吃川菜的信用比不过吃粤菜的吗

任蕙兰

一个物流咨询公司的老板说，你知道谁最关心大数据么？你肯定想不到，是跑运输的卡车司机。因为他们需要贷款付买路钱、付油钱，但车上的货不是他们的，车也是租的，没东西能抵押，银行不会借钱给他们。有了大数据就不同了，贷款公司征信门槛会降低，因为它能实时收集你地理位置数据、行车路线数据，甚至是你去哪个服务区上了个厕所。不怕你跑了，大家就肯借钱给你了。

这也许只是个例，但大数据对金融的影响却是真实地在发生。不管你脑洞有多大，它都能补上。

借钱？请提交你的微信账户

大数据在改变金融——谁都知道。但怎么改变？有人举了一个例子，过去你去银行贷款，要提供你的行驶证来证明你有一辆车，你的经济情况还不错。以后信贷公司会直接调取你的社交记录和网购记录，发现你有一辆车，甚至知道你常去哪些4S店，用什么档次的机油。

某一天，你去贷款或办信用卡时不用再带上厚厚一摞收入证明、资产证明，只要提交一个微信或淘宝账户，对方就能衡量你的信用资质，告诉你可以借到多少钱。

这个“某一天”其实已经在发生。范双文是麦子金服的风控总监，他曾在美国征信机构益百利、信用卡公司Discover等企业工作过。在他负责风控的学生借贷平台“名校贷”，除了要求客户提供本人的学籍信息、联系人电话等传统信息，还要授权平台调查其通话详单和电商行为。

通话记录和你的信用之间有什么关联？专做电信数据分析的征信公司会给出答案。比如看你有没有经常打给联系人，如果没有，那这个联系人可能是假的，你的诚信就有问题。另外，你有没有经常打给银行信用卡热线或其他信贷机构，如果有就说明你最近经常借钱，财务状况可能有问题。如果你的电话对象经常是律师，那么肯定是诉讼缠身。

而你的电商行为更能说明一些情况，你有没有淘宝或京东账户、有多久的历史、买过些什么、每月平均消费多少钱、最近有没有变化等等，这些都会成为平台衡量你信用资质的依据。当然，你的收货地址如果和提供的家庭地址、学校地址不一致，这也会引起怀疑。

过去信贷机构对客户的评判依赖于人行报告，如果能找到客户之前的贷款记录当然最好，他的信用水平一目了然，但目前央行征信体系覆盖8亿人，真正具备信贷记录的只有3亿人，缺口相当大。也就是说，很多人特别是学生连张信用卡也没办过，一张白纸怎么去判断？互联网大数据就成为传统征信手段的补充。

传统征信数据主要来源于借贷领域，与之相比，互联网征信数据来源更广，种类更丰富，时效性更强，涵盖了信用卡还款、网购、转账、理财、水电煤缴费、租房信息以及社交关系。通过大数据和云计算，互联网征信能多维度勾勒出一个用户的信用状况。

范双文在实践中发现，大数据可以告诉你一些东西，是你凭传统的征信经验看不到的，它有时会纠正信贷公司的刻板观念。

他做过一个尝试，把985/211重点高校和普通高校本科学生的信用数据放进系统进行比对，一般人会以为重点大学学生的还款情况更好，但经过云计算分析，两者的逾期率差不多。“我们根据这个结果，倒推做了一些分析，可能是因为现在大学生普遍对自己的信用记录都很重视，所以普通本科院校的学生也不会轻易赖账。”

他还比对过博士生、硕士生和本科生的信用数据，结果也出乎意料，博士生信用的确比硕士生和本科生好很多，但硕士生和本科生之间差别并不像想象的那么大。

以地域作为变量，对数据进行比对分析的结果也让人颇感意外，还款情况最好的是内蒙古籍贯的学生，而不是传统印象中经济条件更好的“北上广深”。“名校贷”的风控团队特地到内蒙古考察过好几次，发现内蒙古人有个特点，非常耿直，看重自己的名誉，“如果欠钱不还的消息在亲友圈传播开来，他们会觉得很没面子”。

美国征信机构对大数据的应用领域则更加广泛，比如客户的邮箱域名也会影响个人信用评级。在过去的某一段时间，使用American Online邮箱域名的客户，其综合资质会高于使用Yahoo、Gmail等邮箱域名的客户。

“名校贷”也引进过这个做法，但从目前平台的比对结果来看，学生用什么邮箱域名和他的信用资质关联不明显。不过根据范双文的判断，如果客户群体是已经工作的人可能效果会更显著。如果有足够的数据去分析，也许QQ特性也会和一个人的信用资质有关。

吃川菜和信用有关？

你一周喝几杯咖啡真的和信用有关么？也许有，但你可以放心，目前还不会有公司因为你减少咖啡量就拒绝贷款给你。

大到衣食住行，小到交友约炮，互联网沉淀了大量用户的碎片化数据，哪些和客户信用有关，哪些只是过眼云烟，没有哪家征信机构或信贷公司可以断言，对数据的使用很多还在探索中。

不管离题万里的信息还是立竿见影的信息，谁都知道大数据是个宝库，信贷公司和征信机构忙着从海量数据中挖掘出有用的那部分。头脑风暴一下也不坏。

范双文尝试过比对不同星座学生的还款记录。他用10万多条数据做了个测试，结果发现客户的星座和信用资质从数据上看真的有点关系。贷款信用最差的是白羊座，而公认做事认真、追求完美的处女座，信用排名也不是很靠前。“这样的比对结果我们还没办法用逻辑去解释，有可能是我们还没找到原因，也有可能是数据量太小，这个结果不是很准确。”所以他还没把星座添加进授信政策，作为一个贷款标准，这更像是个有趣的试验。

