李友元，寇綱

1. 西南財經(jīng)大學(xué)金融創(chuàng)新期刊，四川 成都 611130；2. 西南財經(jīng)大學(xué)大數(shù)據(jù)研究中心，四川 成都 611130

我國大數(shù)據(jù)征信的挑戰(zhàn)及對策

李友元1，寇綱2

1. 西南財經(jīng)大學(xué)金融創(chuàng)新期刊，四川 成都 611130；2. 西南財經(jīng)大學(xué)大數(shù)據(jù)研究中心，四川 成都 611130

大數(shù)據(jù)征信能夠滿足缺乏或沒有信貸記錄人群的金融需求，是傳統(tǒng)征信的有益補(bǔ)充。發(fā)展好大數(shù)據(jù)征信對于實(shí)現(xiàn)普惠金融，促進(jìn)我國社會信用體系建設(shè)有著重要的意義。闡述了美國和我國大數(shù)據(jù)征信的發(fā)展現(xiàn)狀，總結(jié)了大數(shù)據(jù)征信的特點(diǎn)，探討了我國大數(shù)據(jù)征信存在的不足以及面臨的挑戰(zhàn)。最后提出相應(yīng)的對策及建議。

大數(shù)據(jù)技術(shù)；征信體系；信用評分

1 引言

近年來，隨著互聯(lián)網(wǎng)和信息行業(yè)的快速發(fā)展，數(shù)據(jù)呈爆炸式增長。根據(jù)國際數(shù)據(jù)公司（IDC）的研究，全球數(shù)據(jù)量大約每兩年翻一番。大數(shù)據(jù)時代已經(jīng)到來，引起了我國政府的高度重視。2015年9月，國務(wù)院出臺了《促進(jìn)大數(shù)據(jù)發(fā)展行動綱要》，加快大數(shù)據(jù)戰(zhàn)略部署，深化大數(shù)據(jù)應(yīng)用。我國各地方政府也陸續(xù)出臺了大數(shù)據(jù)發(fā)展規(guī)劃。政府的高度重視推動了我國大數(shù)據(jù)產(chǎn)業(yè)的快速發(fā)展。2014年中國大數(shù)據(jù)產(chǎn)業(yè)規(guī)模約為1 038億元，2015年產(chǎn)業(yè)整體規(guī)模達(dá)到1 692億元，增長了63%[1]。大數(shù)據(jù)產(chǎn)業(yè)的高速發(fā)展，特別是大數(shù)據(jù)技術(shù)在金融產(chǎn)業(yè)的成功應(yīng)用，使得大數(shù)據(jù)征信得到廣泛的關(guān)注和重視。大數(shù)據(jù)征信從其本質(zhì)上來看，是將大數(shù)據(jù)技術(shù)應(yīng)用到征信活動中，突出強(qiáng)調(diào)的是處理數(shù)據(jù)的數(shù)量大、刻畫信用的維度廣、信用狀況的動態(tài)呈現(xiàn)、交互性等特點(diǎn)[2]。

目前，我國信用信息數(shù)據(jù)庫主要是中國人民銀行征信系統(tǒng)。中國人民銀行發(fā)布的《征信系統(tǒng)建設(shè)運(yùn)行報告（2004—2014）》數(shù)據(jù)顯示，截至2014年底，企業(yè)和個人征信系統(tǒng)分別為1 969 萬戶企業(yè)及其他組織、8.57億自然人建立了信用檔案；其中，有中征碼的企業(yè)和其他組織1 008.7萬戶，有信貸記錄的自然人3.5億多人。傳統(tǒng)信用評估模型是根據(jù)征信主體過去的信貸記錄來評估信用情況。而中國人民銀行征信系統(tǒng)有5億多自然人沒有信貸記錄，未被中國人民銀行征信系統(tǒng)覆蓋的人數(shù)高達(dá)65%。如何滿足這些沒有征信記錄的人的金融需求是亟需解決的難題，需要探索新的征信模式。這給大數(shù)據(jù)征信帶來了市場機(jī)會。大數(shù)據(jù)征信擺脫了對信貸數(shù)據(jù)的高度依賴。大數(shù)據(jù)征信采用了新的信用評估體系，人群覆蓋面非常廣，只要個體有注冊登記、開立銀行賬戶、納稅等活動，就可對他們在網(wǎng)絡(luò)上留下的痕跡進(jìn)行數(shù)據(jù)挖掘和分析，可作為征信體系的有效補(bǔ)充[3]。因此，研究大數(shù)據(jù)征信、推動大數(shù)據(jù)征信發(fā)展，對促進(jìn)我國社會信用體系建設(shè)、推動信用經(jīng)濟(jì)快速發(fā)展有重要的意義。

