杂志汇电子商务

摘要：随着大数据背景下的网络信贷业务的发展，如何构建适合我国国情的互联网金融征信体系，它的模式和架构如何，是亟待探讨和解决的问题。本文首先概述了金融征信的背景，继而从数据征信的重要性、数据资产的类型、综合评分体系等角度分析了金融征信的现状，并指出了各个方面存在的问题和不足。最终，对金融征信机制的建立和完善提出了政策建议。

关键词：金融征信；互联网金融；大数据

引言

征信业务是指对企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这些信息的活动。征信体系是指采集、加工、分析和对外提供信用信息服务的相关制度和措施的总称，包括信息采集、征信机构和信息市场、征信产品和服务、征信监管等方面。

我国信用体系的建设较发达国家的起步较晚，自改革开放后起源于商贸领域，在金融体系的市场化改革推动下，逐步拓展至金融领域，如传统银行信贷、融资融券、担保、资产管理等。历时20多年，人民银行建成了全国统一的企业和个人征信系统。

互联网金融的发展如火如荼，其作为一种新的金融形式在优化金融资源配置的同时促进了实体经济的发展和经济转型升级。相较于互联网金融的发展速度，信用体系建设是滞后的。由此带来的潜在信用风险问题也在集聚，主要表现在监管缺位导致平台捏造虚假供求信息骗取客户资金；没有实行注册实名制；网络技术存在安全漏洞；个人隐私保护不力等方面。

1、大数据背景下的金融征信特点

1.1 多元化的数据来源

随着社会多层次征信服务需求的兴起，征信市场主体、征信服务方式也应该是分层的、多样性的。这就要求征信的数据来源也是多元化的。

多元化的数据来源是数据征信的基础。过去，我国为了契合经济基础不稳定，社会融资需求不旺盛的现实，构建了固定但封闭的征信体系。但是在互联网金融时代，信息来源增多，金融服务形式也大为丰富，这就要求我们对征信行业进行改革创新。

目前，国内的信用数据仅包括个人信用卡记录、银行贷款记录和部分企业信贷记录。从数据来源上看，高度依赖信用卡使用数据；从数据收集渠道上看，主要依靠线下收集，线上几乎是空白；从信用评分模型上看，大多使用五维关联业务评分模型。该模型从账户价值、数据技术、商业延展、IT实力和金融能力五个方面对征信对象行为进行量化打分。其中，征信账户相当于用户的金融身份证；征信结果的质量与数据技术息息相关，要求也最高；商业延展征信几乎涉及到金融的各个方面，甚至超越金融的行业也有涉猎；征信对金融是一种支持，更多考虑用户金融行为的结果，因此做征信更偏重公司的建模能力。

央行要求芝麻信用管理有限公司、腾讯征信有限公司、深圳前海征信中心股份有限公司、鹏元征信有限公司、中诚信征信有限公司、中智诚征信有限公司、拉卡拉信用管理有限公司、北京华道征信有限公司8家民间机构做好个人征信业务的准备工作，作为未来信用数据的补充。仅这些机构的业务上看，信用数据向单一行业输出的情况比较普遍，评分方法还处于初步发展阶段。评分体系亟待完善，综合评分机制呼之欲出。

2、金融征信面临的问题

虽然金融征信有较强的实践必要性和重要性，同时已经显现出广阔的发展前景。但是，金融征信工作遇到了一些瓶颈，主要体现在以下四个方面。

首先，我国的征信体系覆盖不充分。数据表明，央行征信中心的数据覆盖人口达到近8亿人，但是其中真正有信贷记录的仅3亿人不到，近5亿人没有任何信贷记录。而从个人征信报告可以看出，目前的信用数据仅仅是各商业银行历史信用数据的简单汇集，大量原始数据还零散地分布在金融机构、司法、工商、税务、公用事业单位等部门。

其次，失信行为的惩戒制度不够健全。国内对失信行为的管制和惩戒是存在较大漏洞的，这就导致借款人违约成本较低。所以，我们会看到假冒伪劣充斥市场、商业欺诈、合同违约、三角债拖欠款项等等一列失信现象。作为社会信用体系组成部分的失信惩戒体系亟待完善。这需要政府部门和民间机构共同努力。政府部门运用好行政强制性处罚，民间机构运用好市场机制调节，两者相互促进、相互补充。

