信息主体自我保护意识。目前国内消費者普遍缺乏个人信息保护意识，应积极开展以信息保护为主题的教育宣传活动，提高信息主体对个人信息的重视程度和风险防范意识，引导信息主体深入了解自身权利义务，熟悉维权手段和维权途径，通过合法手段保护自身隐私安全。

参考文献：

[1] Crosman P.ZestFinance Aims to Fix Underba- nked Underwriting[J].American Banker，2012.

[2] 刘新海，丁伟.大数据征信应用与启示——以美国互联网金融公司ZestFinance为例[J].清华金融评论， 2014，（10）：93-98.

[3] 王冠.基于用户互联网行为数据的个人征信评估体系建设分析[D].北京：北京交通大学学位论文，2015.

[4] 维克托·迈尔—舍恩伯格.大数据时代：生活，工作与思维的大变革[M].杭州：浙江人民出版社，2013.

[5] 叶文辉.大数据征信机构的运作模式及监管对策——以阿里巴巴芝麻信用为例[J].国际金融，2015，（8）： 18-22.

作者简介：郭文（1987-），男，汉族，湖北省荆州市人，中国社会科学院研究生院博士生，研究方向为产业经济、大数据等；王一卓（1990-），男，汉族，河北省承德市人，中国民生银行北京分行客户经理，研究方向为互联网金融、大数据等；秦建友（1976-），男，汉族，湖南省永州市人，深圳市微金汇众基金管理有限公司董事，研究方向为人工智能、大数据等。