2 國內(nèi)外大數(shù)據(jù)征信發(fā)展現(xiàn)狀

2.1 美國大數(shù)據(jù)征信發(fā)展現(xiàn)狀

美國是最早將大數(shù)據(jù)應(yīng)用于征信的國家，目前已經(jīng)走完瘋狂發(fā)展、監(jiān)管成熟、合并整合3個過程，已經(jīng)基本進(jìn)入了由幾家龍頭企業(yè)主宰的成熟期階段[4]。美國大數(shù)據(jù)戰(zhàn)略實(shí)施比較早，為大數(shù)據(jù)征信發(fā)展積淀了雄厚的技術(shù)基礎(chǔ)。早在2012年3月，美國就發(fā)布了《大數(shù)據(jù)研究和發(fā)展計劃》，從國家戰(zhàn)略層面部署大數(shù)據(jù)產(chǎn)業(yè)。在美國政府的大力推動下，美國大數(shù)據(jù)已經(jīng)形成了完整的產(chǎn)業(yè)布局和成熟的法律框架。其次，大數(shù)據(jù)征信能夠滿足沒有信貸記錄、無法進(jìn)行信用評分和信用分?jǐn)?shù)低的人群的金融需求，彌補(bǔ)了傳統(tǒng)信用評估的不足，有強(qiáng)烈的市場需求。因此，美國大數(shù)據(jù)征信發(fā)展迅速。美國許多互聯(lián)網(wǎng)公司在大數(shù)據(jù)征信領(lǐng)域進(jìn)行了成功的探索。ZestFinance是其中的代表性企業(yè)。

ZestFinance是美國大數(shù)據(jù)征信的代表性企業(yè)，它成立于2009年，旨在利用大數(shù)據(jù)技術(shù)為沒有信貸記錄或者信用分?jǐn)?shù)低的人群提供信貸產(chǎn)品和服務(wù)。ZestFinance的數(shù)據(jù)來源非常廣泛，既包括傳統(tǒng)的信貸記錄等具有金融屬性的結(jié)構(gòu)化數(shù)據(jù)，也包括法律記錄、交易信息、電子商務(wù)、社交信息等非傳統(tǒng)的數(shù)據(jù)和非結(jié)構(gòu)化的數(shù)據(jù)。ZestFinance運(yùn)用機(jī)器學(xué)習(xí)和集成學(xué)習(xí)模型建立信用評估模型，能在5 s內(nèi)對近1萬條原始數(shù)據(jù)、超過7萬個變量進(jìn)行分析，將跟信用沒有直接關(guān)聯(lián)的變量整合在一起，形成能夠反映征信主體信用特征的相關(guān)變量，最終獲得有用的信用信息，進(jìn)而對征信主體進(jìn)行信用評估。目前，ZestFinance開發(fā)的模型已經(jīng)達(dá)到了14個，涵蓋信貸審批、助學(xué)貸款、市場營銷的多個方面。與傳統(tǒng)信貸管理業(yè)務(wù)比較，ZestFinance 的處理效率提高了將近90%；風(fēng)險控制方面，ZestFinance 的模型相比于傳統(tǒng)信用評估模型性能提高了40%[5]。

