大数据征信助推长尾客户金融可得性研究

汪红蕾

摘要：大数据背景下，长尾客户是未来金融部门开发与争夺的蓝海市场。然而，长尾客户由于信息不对称程度较高而限制了其金融可得性的实现，解决长尾客户信用信息问题是满足长尾金融需求的关键。大数据征信依托于数据优势、技术优势、成本优势和风控优势，有效弥补了传统征信的不足，为助推长尾客户金融可得性提供了可行性。同时，我国大数据征信正处于快速扩张的发展初期也存在着行业格局混乱、征信信息保护机制不健全等突出问题，对此提出相应建议，从而推动大数据征信成为普惠金融和消费金融发展的重要工具。

关键词：长尾客户;金融可得性;大数据征信;普惠金融

中图分类号：F830    文献标识码：A

文章编号：1005-913X（2020）09-0059-04

一、引言

长尾客户来源于美国“连线”杂志主编克里斯安德森于2004年提出的长尾理论，指因产品或服务需求小而分散，构成了需求曲线细长尾部的客户。[1]虽然处于需求曲线尾部，但随着产品品种的增加，长尾客户的需求甚至会超越头部客户，创造出巨大的经济效益。在当前金融机构给予大型企业信贷红海竞争激烈、长尾群体收入逐渐增加和金融科技发展迅速的背景下，长尾理论值得金融部门反思改变传统的以头部大型企业为主要服务主体的授信模式，转而向长尾经济开发。促进这一转变的关键应是探寻金融机构对长尾客户信贷配给的深层次原因，大量研究和事实证明这源于金融机构与长尾客户间的信息不对称问题较为严重，长尾客户缺乏可抵押资产、有效信用信息等使得金融机构产生惜贷行为，进而导致长尾客户金融可得性水平低。本研究的金融可得性主要指自然人和法人的金融资源可获得程度，解决长尾客户的金融可得性匮乏问题应以缓解信用双方信息不对称为出发点，要从征信入手。然而，当前大多数金融机构采用传统征信模式，存在严重依赖于征信覆盖率不足的央行征信系统、无法将企业可使用信息边界扩大等缺陷，已经落后于对长尾经济的开发需求，而近年来开展迅速的大数据征信依托其独特优势为助推长尾客户金融可得性提供了可行性。

大数据征信是指基于互联网所有可搜集数据，运用现代智能技术对信息主体的经济交易与社会交往等活动进行记录、量化并报告的活动。[2]相较于传统征信方法，大数据技术的运用使得征信数据体量巨大、类型多样、处理高速、价值密度变低，并且伴随着云计算、区块链等一系列网络化运作。[3]大数据征信在处理长尾客户信息不对称问题上存在着数据优势、技术优势等多种优势，能够有效弥补传统征信对长尾客户的开发不足，从而提高长尾客户的金融可得性水平。

关于大数据征信和长尾客户金融可得性方面的研究，大部分研究的是大数据征信处理小微企业融资难问题，较少涉及中小消费群体的消费金融方面的思路。刘芸，朱瑞博（2014）提出小微企业融资约束的主要原因是信息不对称，以大数据为基础的互联网金融和征信体系深化是化解小微企业融资难的有效途径。[4]肖斌卿，柏巍等（2016）、高俊光，刘旭等（2015）认为可运用大数据和数据挖掘方法构建小微企业的信用评估模型，从而解决供给型信贷配给造成的小微企业信贷困境。[5][6]陈颖，颜伟忠（2015）从剖析中国小微型企业现状及发展瓶颈入手，并提出了建设小微型企业信用大数据平台。[7]本文的研究贡献主要在于增加了大数据个人征信推动消费金融的分析并研究了大数据征信解决长尾客户信贷难问题的可行性，同时结合当前我国大数据征信运营的潜在问题，提出相应对策建议。