想法再大胆一些。一个人每周吃五次川菜还是每周吃五次粤菜，对他的信用资质有影响么？这个问题听上去很无厘头，但大数据分析真有可能告诉你答案。

“比方说，一个爱吃川菜的人有70%的可能是四川人，如果正好四川人的还款情况比广东人差，那很可能比对下来的结果就是，川菜爱好者坏账率比粤菜爱好者高。另外，一般来说穷人口味重，富人口味淡，那爱吃川菜的人经济情况就有可能比爱吃粤菜的人差，从而影响还款能力。当然，这些只是揣测，也有可能数据比对下来的结果和我们想象的截然不同。”目前还没有哪一家信贷机构去和餐饮点评网站合作，研究客户的餐饮数据，但未来这些数据都有可能被分析。

有些数据和信用之间的逻辑关系，可能一步就可以推过去，有些要分几步推过去。也有些，或许你想破脑袋也不能解释。“数据永远不嫌多，机构总有办法去消化。”

海量的数据必然会带来海量的玩法。你的脑洞可以再开大一点，说不定以后会有人用测颜值的App分析一下每个客户的头像，再比对颜值高客户和颜值低客户的信用记录，也许会发现越美貌的人还钱越积极，或者是相反。当然，必须是素颜照才行。

不过，如果这些看着很BT的数据真的被纳入授信政策，会不会太武断？比如一个人明明诚实靠谱，他的籍贯地正好爆发一轮坏账，运气有点糟糕，他因为地域问题被拒绝贷款。被大数据“错杀”的客户，那得有多冤枉。

“一个完整的模型包含起码20多个维度，比如学历、地域、工作、性别、收入、历史交易信息等等，能不能通过审批是一个综合的评判过程。当然，不排除上述情况客户的地域打分会低一些。”范双文解释。

在美国，信贷公司在拒绝客户贷款申请时，会被要求提供合理的理由，比如客户的经济实力不够、信贷记录不良或有诉讼纠纷。有些理由是合法的，有些是非法的，监管部门对此有详细的规定。比如种族、性别等类型的理由就是不允许的，会牵涉到歧视。

“虽然信贷公司没有把拒绝你的理由写到纸面上，但不表示公司不会在内部严格控制。”

兵家必争之地

“互联网金融的核心依然是风控，最开始你的营销比别人做得好，可以比别人跑得快一点，但拼到最后还是靠风控，如果你的风控能保证坏账比别人低，哪怕低1%，就能比别人跑得更远。”范双文说。

征信是互联网金融的命脉，大数据就是征信的命门，谁都想掌握这个命门。

数据掌握在谁的手里？

传统拥有者是人民银行，出具的个人信用报告为商业银行零售部门所重。社会征信机构也日渐崛起，上海资信、深圳鹏元、国政通等几家成为不少小贷公司的合作对象。深圳鹏元侧重深圳地区的个人社保信息，国政通覆盖全国范围个人学籍信息。

中国超6亿网民的大数据红利沉淀在社交网络、电商网络、网贷平台。互联网平台积累的巨量数据精准到个人用户习惯以及资信水平。手握大数据的机构通过云计算的模型分析，在征信上将大有可为。

美国互联网信用评级机构Zestfinance就成为传统征信业的搅局者。美国征信巨头Fico掌握70%人的信用记录，但有30%左右的人没有贷款记录，既没办过信用卡，也没有过房贷。益百利、Fico等大公司对个人信贷历史过于依赖，不具备丰富金融借贷的个人就被排斥，而互联网数据广泛，几乎可以无死角覆盖，所以Zestfinance就有了存在价值。

Zestfinance数据包括，第一类是第三方数据，既包含银行信用卡数据，也包括法律记录、搬家次数等非传统数据。第二类是网络数据，如IP地址、浏览器版本甚至电脑的屏幕分辨率，这类数据可以挖掘出用户的位置信息、性格和行为特征。第三类是社交网络数据。

国内的BAT三家都在打数据的主意。首批八家商业征信机构中，阿里和腾讯都入围。和Zestfinance比较接近的是阿里芝麻信用评分，靠的是支付宝积累。很多人习惯用支付宝还信用卡账、付水电煤、订酒店机票、打车。阿里除了掌握信用卡还款记录这样直接的信贷数据，也有个人网购记录、商旅消费记录、打车记录等间接证明个人经济状况的数据。接下来和信贷公司的合作是水到渠成的事。

腾讯掌握的个人社交数据则会是阿里的有效补充，但这些数据要怎么去挖掘，提炼成有用的征信标准，腾讯也在绞尽脑汁。

大公司在玩大数据，小公司也在找“长尾”。小公司只要寻找到一个合适的细分消费场景，就可以把风控模型嵌入进去。比如二手车市场，很少有银行会为买二手车的客户单独建个风控模型，决定他们的贷款额度。但如果有小公司切入这个市场，收集客户数据分析比对，研究客户特性，为这些客户量身定做一个风控模型，那它就有存在价值。同样的方式在装修、留学等细分市场也会奏效。——长尾可以喂饱很多参与者。

“征信不可能是一家独大的局面。在美国，即使是益百利、Fico等巨头也不可能垄断整个市场，还有几千家小的征信机构，在细分市场占据优势，小机构向大机构提供数据。国内以后也会是这个局面，BAT也不会独大，小的互联网征信公司也会有生存空间。”

当然，小公司的风控模型要对接信贷机构的需求，还有很长的路要走。对动辄几百万条数据的传统金融机构来说，小征信公司依靠几万条数据建立的风控模型，未必精准契合。而用自己的数据验算这个模型，本身就有不小的成本。