此外，美國一些資深的傳統(tǒng)征信公司也開始發(fā)展大數(shù)據(jù)征信。益百利（Experian）公司開發(fā)出跨渠道身份識別引擎，布局投入研發(fā)社交關(guān)系數(shù)據(jù)，積極探索互聯(lián)網(wǎng)大數(shù)據(jù)與征信的關(guān)系；艾克飛（Equifax）公司通過加大研發(fā)投入及收購行為布局大數(shù)據(jù)產(chǎn)品與服務(wù)；費(fèi)埃哲（FICO）公司在傳統(tǒng)FICO信用模型中引入社交媒體、電商、移動用戶數(shù)據(jù)，提高了模型的用戶區(qū)分度[2]。

2.2 中國大數(shù)據(jù)征信發(fā)展現(xiàn)狀

中國大數(shù)據(jù)征信尚處于起步階段。我國政府高度重視社會信用體系建設(shè)和大數(shù)據(jù)發(fā)展，陸續(xù)出臺了《社會信用體系建設(shè)規(guī)劃綱要（2014—2020 年）》《促進(jìn)大數(shù)據(jù)發(fā)展行動綱要》等一系列國家政策文件，為大數(shù)據(jù)征信的發(fā)展創(chuàng)造了良好的政策環(huán)境。2013年，我國互聯(lián)網(wǎng)金融蓬勃發(fā)展，特別是P2P網(wǎng)貸平臺的快速發(fā)展，對缺失或沒有信貸記錄的人群進(jìn)行征信的迫切需要促進(jìn)了大數(shù)據(jù)征信的發(fā)展。閃銀（Wecash）等互聯(lián)網(wǎng)信用評估平臺趁勢而起。閃銀是由北京閃銀奇異科技有限公司開發(fā)的互聯(lián)網(wǎng)信用評估平臺，成立于2013年，依托數(shù)據(jù)挖掘分析和機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)快速精準(zhǔn)的信用評估。利用大數(shù)據(jù)技術(shù)，閃銀已經(jīng)能夠做到3 min完成信用評估。2015年1月5日，中國人民銀行印發(fā)《關(guān)于做好個人征信業(yè)務(wù)準(zhǔn)備工作的通知》，要求芝麻信用、騰訊征信、前海征信、鵬元征信等8家機(jī)構(gòu)做好個人征信業(yè)務(wù)的準(zhǔn)備工作。個人征信市場化由此開始，出現(xiàn)了一大批大數(shù)據(jù)征信服務(wù)機(jī)構(gòu)。芝麻信用、前海征信、考拉征信等大數(shù)據(jù)征信機(jī)構(gòu)得到快速發(fā)展。百度和京東也投資了美國ZestFinance公司，涉足大數(shù)據(jù)征信。其中以芝麻信用和前海征信比較具有代表性。

芝麻信用成立于2015年，是阿里巴巴集團(tuán)旗下子公司。芝麻信用的數(shù)據(jù)來源廣泛，包括電子商務(wù)數(shù)據(jù)、互聯(lián)網(wǎng)金融交易數(shù)據(jù)、合作機(jī)構(gòu)數(shù)據(jù)以及用戶自己提供的信用數(shù)據(jù)。其運(yùn)用大數(shù)據(jù)及云計算技術(shù)客觀呈現(xiàn)個人的信用狀況，并采用“芝麻信用分”的形式為消費(fèi)者提供個人信用評分服務(wù)。芝麻信用還開通了企業(yè)信用信息查詢窗口，搭建了芝麻信用商家服務(wù)平臺，為商戶提供信用產(chǎn)品和服務(wù)。目前芝麻信用已經(jīng)將“芝麻信用分”應(yīng)用在租車、租房、酒店住宿等生活場景；還與螞蟻微貸旗下“花唄”“借唄”、招聯(lián)金融旗下“好期貸”開展合作，提供個人貸款信用風(fēng)險評估服務(wù)。