二、传统征信下长尾客户的金融可得性和信用信息问题

（一）长尾理论下的金融可得性问题

金融部门的长尾客户分为长尾企业和长尾消费者两大部分。长尾企业指资产规模较小，缺乏信贷抵押品而具有融资难问题的小微群体。长尾消费者一般指财务实力较弱，缺乏信用信息而较难获得消费贷款的群体。长尾客户的金融可得性往往较低，体现在金融资源稀缺、获得的金融服务层次低和融资成本较高等。

长尾理论的核心观点是客户群体由头部的大而集中的客户和尾部的小而分散的客户组成，但是随着商品种类的增加，尾部客户的需求无限向右扩张甚至可能超越头部的需求规模（图1）。随着我国互联网金融大力发展，金融产品种类不断创新，例如，余额宝产品通过满足长尾需求而使得天弘基金成为当前规模最大的货币基金，可见长尾客戶潜在价值巨大，金融机构应注意到长尾经济蓝海。

■

金融供给度随着客户长尾程度提高而减少（图2）。由于金融机构在传统征信思维方式下，以财产实力和信用信息的充足程度为权威的判断依据，当客户缺乏有形抵押品等导致的信息不对称程度越高，其长尾特性越强，则金融机构授信积极性越低，金融供给度越低。传统征信落后于金融科技发展速度，已不能满足银行开发长尾价值的适应性要求，阻碍了长尾客户获得金融资源服务。

■

结合两图分析可知，随着客户长尾性的提高，其金融需求随着金融产品品种不断增加，而金融供给却逐渐减少，长尾客户供不应求的特点使得长尾客户金融可得性较低，表现为小微企业融资难和个人消费贷款获得不足的现象普遍。而长尾客户的金融可得性较差原因在于传统征信无法有效解决金融部门和长尾客户间的信用信息问题。

（二）传统征信模式下的信用信息问题

传统征信模式下，长尾个体的信息不健全和长尾业的信息不对称问题较为严重。传统征信数据来源大多数为金融机构的金融交易数据，而对于没有借贷行为等财务信息的长尾个体覆盖不到位，例如，中国人民银行征信中心只对具有信贷记录的人提供个人信用报告，因被排斥在金融供给之外而没有借款行为的长尾“白户”则在系统中没有信用信息。据统计，截至2019年，人民银行征信中心收录自然人9.9亿人，其中没有信贷记录的人数为4.6亿人，征信覆盖率仅为38%（与总人口相比）。[8]而美国征信覆盖率已达95%，我国个人征信业务与发达国家差距较大。长尾个体信用数据缺失，信息收集不健全，因而消费信贷获得困难，不利于消费金融的发展。

长尾中小企业相对于长尾消费人群来说“信用白户”的现象并不严重，因为大多数市场化企业还是具有信用信息的，但是由于资产规模较小、缺乏固定资产抵押物等使得金融机构仍不信任中小企业还款能力，担心“道德风险”发生，导致授信动力不足，究其原因在于双方的信息不对称，即企业有征信信息，但是金融部门搜集和了解困难，难以准确评估企业信用风险。这源于金融机构依赖于传统的征信模式，只查询资产财务信息，而在当前大数据背景下，长尾企业的交易信息、社交网络等均可作为授信业务的参考，小微企业的融资困难使得普惠金融发展难以取得实质性效果。

传统征信模式下，长尾客户的信用信息问题导致了其金融可得性较低，而金融可得性差又加剧了其信用信息问题，两者陷入了恶性循环。先信用后信贷的传统方式存在“鸡生蛋、蛋生鸡”的难题，使得长尾客户信贷形成“无贷款—无信用记录—难贷款”的不良循环。[9]因此，解决长尾客户金融可得性问题需要从其信用评估入手，而大数据征信有效填补了传统征信的不足，提供了解决长尾客户信用信息问题的可行性。

三、大数据征信助推长尾客户金融可得性的可行性分析

大数据征信可以利用数据优势弥补信用信息不健全问题，利用技术优势化解信息不对称问题，利用成本优势和风控优势作为保障机制，促使大数据征信成为解决长尾客户金融可得性较低问题的重要手段，逻辑机制如图3。

