基于互联网金融平台的大数据征信实践与启示

冯笑　陈翼

[摘 要]信用经济是现代市场经济发展的必由之路，而互联网金融平台的蓬勃兴起对传统的征信体制带来了不可忽视的影响。基于互联网金融平台的大数据征信凭借自身海量资源和数据深度挖掘等独特优势，正在成为发展信用经济的新标准。文章以蚂蚁金服为研究对象，分析其技术背景和征信体系、风险控制体系及创新。通过蚂蚁金服的大数据征信实践得出大数据征信对我国互联网金融和征信业的有益启示。

[关键词]大数据征信；互联网金融；蚂蚁金服

1 蚂蚁金服征信模式

征信是指对市场参与者的信用或资信状况进行调查报告的中介服务活动，主要作用是消除或降低信用交易双方的信息不对称。征信体系建设是我国社会与经济发展的必然要求，是我国市场经济的最新组成部分，是我国创新社会管理的重要内容之一（吴晶妹，2013）。

中国金融业正从传统时代逐步转型到信息数据时代。谢平和邹传伟（2012）指出，以互联网为代表的现代信息科技，尤其是移动支付和云计算等，将对人类金融模式产生颠覆性影响。蚂蚁金服作为阿里旗下专门从事互联网金融的公司，在大数据应用方面一直处于领先地位。2015年1月5日，中国人民银行发布了允许8家机构进行个人征信业务准备工作的通知，蚂蚁金服芝麻信用位列其中。

蚂蚁金服的本质是借助于互联网技术的金融中介机构。Mishkin（1995）指出，金融中介存在主要有两个原因。第一，金融中介有规模经济和专门技术，能降低资金融通的交易成本。第二，金融中介有专业的信息处理能力，能缓解储蓄者和融资者之间的信息不对称以及由此引发的逆向选择和道德风险问题。蚂蚁金服的互联网金融模式不但能能够进一步降低资金融通成本，而且需要指出的是其大数据征信更是有力解决了资金融通过程中由于信息不对称而引起的逆向选择和道德风险。

2 大数据征信的特点及优势

2.1 样本优势

据统计，2014年第三季度阿里旗下淘宝平台占有约96.5%的C2C市场份额，天猫平台占有57.6%的B2C市场份额，第三方支付平台支付宝则占有82.2%的市场份额。所有在阿里旗下平台交易的数据均会被记录并作为征信评分依据上传到阿里云平台。拥有海量的交易数据，这大幅领先于银行的小贷业务（牛润盛，2014）。而利用大数据平台进行征信依托的是体量庞大的数据，且多为非结构化数据，数据与评估结果之间不再是因果关系，而是相关关系。这就意味着被征信对象很难通过对数据造假等不道德手段更改评估结果。

2.2 规模效应

传统征信手段的成本会随着征信对象的不断增加而显著上升。互联网大数据平台对征信对象进行征信评分只需前期投入设备购置和模型建立费用，使用中对平台进行必要的维护，其成本相对固定，不会随用户数量的增长而发生显著变化，体现出了规模效应的特点。

2.3 征信结果使用广泛

传统征信体系的征信结果由于体制和技术等原因使用多限于金融行业，而互联网金融平台的大数据征信结果往往有在金融业外的更多应用。基于蚂蚁信用分，支付宝中已列出出行、住宿、金融、购物等六项应用场景。蚂蚁信用分应用场景主要分为金融和非金融两类，金融类会与金融机构、网络信贷（P2P）做数据方面的合作和探索；非金融则会在免押（租车/住宿）、后付、证明（签证、交友方面）、分享（如小猪短租）方面有所关注。

3 可能限制大数据征信的因素分析

3.1 各征信平台的数据彼此孤立

目前国内拥有百度云、阿里云、腾讯云等多个云平台，掌握用户数据的相关机构数量较多。但数据与平台之间彼此孤立，各个信用评级机构的评分依据不能完全迁移，这在某种程度上限制了数据的体量和维度。同时对于刚处于起步阶段的个人征信机构来说因为缺少足够量的征信数据而难以支撑起征信产品。因此数据提供方、征信机构、云平台运营方之间的合作将对大数据征信发展具有重要意义。