前海征信成立于2013年，是中國平安保險集團(tuán)旗下全資子公司。依托中國平安保險集團(tuán)，前海征信可獲取大量高質(zhì)量的銀行、保險等金融數(shù)據(jù)；前海征信還通過合作機(jī)構(gòu)獲取手機(jī)通信、公安、法院、社保、學(xué)歷學(xué)籍、交通違章、房產(chǎn)、地理位置、租房、租車、婚戀、社交網(wǎng)站、消費(fèi)等數(shù)據(jù)；利用大數(shù)據(jù)技術(shù)深入挖掘金融和互聯(lián)網(wǎng)多維數(shù)據(jù)，為顧客提供信用產(chǎn)品和服務(wù)。前海征信針對個人信用評分開發(fā)了信用評分產(chǎn)品“好信度”，分?jǐn)?shù)范圍為300～850分，分?jǐn)?shù)越高信用越好。前海征信為企業(yè)客戶征信開發(fā)了“好信常貸客”，基于好信金融信息服務(wù)平臺的數(shù)據(jù)共享，覆蓋千萬級別的客戶信貸記錄，能識別多頭借貸行為。目前，前海征信主要為銀行、P2P、小貸、消費(fèi)金融等金融機(jī)構(gòu)提供大數(shù)據(jù)征信產(chǎn)品和服務(wù)。

總結(jié)國內(nèi)外的情況，大數(shù)據(jù)征信機(jī)構(gòu)主要有4個特點(diǎn)。首先，大數(shù)據(jù)征信機(jī)構(gòu)定位很明確，即滿足沒有信貸記錄或信用評分較低的人群和小微企業(yè)的金融需求。其次，大數(shù)據(jù)征信機(jī)構(gòu)掌握著核心的數(shù)據(jù)資源，而且數(shù)據(jù)來源廣泛，既包含政府公共數(shù)據(jù)、金融經(jīng)濟(jì)數(shù)據(jù)等傳統(tǒng)數(shù)據(jù)，也有互聯(lián)網(wǎng)交易數(shù)據(jù)、房租等非傳統(tǒng)數(shù)據(jù)。第三，與傳統(tǒng)征信模式相比，大數(shù)據(jù)征信需要處理海量的數(shù)據(jù)，數(shù)據(jù)來源廣泛，技術(shù)門檻很高，因此，大數(shù)據(jù)征信主要由大型互聯(lián)網(wǎng)公司、新興金融科技公司或資深傳統(tǒng)征信機(jī)構(gòu)探索發(fā)起，這些機(jī)構(gòu)技術(shù)實(shí)力雄厚，具有比較成熟的大數(shù)據(jù)征信技術(shù)解決方案。第四，相比傳統(tǒng)征信機(jī)構(gòu)，大數(shù)據(jù)征信應(yīng)用場景更加多樣化。大數(shù)據(jù)征信機(jī)構(gòu)利用大數(shù)據(jù)技術(shù)可以進(jìn)行風(fēng)險識別、身份認(rèn)證、信貸審核、反欺詐以及個性化服務(wù)等。

與美國大數(shù)據(jù)征信機(jī)構(gòu)相比，我國大數(shù)據(jù)征信機(jī)構(gòu)起步晚，技術(shù)積累相對薄弱，但是發(fā)展快，在應(yīng)用場景方面甚至超過了美國大數(shù)據(jù)征信機(jī)構(gòu)，例如芝麻信用分的應(yīng)用場景非常豐富，涵蓋金融、住宿、出行等多個生活場景。但是我國大數(shù)據(jù)征信機(jī)構(gòu)也存在一些不足。首先，我國大數(shù)據(jù)征信機(jī)構(gòu)營銷推廣方式過于突破傳統(tǒng)應(yīng)用場景，可能會喪失征信的嚴(yán)肅性。其次，我國試點(diǎn)的8家大數(shù)據(jù)征信機(jī)構(gòu)大多不是獨(dú)立的第三方機(jī)構(gòu)，數(shù)據(jù)來源于母公司，而母公司旗下的其他子公司又涉及放貸業(yè)務(wù)，“既當(dāng)裁判員又當(dāng)運(yùn)動員”，難以保證征信評估的獨(dú)立性。第三，我國大數(shù)據(jù)征信機(jī)構(gòu)數(shù)據(jù)主要是互聯(lián)網(wǎng)平臺數(shù)據(jù)以及網(wǎng)上抓取的其他數(shù)據(jù)，數(shù)據(jù)來源多且復(fù)雜，數(shù)據(jù)質(zhì)量得不到保障，且缺少金融信貸數(shù)據(jù)作為支撐，數(shù)據(jù)采集的維度不完整，難以全面反映客戶的真實(shí)信用情況，也會影響到大數(shù)據(jù)征信模型的有效性。第四，國外大數(shù)據(jù)的法律框架比較成熟，大數(shù)據(jù)征信機(jī)構(gòu)歸集和使用數(shù)據(jù)比較規(guī)范，能夠兼顧客戶的主體權(quán)益。由于我國相關(guān)法律法規(guī)不健全、監(jiān)管缺失，國內(nèi)大數(shù)據(jù)征信機(jī)構(gòu)往往忽視了客戶的主體權(quán)益。