■

（一）数据优势

数据优势是大数据征信产生和扩张的基础，这对于解决长尾中小消费人群的信贷难题，发展消费金融意义重大。不同于传统征信模式，信息來源依赖于只对有信贷记录的人提供信用报告的央行征信系统，大数据征信将数据边界大幅拓展，数据类型不再以财务信息为主要部分，从而将大量的长尾“信用白户”纳入征信目标主体并有效解决长尾个体的信息不健全问题。

首先，大数据征信的数据收集量极大，征集范围广，基于互联网活动产生的所有数据可供整理，例如，德国的Kreditech公司征信收录贷款人15 000多个数据点;中国的Wecash闪银对单个客户征信会采集约6 000个数据点。[10]同时具备广度和深度的数据池形成了大数据征信对长尾客户信息调查方面的巨大优势。其次，大数据征信的数据类型多样，由传统征信的结构化数据转变为非结构化、半结构化数据。传统征信以财务数据为核心，注重抵押担保，而大数据征信中任何信息都可为信用信息，比如电商平台交易数据、社交活动、网络行为等，财务信息不再是唯一的信用能力评估标准，从而推动了信用衡量的多维度和全面性。

2018年，央行推出的百行征信，有效解决了个人信用信息不健全的问题，覆盖人群较广，而原因即在于利用大数据爬虫技术储备了互联网海量数据，从而使得一部分“尾部”客户过渡到“头部”客户。市场化的机构包括芝麻信用、腾讯征信等均促进了个人征信的易得，进而大大提升了长尾个体的金融可得性，有助于消费金融开展，推动消费升级。例如，芝麻个人信用评分弥补了传统央行征信对学生群体等“信用白户”的征信不足，推动这部分长尾客户获得房贷、车贷等信用贷款。

（二）技术优势

技术优势是使大数据征信更具竞争力的重要条件，有助于解决中小企业融资难题和发展普惠金融。第一，大数据一般结合云计算、区块链等运算对其整理、加工与保密，推动了供应链金融等新兴互联网金融对小微企业的信贷扶持。第二，大数据征信涉及的变量、模型和方法较复杂，从而保证多维度、科学性地给出企业的信用评分。第三，大数据征信在数据优势的基础上运用可靠技术将企业的交易行为、社交网络、电商平台数据等非财务信息转化为财务数据，从而使得长尾小微企业不会因为缺乏信用信息而受到金融排斥。第四，中小企业信用风险识别在于快，大数据征信技术具有高效率特征。

技术上的算法、模型使得非财务信息能转化为信用信息，丰富了双方的信息交流程度，运用一万多个变量和模型，实时动态的更新跟踪，使得信息具有透明度和动态性，因而一定程度上缓解了信息不对称性，有助于长尾企业融资困境解决，基于征信方法上的推进来推动普惠金融发展。

（三）成本优势

成本优势是大数据征信得以经营和盈利的关键。大数据征信通过高效率运作能有效降低征信成本。传统征信体系下，在线上的授意信贷需要人工操作，线下也需实地走访考察，大量的时间成本和人工成本花费在贷前、贷中和贷后调查中。

首先，大数据征信可以有效缩减人工成本，运用机器化操作的信息监测与处置系统使相关业务流程大大简化，提高了服务效率和人力资源使用率。例如，Zest Finance公司的Hilbert模型变量中有75%是用计算机处置的，只有25%需要人工干涉。其次，降低数据采集成本。大数据使得信用信息来源广、易获取，能够高效处理沉淀的长尾客户相关数据，从而缩减了采集成本。此外，大数据征信机器运用要求较高，虽然前期投资总额较大，但是后期能够形成批量化处理能力，边际成本递减，有助于形成长尾客户征信的规模经济效应。例如，银行按照传统征信模式对中小企业发放一笔贷款的平均人力成本为2 000元，而网商银行采用大数据征信模式授信的每笔贷款平均运营成本只有2.3元，其中2元为技术化费用，可见大数据征信能利用规模化优势来减少大量成本。[11]

