修改時間：2016-08-09 09:24:06 瀏覽次數：5158次
導語：在“裸條”事件背后，除了犯罪活動之外，也體現出在中國這么一個巨大的消費信貸市場，商業征信缺失的事實。
不久前的7月18日，百度宣布投資美國金融科技公司ZestFinance，更早前的去年6月份，ZestFinance還曾獲得京東集團1.5億美元投資。得到中國兩大互聯網巨頭的同時青睞，ZestFinance最吸引關注的應該要屬它的互聯網金融個人征信體系。
另一方面，阿里旗下芝麻信用早已經在這一領域開疆拓土，騰訊微信也憑借社交平臺積累的大量個人用戶的基礎數據，開始發力這一領域。作為互聯網金融發展的重要基礎，成熟的大數據征信體系將釋放巨大的金融衍生場景，勢必成為巨頭鏖戰的新戰場。
不久前，媒體曝光了一些平臺向女大學生提供“裸條”借貸的問題，引發社會廣泛關注。而在這些事件背后，除了犯罪活動之外，也體現出在中國這么一個巨大的消費信貸市場，商業征信缺失的事實。
《每日經濟新聞》記者的采訪調查顯示，距離2015年1月5日央行發布《關于做好個人征信業務準備工作的通知》已經有一年多了，首批8家個人征信企業準備時間也已經遠超彼時預計的6個月，雖然牌照發放至今未有時間表，但不管如何，征信體系是中國未來信用消費市場的巨大支撐。目前，全國有100多家機構已經在事實上開始從事商業征信活動，阿里系和騰訊系則在大數據的邏輯下開始捉對廝殺。
需求：15萬億消費信貸催生巨大征信市場
“中國的消費信貸余額規模達15萬億之多，并保持著20%左右的高速的增長，這一增速在未來幾年內仍不會有放緩的態勢。對于消費信貸而言，消費者的征信評價和風險控制是最核心的要素和保證資金安全性的關鍵因素。龐大且高速成長的中國消費信貸市場并沒有一個與之相對應的消費者征信體系，現在傳統的征信體系并不完善，發展也遠未成熟，這其實為各類金融融資企業帶來了巨大的隱患，也是各類非銀行融資途徑中的壞賬高企不下的最主要原因。”CIC灼識咨詢執行董事王文華接受《每日經濟新聞》記者采訪時表示，從征信體系的供給方來看，政府主導的社會征信體系數據源單一，并且共享性存在很高的門檻，并不是任何企業平臺都能夠獲取這一體系中的信息和數據，征信的供給端缺乏實時有效并且準確的信息源頭，也是導致征信牌照受到熱捧的原因。
另一方面，征信系統對于企業和個人的覆蓋率整體偏低，目前央行的金融信用信息基礎數據庫是我國最主要的征信系統，截至2014年底，共收錄自然人8.57億人和企業及其他組織1969萬戶，覆蓋率僅為62.6%和28.4%，未來仍有很大的成長空間。
王文華認為，無論從市場需求、供給層面還是政策導向上看，社會的征信體系都亟待發展，這也為更多企業提供了巨大的市場空間，這也是眾多企業積極布局其中的原因所在。
作為互聯網金融發展的重要基礎，征信正成為金融圈一個新的熱點。各大巨頭紛紛發力互聯網金融領域之時，其在大數據征信方面的布局也在悄然升溫。
只不過，這一業務范疇大多屬于互聯網金融的“基礎設施”建設，投入期長，效益卻不會馬上體現在這一業務本身。但無論如何，商業大數據征信在興起，可以有效補充央行征信記錄的不足，而成熟的征信體系將釋放巨大的金融衍生場景，在互聯網巨頭紛紛發力金融領域之時，征信也勢必成為必爭之地。
爭鋒：阿里系和騰訊系各據“山頭”
