大數(shù)據(jù)征信前景廣闊，在資本市場(chǎng)、商務(wù)合作和終端消費(fèi)市場(chǎng)，征信產(chǎn)品的需求已經(jīng)顯現(xiàn)出來(lái)，金融機(jī)構(gòu)、企業(yè)和消費(fèi)者對(duì)通過第三方大數(shù)據(jù)征信機(jī)構(gòu)在經(jīng)濟(jì)活動(dòng)中考察合作和交易對(duì)方的信用狀況抱有很大的期待。

我國(guó)征信業(yè)剛剛起步，發(fā)展時(shí)間并不長(zhǎng)，根據(jù)發(fā)達(dá)國(guó)家的經(jīng)驗(yàn)，建成征信數(shù)據(jù)庫(kù)至少需要三到五年的時(shí)間。數(shù)據(jù)庫(kù)建設(shè)滯后導(dǎo)致市場(chǎng)上征信產(chǎn)品和服務(wù)并不豐富，這是我國(guó)征信業(yè)發(fā)展的現(xiàn)狀。

中國(guó)大數(shù)據(jù)征信行業(yè)方心未艾

國(guó)內(nèi)知名大數(shù)據(jù)專家、職品匯創(chuàng)始人龔才春博士介紹說(shuō)，中國(guó)的大數(shù)據(jù)征信行業(yè)還處于起步階段，雖然，受到了資本和市場(chǎng)和互聯(lián)網(wǎng)金融企業(yè)的追捧，但方興未艾的征信行業(yè)尚不足以支撐起互聯(lián)網(wǎng)金融行業(yè)不斷擴(kuò)展的商業(yè)藍(lán)圖。

龔才春博士指出，國(guó)內(nèi)征信市場(chǎng)現(xiàn)在處在無(wú)序競(jìng)爭(zhēng)階段，這種局面下肯定會(huì)出現(xiàn)優(yōu)勝劣的現(xiàn)象，獨(dú)立、客觀、公正、規(guī)范，具有優(yōu)質(zhì)數(shù)據(jù)和強(qiáng)大評(píng)級(jí)體系的征信機(jī)構(gòu)，最終會(huì)在市場(chǎng)上存活，而那些“偽大數(shù)據(jù)征信機(jī)構(gòu)”將面對(duì)愈加嚴(yán)酷的市場(chǎng)環(huán)境。

中國(guó)大數(shù)據(jù)征信行業(yè)有哪些“軟肋”

在政府鼓勵(lì)和市場(chǎng)迫切需求雙重驅(qū)動(dòng)下，國(guó)內(nèi)掀起了一股狂熱的互聯(lián)網(wǎng)征信浪潮，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。國(guó)內(nèi)知名大數(shù)據(jù)專家、職品匯創(chuàng)始人龔才春博士介紹說(shuō):當(dāng)前國(guó)內(nèi)的大數(shù)據(jù)征信行業(yè)還存在著諸多難點(diǎn)，比如：

1、大數(shù)據(jù)數(shù)據(jù)整合難，信息孤島難題待解：央行征信系統(tǒng)并未開放，征信機(jī)構(gòu)無(wú)法獲取珍貴的信貸數(shù)據(jù)，而央行對(duì)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(tái)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(tuán)，以及各類P2P平臺(tái)自建的征信公司本身存在業(yè)務(wù)交叉和競(jìng)爭(zhēng)關(guān)系，共享“黑名單”易，共享“白名單”難等等。

2、征信數(shù)據(jù)缺乏統(tǒng)一標(biāo)準(zhǔn)：到底哪些信息需要列入征信評(píng)估范疇還沒一個(gè)統(tǒng)一的界定，越來(lái)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(gè)人不良征信記錄影響個(gè)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(dú)立第三方原則被模糊，首批入圍的民營(yíng)征信機(jī)構(gòu)數(shù)據(jù)的采集和使用都與自身有著千絲萬(wàn)縷的聯(lián)系，這就決定了現(xiàn)在市場(chǎng)中的很多模型只能適用于自己的小生態(tài)，同時(shí)民營(yíng)征信機(jī)構(gòu)既做裁判又做選手，最終評(píng)價(jià)的公正性或在市場(chǎng)份額爭(zhēng)搶中失衡。

4、評(píng)級(jí)模型五花八門：中國(guó)并不缺數(shù)據(jù)，但缺乏可以數(shù)據(jù)通用的評(píng)估模型。國(guó)內(nèi)個(gè)人征信大多模仿了美國(guó)FICO的模型，但在評(píng)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(gè)人在不同平臺(tái)得到的評(píng)分可能會(huì)千差萬(wàn)別。而企業(yè)征信的評(píng)級(jí)模型，以及債券評(píng)級(jí)模型的嚴(yán)謹(jǐn)性、科學(xué)性在國(guó)際上并無(wú)強(qiáng)公信力。

龔才春博士指出，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(jìn)行風(fēng)控審核，難免會(huì)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(fēng)控的決策依據(jù)。