（四）风控优势

风控优势是大数据征信稳健运营的根本保障。大数据征信比传统征信风险防控措施更加到位，一是大数据技术能够减轻征信机构的经营风险。传统征信模式静态僵硬，常有“老赖”或非法牟利的团队组织通过各种重组手段将自己包装成信用状况合格或刚建立的受信主体，获得征信服务而拖欠账款，甚至形成连锁的违约传播病毒，不利于征信机构的业务发展。大数据征信则进行模型和变量的动态性更新，保证风险的及时跟踪，进行场景预测，从而高识别客户的欺诈风险，防止信用主体的欺诈行为。同时，大数据征信依赖于计算机和机器，摆脱人工的干扰，有效降低操作风险。二是减弱金融机构的信用风险，降低金融机构和长尾客户的信息不透明度，进而增加长尾客户获得信用贷款的可能性。

芝麻信用的企业征信系统利用大数据征信的“风险云图”辨认复杂混乱的企业、股东间关系等，给予风险概率、提示和预警等，从而避免与无信用企业合作或者向其授信而招致违约风险。

四、大数据征信未来发展应关注的问题及建议

（一）推动大数据征信机构的规范运营，形成成熟的行业体系

大数据个人征信机构应定位明确。我国个人征信机构牌照发放限制较强，目前央行只对百行征信一家给予了个人征信执业牌照，但芝麻信用评分产品等显然也是在做个人征信业务，那么腾讯征信、芝麻信用等八家预备机构是否拥有经营个人征信业务资质的合法性问题始终处于不明朗状态，我国大数据征信机构在个人征信领域有实无名。因此，政府部门应明确金融科技企业开展个人征信业务的权利和义务，规定其征信范围。

大数据企业征信机构应提高其执业资质标准，规范经营。当前，我国企业征信机构相比个人征信机构限制较弱，大数据企业征信门槛准入较低，客户信息泄露和窃取、非法征信授信等市场乱象严重。

大数据征信机构应完善以央行征信为代表的政策性征信机构的征信不足状况，形成政策性征信机构和大数据市场化征信机构合作互补的行业格局。当前存在征信机构背靠独立集团形成业务闭环，割裂市场信息链的情况。例如，芝麻信用、腾讯征信等作为百行征信股东被要求与其合作和共享信息，但是芝麻信用官方却曾表示目前并未与百行征信有任何合作，因此，应鼓励大数据征信机构与政策性征信机构以及大数据征信机构之间的合作，防止征信数据孤岛，建立以风险防控为核心的征信行业数据共享制度。近年来，芝麻信用等市场化机构伴随着广泛的应用场景而民众接受度和普及度极高，但是百行征信作为政策性机构还未被广大用户熟悉，因此，政策性和市场化征信之间也应注意如何平衡共处。

（二）建立大数据征信信息保障机制，保护信用信息隐私

大数据征信行业应界定征信信息边界，保障客户的隐私安全。大数据使得客户在各方面的数据都能被搜寻整理，传统的信息不对称理论似乎受到了挑战，如今客户方成了大数据征信方的信息透明人。应确定信息的可用性程度，对于网络行为中诸如购物信息、缴费信息等能转换为描述征信主体的财务状况的信息可以运用，但是诸如个人形象、家庭住址、用户私密聊天内容等严重涉及用户隐私的则决不能作为征信信息处理。征信、金融发展和人权的矛盾是当前的社会热点话题，应以客户人权为首，确定征集信息的“度”，信息使用需经主体授权，使得大数据征信健康发展。

当前法律对于信用信息的甄别确认，征信信息的使用程度并未进一步明确，法律约束较少，信息采集技术的隐蔽性使得个人信息泄露和窃取严重，隐私保护权和投诉权等保障不足。因此，应尽快建立保护征信主体隐私安全的相关法律条例，明确征信信息产权。