就在近日，芝麻信用宣布已經通過企業征信業務經營備案，正式推出包含企業信用報告、風險云圖、信用評分和指數、關注名單、風險監控預警五大產品的小微企業信用洞察“靈芝”系統，希望能夠更好地連接小微企業和銀行，解決小微企業信息不透明的老大難問題。
芝麻信用首席數據科學家俞吳杰表示，“靈芝”系統已經接入工商、司法、海關、納稅、運營商、企業經營等豐富的數據源，實現了小微企業征信數據的一站式接入。特別是天貓、淘寶、支付寶覆蓋近千萬商戶的交易、物流、海關進出口等數據，為小微企業信用評價提供了有力支持。通過“靈芝”系統，這些多維度的數據能夠轉化為對小微企業信用狀況細致入微的評價，描繪出小微企業信用狀況的全息畫像。
一直以來被業界認為是芝麻信用最大競爭對手的騰訊征信，同樣是騰訊移動支付高速發展的基礎保障。其基于用戶在互聯網上的社交行為產生的海量數據，運用自主研發的評估模型，通過大數據采集和信息挖掘，為數以億計的用戶構建畫像，幫助商業機構提高風險防范能力，挖掘價值用戶。而騰訊征信的實名認證產品及人臉核身APP，均為大數據征信的落地應用。
據悉，人臉核身技術目前已經獨家應用于手機QQ支付、理財通、微眾銀行、微信支付、QQ安全中心、微證券等產品場景。另一主要產品——信用評分產品則借鑒國際成熟的信用評價經驗，并運用大數據、機器學習等技術手段，自主研發出國際領先水平的信用評分模型，綜合評估信用風險水平，幫助金融機構有效風險評估，降低信用風險。
在王文華看來，芝麻信用的原始征信數據，主要是依托其龐大的電商和生活場景上的布局，源于用戶網絡上的留痕數據，包括阿里旗下長期的電商數據積累、螞蟻金服旗下支付寶的交易數據和用戶其他的網上行為數據；其次包括接入的公共機構和外部合作機構的數據，如公安、學歷學籍、工商等政府部門的數據；此外相較于其他公司，由于阿里電商的壟斷優勢，由此派生出的生活場景電子結算化，使得芝麻信用還可以將水、電、煤氣等公用事業單位數據納入芝麻分評分系統；此外還有用戶自主提交的信用數據。綜合上述長期的原始數據積累和壟斷性的電商優勢，使得芝麻信用從出生就帶有天然的優勢。
王文華同時稱，騰訊征信依賴微信、QQ游戲等騰訊系產品的基礎數據，也包括從合作金融機構拿到的信貸和金融信息、外部數據。騰訊做征信最大的優勢在于，微信擁有幾乎壟斷性的社交關系平臺和超強的用戶活躍度，同時已經完成了對生活場景的深度嵌入。其交易數據的積累盡管不及阿里的時間周期長，但其強大的爆發能力和超高的活躍度，加上微信支付也逐漸成為人們常用的支付方式之一，騰訊的交易數據價值也進一步得到提升，未來的潛力也不可小覷。
暗戰：百度與京東或“借道”入局
除了螞蟻金服以及騰訊，目前的在線消費金融領域，重量級玩家還包括百度金融和京東金融。
近段時間，百度的兩次海外投資引發業內關注。6月底投資了以數字貨幣著稱的互聯網金融公司Circle，布局區塊鏈；7月18日又投資了美國的金融科技公司ZestFinance，征信能力再升級。對于百度金融，業界比較關心的是通過與ZestFinance的聯姻，百度金融的消費金融業務或將獲得比較不錯的技術支持。
然而，就具體細節而言，百度方面向《每日經濟新聞》記者表示，“對于收購的事情不作回應，新聞都由Zest那邊發布”，至于目前的征信體系建設進行到怎樣的階段，或許是由于還沒有拿到個人征信牌照，百度方面稱，“征信的內容目前不便展開談”。