3 我國大數(shù)據(jù)征信面臨的主要挑戰(zhàn)

大數(shù)據(jù)技術(shù)的快速發(fā)展和個人征信業(yè)務(wù)的放開，使得大數(shù)據(jù)征信服務(wù)機(jī)構(gòu)蓬勃發(fā)展，成為推動我國征信領(lǐng)域新業(yè)態(tài)生成發(fā)展的新生力量。但是，我國大數(shù)據(jù)征信的發(fā)展面臨著以下挑戰(zhàn)。

3.1 政策和監(jiān)管存在不確定性

為了規(guī)范征信體系建設(shè)，我國陸續(xù)出臺了《征信業(yè)管理條例》《征信機(jī)構(gòu)管理辦法》《征信機(jī)構(gòu)信息安全規(guī)范》《征信機(jī)構(gòu)監(jiān)管指引》《征信業(yè)務(wù)管理辦法（草稿）》等法律法規(guī)。大數(shù)據(jù)征信作為新興的征信模式，是傳統(tǒng)征信的有益補(bǔ)充，也要受這些法律法規(guī)的約束。但是，大數(shù)據(jù)征信涉及多方面的問題，征信的內(nèi)容、技術(shù)手段、數(shù)據(jù)特征和分析判斷的評估方式、評估模型、主要內(nèi)容與方向，甚至主要結(jié)論都會發(fā)生根本改變[6]，已經(jīng)超出上述征信法律法規(guī)體系約束的范圍。而且我國政府對發(fā)展和監(jiān)管大數(shù)據(jù)征信的態(tài)度也不明朗。早在2015年1月，中國人民銀行就要求芝麻信用、騰訊征信、前海征信等8家民營機(jī)構(gòu)做好個人征信業(yè)務(wù)的準(zhǔn)備工作。但是截至2016年12月，8家機(jī)構(gòu)仍未獲中國人民銀行的個人征信牌照。政府政策不明朗和監(jiān)管的缺失給個人征信特別是大數(shù)據(jù)征信的發(fā)展帶來很大的不確定性。