（三）完善大数据征信监管体系，建立相应监督法规

我国应加强对大数据征信发展的重视，提高对其的监管强度。大数据征信监管体系建设滞后于其发展速度，数据征集的范围已发展到央行所能掌控的金融系统之外，使得大数据征信活动可能监管不到位甚至监管失效。

我国应加快建立大数据征信的法律法规，为大数据征信提供法律保障和约束。当前，我国征信最高法规仍是《征信管理条例》，法律效力层次较低;《证券法》《公司法》等法律条例中有涉及部分征信的内容，但规定不够具体明确。总的来说，缺少适用于新兴的大数据征信的法律条款，因此，才产生征信范围不明，隐私信息侵权等问题。

（四）打造大数据征信产业链，促进征信与金融的共赢

大数据征信机构应構建以征信产品服务为核心的线上线下数据资源整合、应用场景拓展、上下游主体合作互惠的征信产业链。加强对征信产品的开发创新，除了信用评分、信用报告等基础产品外，行业风险预警、特别关注名单、信息核验平台等创新产品应着重开发设计，以便将产品服务延伸到反欺诈、信用记录监控、催收管理等更多环节。大数据以互联网线上数据为主，但是也要注重信息的线下核查和管理。大数据征信的运用场景除了传统的信贷部门，还可拓展到出行、住宿、社交、求职等多个场所，建立“失信奖惩”机制，构建信用社会。大数据征信机构要加强与上游数据服务商、下游金融机构等数据使用商的互惠合作，构建数据和资金流通顺畅机制。

大数据征信通过数据优势、技术优势、成本优势和风控优势能有效解决信息不健全和信息不对称问题，使得其能覆盖到长尾客户，向金融部门提供长尾客户的信用报告等产品，减弱了金融机构承受的信用风险，进而提升了长尾客户的金融可得性，缓解小微企业融资难和中小消费者贷款难的问题，推动了普惠金融和消费金融发展。金融信贷的增加同时增加了长尾客户的信贷记录信息，增加了征信的信用信息基础，进一步降低了其信息不对称程度，进而促进金融可得性的增加。因此，大数据征信推动了征信行业和金融行业的有益互动，有助于打造互利共赢的跨行业合作体系。

参考文献：

[1] Chris Anderson.The long tail：Why the Future of Business is Selling.Less of More[M]. New York：Hyperion，2006.

[2] 吴晶妹.从信用的内涵与构成看大数据征信[J].首都师范大学学报：社会科学版，2015（6）：66-72.

[3] 维克托·迈尔·舍恩伯格.大数据时代[M].杭州：浙江人民出版社，2012.

[4] 刘 芸，朱瑞博.互联网金融、小微企业融资与征信体系深化[J].征信，2014（2）：31-35.

[5] 肖斌卿，柏 巍，姚 瑶，李心丹.基于LS-SVM的小微企业信用评估研究[J].审计与经济研究，2016（6）：102-111.

[6] 高俊光，刘 旭，朱辰辰.小微企业信用评估的数据挖掘方法综述[J].金融理论与实践，2015（10）：98-101.

[7] 陈 颖，颜伟忠.大数据技术下小微型企业信用建设研究：以小微型企业信用大数据平台建设为例[J].经济师，2015（7）：251-253.

[8] 中国金融杂志.打破金融可得性“恶性循环”——普惠金融的“兰考模式”[EB/OL].http：//www.sohu.com/a/

343524479_481887？scm=1002.0.0.0-0，2019-09-26.

[9] 苏宁金融研究院.起底个人征信[EB/OL].https：//www.sohu.com/a/312952156_371463.2019-05-10.

[10] 耿得科，梁文娟.大数据对传统资信评估的影响[J].征信，2015（3）：20-24.

[11] 陈小梅.基于大数据的小微企业信用评级体系研究[J].征信，2018（10）：27-31.

[责任编辑：王 旸]