征信的准公共性与大数据运用

姚佳

随着人类社会的进步，富含高端科技的巨量数据集合技术等迅猛发展，通过对此种巨量数据进行开发处理以及驾驭海量、高增长率和多样化的信息，能使人们具有更强决策力、洞察力和流程优化能力。世界经济论坛创始人兼执行主席克劳斯·施瓦布将大数据技术喻为“新一代革命性的信息技术”和“第四次工业革命”。近年来，以大数据为基础而对个体进行信用评价即为一个应用场景。客观讲，直接利用这些交易数据而对个体进行“描述”与“评分”，是否属于征信意义上对个体信用能力的判断，似乎尚不能贸然或直接定性。征信作为一种金融活动，具有特定内涵以及制度构成，大数据评价只有符合征信的要素与特征，才可被称之为征信，否则不能直接将其定义为“大数据征信”，目前有关概念的使用与解读，可能是对征信制度的误认，无法展现征信之原貌。因此，新场景、新事物与新运用，并不必然产生新概念、新理论与新制度，一切需留待理论与实践检验。

中国征信体系：三序内涵与三重“门槛”

征信，顾名思义，通过“征”而获得“信”。征信被定义为一种信息服务（credit information service），系指为（获得）授信或其他金融信用交易的需要，对信用数据进行采集、评价、利用、提供、维护以及管理等活动。征信具有三层递进次序的内涵以及三重“门槛”。

一是如何获得信用信息。征信主要内容即对债务人的信用进行评价，而评价的客体则是有关债务人信用的相关数据。因此，授信人或征信机构如何获得数据是前提。实践中，个人为获得授信，则必须授权相应授信主体对其信用状况进行评价，而采集与获得信用信息是基于个人之授权，即存在信用交易与“授权”是授信主体或征信主体获得信息的基础与前提。

二是如何进行评价。如何评价个人信用状况，则主要是如何评价个人的潜在还款能力与还款意愿，一般主要围绕信用信息这一载体与表现形式。个人负债活动及其信息记录主要存在于三个领域，分别为：第一，个人与持牌金融机构发生借贷融资形成的负债及偿债记录等等，约占个人总负债的85%;第二，个人与非持牌金融机构等市场主体在各种消费者形成的负债及偿债记录，约占个人总负债10%;第三，公权力机关所掌握的个人在履行法定义务过程中所形成的负债记录，约占个人总负债5%。征信制度秉承一个基本理念，即考察借款人的信用状况，权衡其偿债意愿头等重要，偿债意愿在一定程度上决定其偿债能力。判断借款人偿债意愿的可靠依据，是其借钱还钱的历史记录，即信贷信息。换言之，信用评价考察的是偿债能力和偿债意愿，个体信用评价也是围绕这两个关键的衡量标准与尺度。

三是信用评价如何具有可靠性与权威性。征信体系与一国的社会信用文化与市场经济基础紧密相关，不同的信用文化和经济发展程度会形成不同的信用评价机制与征信体系。与欧美发达国家相比，中国社会主义市场经济体制并未经历基于内生驱动的成熟发展历程，征信体系也无法以市场为基础。中国征信体系以强大的商业银行系统为基础、以央行为基本载体与监管主体，形成社会公共信用体系，并使此种“信用评价”具有公信力、权威性，具有典型的“中国特征”与“中国脉络”。同时征信与征信业又密不可分，这也是2013年出台的《征信业管理条例》，其中对征信业务之基本内容、基本架构等均有所规定。

在以上三层内涵的基础上，中国征信制度与征信体系亦存在三重“门槛”：一是采集与运用数据，必须与征信目的相关，不存在脱离授信目的的数据采集与运用;二是信用评价不仅在于被评价的个体是否具有还款能力，更在于其是否具有还款意愿;三是信用评价所接入的征信系统，具有公共性特征，对个体的信用评价与认可只能由具有“公共性”或“准公共性”的机构确认。

上述第一、第二重门槛是基于征信本身性质与特征而言，而第三重门槛则是基于中国自身发展实践而言。在中国，尽管“公共性”似乎总会引起一定信任危机，但不得不承认的是，中国民间似乎并不存在形成强大信用文化与信用傳统的基础，因此，公共信用体系的形成具有一定现实性。但殊值辨识的是，征信可能并不像石油、天然气、水、电等等行业是一种自然垄断行业，而是其本身具有公共性或准公共性特征，存在较高的市场准入门槛。