3.2 金融业务经验缺乏，信贷规模有限

利用大数据平台开展征信业务的多为互联网企业，初涉金融领域缺乏大批专业技术人才和必要的金融运作经验。其业务系统目前尚不能根据用户的实际需求提供一对一的个性化咨询与服务，与传统银行逐步建立起的完善客户服务体系有较大的差距。

3.3 隐私保护和信息安全问题

依据中国互联网信息中心发布的《2013年中国网民信息安全状况研究报告》显示，2013年遇到过网络安全问题的网民比例高达74.1%，影响总人数达到了4.38亿。全国因信息安全遭受的经济损失达196.3亿元。总体状况不乐观。同时因为智能手机的大规模使用，用户的隐私信息被泄露的风险进一步加大。目前我国关于互联网个人隐私保护和信息安全的相关法规不健全，取证执法难度较大。征信过程中可能会涉及的小微企业的商业秘密保护问题也同样不可忽视。

3.4 技术的限制

传统信用体系的数据处理变量相对较少，且各个变量之间彼此相关。对变量进行建模分析时可对每个变量都精确分析并最终得到相对透明的结果供使用机构参考。但大数据时代征信使用的数据变量数庞大，变量之间无必然因果联系。基于大数据的数以千计的变量规模和多模型使得数据的处理和模型的解释变得比较复杂，在实际应用中会带来许多麻烦。超大规模的数据存储和云平台数据分析对计算机的存储和计算能力的要求也会越来越高。

4 对我国金融征信体系建设的思考与启示

完善征信体制是市场经济发展的基石和保证。我国现有的征信体系主要由中央银行主导，征信对象主要是大型企业，服务对象是以商业银行为代表的金融机构。现有的征信体制还处于发展的初级阶段，很不完善，而大数据征信的应用对加快建设和完善我国征信体制建设、促进信用经济的发展等方面意义重大。

4.1 传统征信体系数据来源的改变

相较于传统征信体系受征信数据局限的不足，大数据征信的特点表现更为突出。而以人民银行主导的传统征信体系则在数据准确性、易用直观等方面优于大数据征信。探索将合规互联网征信机构与央行征信系统对接的可能性将对我国信用体系的进一步发展提供有力保障。

4.2 小微企业的融资环境进一步改善

我国小微企业众多，在提高市场经济活力，吸纳社会就业等方面表现突出。但长期以来小微企业发展受制于资金，融资难的问题一直没有得到有效解决。对于金融信贷业务而言，风险防范的核心在于贷前的资信调查以及对贷后资金踪迹和交易行为的监控，而后者由于信息不对称使得传统金融企业难以精确掌握客户资金的去向，唯有借助抵押担保等手段加以控制（钟曜璘和彭大衡，2014）。蚂蚁金服为代表的互联网金融企业信贷的主要对象就是广大小微企业，其能以较低成本对小微企业进行征信，并通过云平台实时监控贷款人的信用状况并及时采取必要措施，从而能将不良贷款率控制在较低水平。

4.3 改善社会信用环境

我国的市场经济发展还不完善，不成熟，各种失信事件还时有发生，社会信用体系还未真正建立。随着金融征信体系的完善，相关信用产品将逐渐普及，失信成本也骤然提升，这有益于改善社会信用环境。

参考文献：

[1]吴晶妹.未来中国征信： 三大数据体系[J].征信，2013（1）.

[2]谢平，邹传伟.互联网金融模式研究[J].金融研究，2012（12）.

[3]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Zest Finance为例[J].清华金融研究，2014（11）.

[4]牛润盛.互联网金融背景下的征信模式选择[J].征信，2014（8）.

[5]钟耀璘，彭大衡.阿里征信模式对我国金融征信体系建设的启示[J].征信，2014（2）.

[6]刘瑛娜，陶富强，操乐凤，等.征信推动普惠金融发展的实践与思考——以安徽省为例[J].征信，2014（10）.

[7]徐晋.大数据经济学[M].上海：上海交通大学出版社，2014.