第三，数据难以统一，难以达成数据共享。一方面，民间机构对数据的定义不同、业务操作规范不同、授信标准也不同，表现为征信数据形态各异，很难形成统一的数据标准供行业进行共享。另一方面，因为数据是征信企业的核心资产，想要实现信息数据的共享难度也比较大。难以标准化，将成为制约大数据发展的瓶颈。

第四，个人隐私保护方面存在法律空白。大数据征信的过程中，会涉及到对个人社交网络和电商交易数据、通话记录、微博使用数据的利用，这些数据中包含大量的个人隐私。目前国内关于个人隐私方面的法律保护几乎处于空白，倘若不加快立法，过快的推进大数据征信将会导致征信主体面临法律风险和道德风险。

3、措施及建议

3.1 先行征信立法，保证有法可依

必须加快金融征信的相关立法，保证征信工作有法可依。金融征信一定要法律法规先行，一定要有规矩才能做好。从2005年开始，中国人民银行征信中心相继推动了社保、公积金、司法、工商、环保等公共信息的采集工作，部分地区的公积金、电信缴费、司法判决等信息也已进入系统。但是，由于缺乏法律支持和制度保障，信息征集的全面性和持续性有待进一步提高。相关部门在立法过程中，应该特别注重透明性原则和个人权利的保护。谁在收集和使用数据，为什么这么收集，数据保存多久，数据将与谁共享，个人对信息的使用权如何配置都是要着重考虑的问题。

3.2 明确征信核心，加强隐私保护

作为一个与数据打交道的行业，征信业始终绕不开的两大核心问题是公共信息的公开问题和对个人隐私的保护问题。隐私保护方面，在传统的模式下，借款人让渡了一些个人隐私，主要是借款还钱的信息，换来了公平信贷交易的机会，在长期的过程中形成了一个基本平等的交易模式。但在大数据的征信模式下，很容易打破让渡隐私和获得信贷之间的平等交换模式。为此，我们应当学习欧洲个人数据保护立法实践中的经验，“技术可行并非是道德的，大数据意味着更重的责任”，世界各国要立即行动起来，加强隐私保护的力度。

3.3 完善数据库，提高数据质量

大数据背景下的金融征信，数据是基石，没有数据，征信无从谈起。主管部门应该引导各征信主体推进征信系统数据保障工作，构建全方位的数据保障机制。具体措施有优化接口程序，减少数据转换过程中出现的数据差异；加强对金融机构信用信息数据的两端核对，将两端核对和定点监测相结合；完善企业和个人征信数据量化考核及量化评分机制；建立完善对银行业金融机构征信数据质量工作的通报考核机制，充分调动银行业金融机构做好征信数据质量工作的积极性，推动信用信息系统数据质量稳步提升。

3.4 有效利用数据，强化风险控制

首先，征信机构应该把握好信息的采集。一方面，收集放贷机构等无论怎么努力也得不到的信息，如借款人在另一家放贷机构的借款信息；另一方面，收集放贷机构等可以采集但是成本较高的信息，如法院判决信息。继而，征信机构应该做好大数据技术的有效利用，针对不同借款人的风险水平构建预测模型。

其次，是有效利用数据进行风险控制。传统意义上的风控，主要是利用信用信息、财产信息来预测违约。然而目前，风险控制工作应该借助信息技术进行各种创新性尝试。例如，可以将借款人手机的被叫时长、朋友圈的信息和是否违约建立联系，将这些变量作为预测变量入模分析。在大数据的基础之上，有效利用模型工具来预测和防范风险。

参考文献：

[1] 胡大武.《征信管理条例(征求意见稿)》评析[J].上海金融,2010, 01:76-80.

[2] 阮德信.区域信用制度构建模式探析[J].求实,2008,12:39-42.

[3] 宋世伦,刘岩松.关于电子商务信用体系建设的思考[J].征信，2012,01:54-57.

[4] 袁新峰.关于当前互联网金融征信发展的思考[J].征信,2014,01: 39-42.

[5] 王鹦.企业征信在防范信贷风险维护金融稳定中的应用和拓展探析[J].上海金融,2013,09:110-111.

[6] 王希军,李士涛.互联网金融推动征信业发展[J].中国金融,2013, 24:60-61.