同樣備受業界關注的是京東金融，其也投資了ZestFinance。據記者了解，盡管京東金融和百度金融都有投資ZestFinance，但兩家思路并不太一樣。
京東金融方面稱，不僅是投資了ZestFinance，同時還將成立合資公司（名字不是JD-ZestFinanceGaia，不久后將會披露）。京東金融從成立之初就選擇了以數據科技為核心競爭力，京東金融已經投資了幾家業內頂級的大數據公司，還包括數庫、聚合數據等，目的都是為了訓練和提升自身的大數據建模能力。
按照京東金融的說法，目前，京東金融本身已經是一個龐大的數據源，加上京東商城的數據和投資的一些大數據公司及外部公開數據，京東金融不斷擴充數據源，以數據驅動作為金融業務發展的前提。
“相信有很多公司都不同程度地掌握大量的數據源，但數據多和數據有用是兩碼事，有用的數據要具備大、厚、動三個屬性，更重要的是，這些數據只是原材料，要進行各種模型的搭建，之后才能運用到實踐中，并形成一整套系統，所以，我們需要有懂得做數據‘原材料’加工的高水平‘廚師’團隊。”京東金融副總裁許凌指出，京東金融經過兩年多時間，已經搭建了一個專業的數據風控團隊。
路徑：細分市場靠垂直化構建征信體系
除了幾大巨頭，市場上還有為數眾多的企業或機構，開始利用既有的數據和技術拓展大數據征信業務。達睿咨詢創始人、首席分析師馬繼華指出，未來，一些專業公司主要在垂直領域發揮作用，為特定行業提供服務。
“維信金科從成立之始，就聚焦在C端的個人信貸業務，雖未正式開展個人征信業務，但具備了根據個人多維度信息（人民銀行征信、社保公積金、手機賬單、互聯網大數據等）評估個人征信情況的能力。”維信金科創始人和CEO廖世宏告訴《每日經濟新聞》記者，公司構建了Robot Lending（智能信貸）模式，依靠自主研發的蜂鳥云風控系統（核心是數據采集、反欺詐、攔截、規則、評分、決策、機器學習等八大引擎），實現針對個人智能化的信用評估和風險量化。
廖世宏稱，“針對數據保護方面，有一個大前提，維信堅持合法合規的經營，任何的數據源的使用必須通過客戶授權或者有資質的第三方授權。以維信與中國電信(微博)的合作為例，我們把一個封裝好的黑盒子放在中國電信端口，獲取一些參數，最后出結果客戶接受我們信貸并授權的時候，中國電信才會把這二三十個重要的參數，在做過過濾后給到我們。”
另一個值得一提的案例是企樂匯，其專注的領域是企業征信和防欺詐。“一方面服務集團內部企業經營貸，一方面對外開展場外盡調、征信數據和征信報告等征信服務，已經上線的信用公示臺，涵蓋了企業的基本信息、信用展示、關聯圖譜、負面信息和企業活力等信用評價維度，方便用戶及時了解目標企業的征信信息。除此之外，積極聚合企業畫像數據，從欺詐、還款意愿和還款能力等幾方面結合大數據交叉檢驗的方法評判企業信用狀況。”PINTEC集團金融大數據研究中心首席科學家張良貴稱。
至于業務開展過程中遇到的問題，廖世宏表示，第一，因為數據的相關性問題，大數據征信仍然存在一定的局限性，無法真正取代央行征信。對此，維信針對征信空白用戶，從小額度開始建立信用，并且逐步完善他們的信貸行為數據；第二，由于消費金融服務行業特殊性（平均貸款周期一般在12個月~14個月），數據模型更新需要比較長的時間成本。維信一直在做智能化的信貸系統，通過機器學習引擎，運用一些先行指標，實現模型的實時自動化更迭；第三，非央行的個人征信管理比較無序，希望行業法律能日漸完善。（來源：每日經濟新聞）