3.2 個人隱私保護(hù)和信息安全存在問題

互聯(lián)網(wǎng)大數(shù)據(jù)深刻影響征信業(yè)的發(fā)展和變革，社會征信機(jī)構(gòu)大量涌現(xiàn)，對征信信息數(shù)據(jù)真實(shí)性和個人信息保護(hù)提出了更高的要求，也對征信監(jiān)管提出了更高要求①http://finance. Caixin.com/ 20151027/ 100867081.html。數(shù)據(jù)是征信業(yè)務(wù)的核心。大數(shù)據(jù)征信的核心也是歸集和處理數(shù)據(jù)。從大數(shù)據(jù)征信的數(shù)據(jù)獲取途徑看，主要有自有平臺累積數(shù)據(jù)、通過交易獲取數(shù)據(jù)、通過技術(shù)手段獲取數(shù)據(jù)、用戶自己提交數(shù)據(jù)、基于綜合分析獲得數(shù)據(jù)等[2]。大數(shù)據(jù)征信在獲取數(shù)據(jù)過程中，信用數(shù)據(jù)來源復(fù)雜多樣，且存在多重交易和多方接入的情況，隱私數(shù)據(jù)保護(hù)的邊界不清晰，隱私泄露風(fēng)險被迅速放大。使用信息技術(shù)獲取信用信息隱蔽性強(qiáng)，而且大數(shù)據(jù)征信對數(shù)據(jù)的挖掘利用使得事實(shí)認(rèn)定難度很大，公民維護(hù)自己合法權(quán)益面臨取證難、訴訟難等問題。美國學(xué)者布魯斯·施耐爾認(rèn)為，風(fēng)險防范“分為道德壓力、名譽(yù)壓力、制度壓力以及防護(hù)機(jī)制”[7]。大數(shù)據(jù)環(huán)境下，個人數(shù)據(jù)應(yīng)用的隱私保護(hù)是一個復(fù)雜的社會問題，不僅涉及道德、法律、行業(yè)、技術(shù)等諸多領(lǐng)域，也涉及大量的個人、群體、企業(yè)和機(jī)構(gòu)[8]。因此，大數(shù)據(jù)征信隱私保護(hù)和信息安全問題不僅是技術(shù)問題，也是社會性問題，需要從法律、政策、技術(shù)、行業(yè)規(guī)則等方面多措并舉，實(shí)行綜合治理。

3.3 信用信息沒有實(shí)現(xiàn)共享

目前，我國大數(shù)據(jù)征信機(jī)構(gòu)大多擁有核心的信用數(shù)據(jù)資源，如螞蟻征信主要掌握阿里巴巴電子商務(wù)平臺數(shù)據(jù)和螞蟻金服互聯(lián)網(wǎng)交易數(shù)據(jù)，騰訊征信主要掌握QQ和微信社交平臺數(shù)據(jù)以及微信支付等交易數(shù)據(jù)。每家互聯(lián)網(wǎng)公司都把自己掌握的大數(shù)據(jù)作為企業(yè)的資源，它們是不會和社會分享的，比如微信里的信息騰訊就不可能和阿里巴巴共享[9]。中國人民銀行征信中心掌握著大量的金融信用信息數(shù)據(jù)，我國政府部門也積累了很多公共信用數(shù)據(jù)，但是各民營征信機(jī)構(gòu)很難獲取這些數(shù)據(jù)。存在信息孤島、數(shù)據(jù)壁壘未打通、信用信息共享沒有暢通渠道是我國當(dāng)前大數(shù)據(jù)征信乃至整個征信行業(yè)面臨的現(xiàn)實(shí)問題。

3.4 大數(shù)據(jù)征信模型的可靠性有待驗證

由于我國社會信用體系尚不完善，信用信息共享渠道不暢通，我國大數(shù)據(jù)征信機(jī)構(gòu)難以獲得中國人民銀行征信中心的金融信貸數(shù)據(jù)，主要采用社交網(wǎng)絡(luò)、電子商務(wù)等與個人信用關(guān)聯(lián)度較弱的互聯(lián)網(wǎng)數(shù)據(jù)構(gòu)建征信模型?；ヂ?lián)網(wǎng)數(shù)據(jù)來源廣、維度多，但是在數(shù)據(jù)質(zhì)量和權(quán)威性方面有所欠缺。美國ZestFinance并不是完全擺脫傳統(tǒng)征信體系，在ZestFinance進(jìn)行信用評估時，傳統(tǒng)征信數(shù)據(jù)要占到至少30%[10]。因此，缺少傳統(tǒng)征信數(shù)據(jù)支撐，僅僅依靠互聯(lián)網(wǎng)數(shù)據(jù)來構(gòu)建模型評估信用狀況，其評估結(jié)果的準(zhǔn)確性和科學(xué)性有待驗證。其次，我國大數(shù)據(jù)征信機(jī)構(gòu)掌握的核心數(shù)據(jù)資源不同，因而在構(gòu)建大數(shù)據(jù)征信模型時采用的數(shù)據(jù)維度和算法都不一樣，這導(dǎo)致同一個人在不同征信機(jī)構(gòu)得到的信用評分可能會不一樣，大數(shù)據(jù)征信模型的公信力和可比性容易遭到質(zhì)疑。最后，與傳統(tǒng)征信相比，大數(shù)據(jù)征信模型要處理多達(dá)幾千個甚至上萬個變量，而且面臨不同的應(yīng)用場景可能需要開發(fā)不同的模型，這使得模型更加復(fù)雜，降低了評估模型的可解釋性。