大數(shù)據(jù)征信行業(yè)的應(yīng)對(duì)之策

1、互聯(lián)網(wǎng)信息采集技術(shù)是關(guān)鍵。

大數(shù)據(jù)征信給人的第一印象就是數(shù)據(jù)規(guī)模龐大。但這不重要，僅從數(shù)據(jù)量上來(lái)說(shuō)，傳統(tǒng)的信用評(píng)級(jí)公司經(jīng)過數(shù)據(jù)的長(zhǎng)年積累也可能做到。關(guān)鍵在于數(shù)據(jù)的采集上，大數(shù)據(jù)征信數(shù)據(jù)庫(kù)更多地依靠技術(shù)能力聚合有關(guān)企業(yè)或個(gè)人有效信用數(shù)據(jù)，并錄入基礎(chǔ)數(shù)據(jù)庫(kù)，納入相關(guān)企業(yè)或個(gè)人的信用檔案中。

正是通過互聯(lián)網(wǎng)技術(shù)，才能讓信用信息數(shù)據(jù)庫(kù)迅速匯集、沖洗出鮮活的信用信息，如果一些征信公司沒有數(shù)據(jù)庫(kù)，或者數(shù)據(jù)庫(kù)里只有一些企業(yè)的基本信息，就標(biāo)榜自己是大數(shù)據(jù)征信，就值得警惕了。

2、實(shí)現(xiàn)企業(yè)信用的動(dòng)態(tài)評(píng)估。

大數(shù)據(jù)的另一個(gè)顯著特征是，對(duì)及時(shí)捕捉來(lái)的數(shù)據(jù)進(jìn)行適時(shí)分析，由基礎(chǔ)數(shù)據(jù)庫(kù)納入數(shù)據(jù)評(píng)估系統(tǒng)。比如當(dāng)前一家企業(yè)的信用評(píng)級(jí)良好，下一刻在質(zhì)監(jiān)部門或新聞媒體就有可能發(fā)布關(guān)于這家企業(yè)的負(fù)面信息，大數(shù)據(jù)征信數(shù)據(jù)征信就要能夠?qū)崟r(shí)捕捉到這些信息，并通過系統(tǒng)內(nèi)置的數(shù)據(jù)計(jì)算模型，對(duì)數(shù)據(jù)進(jìn)行交互處理，對(duì)企業(yè)的信用狀況進(jìn)行重新評(píng)估更新，讓公眾能夠及時(shí)了解到企業(yè)最新的信用信息，也就是說(shuō)在大數(shù)據(jù)征信機(jī)制下，企業(yè)或個(gè)人的征信狀況是動(dòng)態(tài)變化的，這就是大數(shù)據(jù)征信的獨(dú)特魅力。

傳統(tǒng)征信機(jī)構(gòu)的普遍做法是，征信公司向企業(yè)發(fā)出資料清單，依據(jù)企業(yè)提交的信息資料、輔以對(duì)企業(yè)短時(shí)間的財(cái)務(wù)分析，對(duì)企業(yè)進(jìn)行信用評(píng)估，并標(biāo)注有效期一年、兩年、三年，這和大數(shù)據(jù)征信機(jī)制完全相悖。

3、通過統(tǒng)一數(shù)學(xué)模型進(jìn)行信用評(píng)級(jí)。

傳統(tǒng)征信更多地是依靠人為的、主觀的因素來(lái)評(píng)級(jí)，通過分析師或信用評(píng)估從業(yè)者對(duì)企業(yè)提報(bào)的資料經(jīng)過分析而做出企業(yè)的信用評(píng)定。而大數(shù)據(jù)征信面對(duì)的是海量的企業(yè)或個(gè)人的信用數(shù)據(jù)，依靠人工來(lái)分析評(píng)級(jí)很不現(xiàn)實(shí)，大數(shù)據(jù)征信下的信用評(píng)級(jí)是通過系統(tǒng)內(nèi)統(tǒng)一的數(shù)學(xué)計(jì)算模型，對(duì)企業(yè)或個(gè)人的信用信息進(jìn)行計(jì)算，并得出相關(guān)企業(yè)或個(gè)人的信用分值和信用等級(jí)。

大數(shù)據(jù)征信所采用統(tǒng)一數(shù)學(xué)模型的信用評(píng)級(jí)，更具客觀性，效率也大大提高。

4、實(shí)時(shí)出具信用報(bào)告。

通過統(tǒng)一數(shù)學(xué)模型對(duì)企業(yè)或個(gè)人進(jìn)行信用評(píng)級(jí)的同時(shí)，征信系統(tǒng)能夠?qū)崟r(shí)為企業(yè)和個(gè)人出具信用報(bào)告。比如說(shuō)，傳統(tǒng)征信模式通過調(diào)查、資料分析和信用評(píng)級(jí)，要出一份信用報(bào)告，至少需要2周或更長(zhǎng)的時(shí)間，而大數(shù)據(jù)征信通過系統(tǒng)廣泛采集企業(yè)的信用信息，可以做到信用報(bào)告直接在線下載打印，這是傳統(tǒng)的征信模式所無(wú)法比擬的。

作為一個(gè)新興行業(yè)，大數(shù)據(jù)征信業(yè)在發(fā)展初期出現(xiàn)混亂局面本無(wú)可厚非。征信行業(yè)需要正本清源，需要不斷完善進(jìn)步，這樣才能適應(yīng)互聯(lián)網(wǎng)金融、國(guó)際貿(mào)易、傳統(tǒng)商業(yè)、人力資源行業(yè)等不同行業(yè)發(fā)展的需求。