大数据时代的信用评价

数字经济时代呼之欲出，数据正在各种领域发挥重要作用，并可能会成为一种新型生产要素。目前在不少平台上，数据控制与处理主体正在利用大数据对个人进行“信用评价”，比如根据交易数据、平台信用消费记录等等形成一定信用评分，并在个别领域或事项上享有一定信用免押服务等等。对此，有人直接将其称为“大数据征信”，并认为这可能是征信的一种新形式。而同时也有论者持反对意见，如世界银行集团的托尼·利思戈（TonyLythgoe）认为，“从社交网络采集的这些信息是由个人提供的，很难保证数据是客观准确的。”因此，如何看待大数据时代的信用评价，无论对于个人还是中国征信体系而言，可能都是一个难以回避的问题，亟需探讨。

一是正当性。首先要讨论的问题是，数据控制与处理主体获得个人数据，是否有权利用这些数据对个人进行“信用评价”？这可能涉及一个数据利用规则的问题。从目前相关规则来看，似乎并没有禁止数据控制与处理主体在自有平台上利用个人数据进行“信用评价”，只不过此种“信用评价”事实上区别于已被概念化并具有特定内涵的征信意义上的“信用评价”。同时，作为一种假设，对于某些消费者而言，如若其从未从事过相关信用交易的话，其在某些平台上的日常消费能够在一定程度上被认可为可能的、潜在的征信意义上的“信用评价”，可能既符合时代特征，也有利于增进个人权益。就此，征信中“征”的范围与要素是否也应随着人们行为的发展而不断更新，也是一个值得思考的问题。因此，在正当性这个维度上，利用大数据进行“信用评价”似乎并无不妥。

二是目的性。接下来要讨论为什么要对主体进行信用评价。诚如本文第一部分所讨论的，“征信”是一个具有特定内涵的概念，也具有特定运用场景，即基于特定信用交易目的（尤其是与资金相关）而获得信用评价。有论者认为，征信产品的运用场景应该主要是信贷领域，而不是什么领域都能用征信产品。但目前平台的信用评价可能基本上并不具有此目的，大多数可能还是在自己的平台上进行循环或者是基于商业合作而提供一定信用服务，与获得真正意义上的如银行授信等信用交易事实上并无太多关联。当然，不可否认的是，随着大数据技术的发展，平台的此种“信用评价”可能在一定程度上会更接近于考量个体信用交易目的的方式与手段。因此，尽管本文认为当下的“信用评价”无法符合征信目的，但是，或肯或否、非此即彼的定性判断可能都不够客观，将之看作是一个开放式问题，可能更为妥适。

三是合理性。上述正当性与目的性旨在讨论平台信用评价的外部问题，而合理性则讨论此种信用评价的合理性，是一种自身内容与体系上的观察与评价。有论者认为，大数据征信模型与传统评分体系有所不同。在模型中，信用历史是非常重要的一项，其他维度包括身份特质、履约能力、行为偏好和人脉关系（此项分数比重稍低），建立了刻画个人信用全貌的模型。持相反观点者则认为，大数据不是征信，征信和诚信也有区别。比如，现在利用大数据可以掌握的信息很多，一些机构根据这些信息对个人“画像”，描述其身份、社会地位、生活习惯、消费能力等特征，并对其进行信用评分。作为一个商业组织，通过这种大数据“画像”方式做市场营销无可厚非。但是，假如做征信，把社会公众“画成”三六九等，会导致对部分群体做出歧视性安排，这种做法不仅经不起科学推敲，而且有悖社会公平和正义。此外，征信机构要从保护个人信息、保护个人隐私权益方面出发，所有信息使用应该授权，应该特定用途，特定授权，不能一次授权反复使用，或多次使用、无限使用。

回到信用评价的根本与内涵，应是偿债能力与偿债意愿双重衡量，而偿债意愿更为重要。目前大数据所可能产生的“评价”一般只能一定程度上说明个体的消费能力，某些平台信用类产品上具有一定的信用产品特征，但从整体的信用评价来看，确实无法较为充分地体现个体的偿债意愿。

另外，关于此种信用评价之可靠性与权威性。尽管在数据异常充分的时代，人们可能会批评和质疑如若不将其运用于信用评价等领域，则无法实现数据的“物尽其用”，甚至可能是一种浪费。但是无论如何，依靠强大的传统的银行交易信息对个人进行信用评价具有较强的可靠性与权威性，其实也是具有效率的。同时，如第一部分所论，中国并不存在民间信用体系，也基本上不存在能够形成此种体系的经济、社会与道德基础，毋宁说第三方平台能否形成具有权威性的信用评价，即便是商业银行之间，他们各自对授信的判断也并不通用，仅仅是互为参考。因此，信用评价具有公共性，并且仅认可依据市场准入而取得资质的主体所作做出的信用评价，在中国也具有相当的现实意义。