4 發(fā)展我國大數(shù)據(jù)征信的建議

大數(shù)據(jù)為征信發(fā)展帶來機(jī)遇，基于海量、多樣的數(shù)據(jù)，征信機(jī)構(gòu)可以獲得信用主體全方位的信息，使征信在數(shù)據(jù)來源、存儲和處理方式、提供產(chǎn)品和服務(wù)等方面面臨巨大改變[11]。為了促進(jìn)我國大數(shù)據(jù)征信健康有序發(fā)展，實(shí)現(xiàn)我國普惠金融，推動征信業(yè)市場化進(jìn)程，促進(jìn)我國社會信用體系建設(shè)，針對我國大數(shù)據(jù)征信的現(xiàn)狀及存在的主要挑戰(zhàn)，提出以下4點(diǎn)建議。

4.1 加快征信立法，建立完善大數(shù)據(jù)征信的配套制度和監(jiān)管機(jī)制

一是盡快出臺個人信用信息保護(hù)法，針對大數(shù)據(jù)征信的特點(diǎn)，在法律法規(guī)中明確規(guī)范大數(shù)據(jù)征信中個人信用信息采集范圍、使用授權(quán)、信息主體的權(quán)利和義務(wù)等，嚴(yán)格限定信用信息的采集和使用目的，防止信用信息被濫用；推進(jìn)互聯(lián)網(wǎng)實(shí)名制、數(shù)字證書等安全認(rèn)證服務(wù)，加強(qiáng)對個人信息的保護(hù)，做好隱私保護(hù)與數(shù)據(jù)開放共享之間的平衡。二是加強(qiáng)信用數(shù)據(jù)信息安全體系建設(shè)，加強(qiáng)信用信息數(shù)據(jù)庫的安全管理，防范非法入侵，泄露信用主體的信息；對大數(shù)據(jù)征信機(jī)構(gòu)開展內(nèi)部安全認(rèn)證和評價，嚴(yán)厲打擊非法獲取、買賣信用數(shù)據(jù)的行為。三是探索符合大數(shù)據(jù)征信特點(diǎn)的監(jiān)管機(jī)制，實(shí)行行業(yè)準(zhǔn)入制度，對信息保護(hù)不力的機(jī)構(gòu)進(jìn)行問責(zé)和處罰。四是建立完善大數(shù)據(jù)征信異議處理機(jī)制，保護(hù)信息主體的權(quán)益。五是完善信用行業(yè)協(xié)會組織，發(fā)揮行業(yè)協(xié)會自律作用，促進(jìn)大數(shù)據(jù)征信行業(yè)的健康發(fā)展。

4.2 以政府為主導(dǎo)，建立健全信用信息共享機(jī)制

一是政府管理部門要加強(qiáng)頂層設(shè)計，通過征詢大數(shù)據(jù)征信龍頭企業(yè)意見，制定科學(xué)合理的征信大數(shù)據(jù)行業(yè)標(biāo)準(zhǔn)。二是加強(qiáng)政府大數(shù)據(jù)治理，加快政府公共信用數(shù)據(jù)接入中國人民銀行征信系統(tǒng)的步伐，同時，將符合標(biāo)準(zhǔn)的大數(shù)據(jù)征信機(jī)構(gòu)的信用數(shù)據(jù)融入中國人民銀行征信系統(tǒng)，打破信息壁壘，形成暢通的信用信息共享渠道。三是探索建立大數(shù)據(jù)征信統(tǒng)一信用信息平臺，以“市場主導(dǎo)，政府引導(dǎo)”為原則，鼓勵大數(shù)據(jù)征信機(jī)構(gòu)間打破信息孤島，推動信用信息共享，最終建立能與中國人民銀行征信系統(tǒng)存在映射關(guān)系的大數(shù)據(jù)征信統(tǒng)一信用信息平臺。