可见，目前将大数据运用于信用评价之时，事实上可能并不符合征信之自身逻辑与特征，并非实质意义上的征信。只能说二者在抛却目的性、权威性和被认可度等因素之外，在技术处理方式上有某些相似之处，但如果考虑体系化以及与社会信用体系的接入等问题，其实质差异可能是南橘北枳。

大数据信用评价的公共性准则

现如今，海量数据存储于第三方平台，但是有关这些数据的性质、产权归属等问题，却多有争论。比如有人认为这些数据具有财产权性质，属于平台企业、或者某些属于企业、或者是企业的资产等等。无论数据产权如何争论，最大化地利用数据在一定程度上却是共识。因此，在征信中如能更好地使大数据发挥作用，则无疑对于个体、企业和国家都具有益处。

第一，平台数据可以成为信用评价的来源之一。从个体角度而言，人们在意欲获得授信之时，最希望的是授信机构能够“最大化”地判断自身的还款意愿和还款能力。相比以前的传统交易，而现在网购越来越多，能够形成交易和消费，那么在个体申请信用交易或者申请授信之时，既希望自己与银行之间的资金记录能够证明还款能力和意愿，也希望其他的消费记录能辅以证明还款能力与意愿。个体也希望日常消费能够进一步“增值”个人信用，成为一种可能的信用证明。

第二，平台信用评价尚须深入挖掘与建构。之所以平台的信用评价受到质疑较多，主要是因为并非所有的大数据都具有评价意义。比如，对当下“描绘性”的大数据“信用评价”而言，基本上是以精准营销为目的，对于信用评价则并不具有意义。但同时，必然有一些数据是对信用评价具有意义的。比如有一些产品具有借贷特性、在一定程度上能够持续观察、获取一些有关个人的偿债意愿与偿债能力，这种产品就可以进行改造而成为更接近于信用评价的工具。但在实践中，有的人用平台之内的借款工具偿还信用工具，在一个平台上形成了“自体循环”，这种情况就完全无法判断个体的信用能力，与传统的信用卡产品等等存在很大不同。再比如，目前有银行就与第三方平台合作，进行一些消费贷款（快贷）业务的信用评价考察等等，这也不失为一种先行先试的商业化尝试。因此，目前某些平台产品只能说是初具雏形，尚需深入挖掘建构。

第三，信用评价的公共性衡量。事实上，此种公共性链条分为两段：一为大数据本身所具有的公共性特征;二为利用大数据所产生的信用评价亦具有公共性特征。尽管对于大数据权属颇具争议，但是数据控制与处理者占有这些数据，仍然具有一种占有意义上的绝对优势。不得滥用数据、保护个体权益，此为数据利用规则本身之内在要求，而此种数据也在利己性与利他性之间共存协调，具有一定公共性特征。大数据信用评价的公共性特征，既表现为评价机构应当是独立的第三方、保持客观、公允，同时又表现为只有进入社会公共信用体系，才可认为此种评价具有公共性。目前信联的作用到底能发挥到何种程度，可能尚需时日观察，因为从技术层面来说，各平台数据架构互不相同，数据如何导入及汇总真正实现共享也是难点之一。

从微观的信用评价构成或信用报告而言，我们尝试做一种假设或预测，第三方平台的数据或信用评价应如何设置评分机制，可能需先行讨论，大致可以存在以下几种方案。

第一种方案：成为个人信用报告的一部分，切割、分配出一定的比例，比如1%、2%……10%;第二种方案：成为个人信用基础信息的一部分，系征信报告的有益补充，不占比，但是作为必要性的参考依据;第三种方案：成为个人信用基础信息的一部分，不占比，但是作为可选择性的参考依据。

上述几种方案可在定性或定量层面分别观之，并根据实践发展情况作动态系统调整。

综上，大数据时代应充分发挥数据所带来的“增益”与福利，但是其接入任何制度或体系之时，都要尊重和遵循事物與制度的本质、逻辑与规律，征信制度亦是如此，既要实现“数据尽其用”，同时也不改征信制度之初衷与目的，并使之更加丰富、完善和具有时代特色。

（作者单位：中国社会科学院法学研究所）