4.3 以市場驅(qū)動為主，鼓勵大數(shù)據(jù)征信機(jī)構(gòu)技術(shù)創(chuàng)新

大數(shù)據(jù)征信對數(shù)據(jù)、資金、技術(shù)都有很高的要求。大數(shù)據(jù)征信機(jī)構(gòu)只有積極進(jìn)行技術(shù)創(chuàng)新，探索出適合中國國情的大數(shù)據(jù)征信模式和技術(shù)手段，才能更好地進(jìn)行數(shù)據(jù)采集、整理和分析，開發(fā)出更符合市場需求的產(chǎn)品，從而更好地服務(wù)市場。政府應(yīng)堅持以市場為導(dǎo)向，鼓勵大數(shù)據(jù)征信機(jī)構(gòu)采用新技術(shù)、開發(fā)新的信用產(chǎn)品和服務(wù)，創(chuàng)造良好的技術(shù)創(chuàng)新氛圍。

4.4 加強(qiáng)人才培養(yǎng)，為大數(shù)據(jù)征信發(fā)展提供智力支持

目前，我國大數(shù)據(jù)征信人才比較緊缺。大數(shù)據(jù)征信是大數(shù)據(jù)技術(shù)在征信領(lǐng)域的應(yīng)用，大數(shù)據(jù)征信需要既懂技術(shù)，又懂征信業(yè)務(wù)的復(fù)合型人才。政府應(yīng)支持我國高等院校設(shè)置大數(shù)據(jù)征信相關(guān)專業(yè)，鼓勵培養(yǎng)大數(shù)據(jù)征信相關(guān)的管理和技術(shù)人才；支持高校人才進(jìn)行大數(shù)據(jù)征信等相關(guān)課題研究，充實(shí)大數(shù)據(jù)征信相關(guān)專家人才隊伍；鼓勵企業(yè)開展大數(shù)據(jù)征信人才培訓(xùn)。

5 結(jié)束語

大數(shù)據(jù)技術(shù)的迅速發(fā)展給征信行業(yè)帶來新的發(fā)展契機(jī)。傳統(tǒng)信用評分是根據(jù)信貸記錄、公共記錄等傳統(tǒng)數(shù)據(jù)來評估個人或企業(yè)的信用狀況，而無法對缺乏或無信貸記錄的人群進(jìn)行信用評估，導(dǎo)致這部分人群的金融需求無法得到滿足。大數(shù)據(jù)征信能利用互聯(lián)網(wǎng)數(shù)據(jù)等非傳統(tǒng)金融數(shù)據(jù)對信息主體進(jìn)行信用評估，是傳統(tǒng)信用評分的有益補(bǔ)充。但是，大數(shù)據(jù)征信興起時間短，所占信用市場份額很少，其信用評估的真實(shí)效果還有待檢驗，并不能完全替代傳統(tǒng)征信系統(tǒng)。本文分析了美國和我國大數(shù)據(jù)征信的發(fā)展現(xiàn)狀以及代表性大數(shù)據(jù)征信機(jī)構(gòu)，總結(jié)了大數(shù)據(jù)征信的4個特點(diǎn)，結(jié)合美國大數(shù)據(jù)征信的情況，探討了我國大數(shù)據(jù)征信存在的不足以及面臨的主要挑戰(zhàn)。最后對發(fā)展我國大數(shù)據(jù)征信提出了有針對性的政策建議。

[1] 貴陽大數(shù)據(jù)交易所. 2016年中國大數(shù)據(jù)交易產(chǎn)業(yè)白皮書[R]. 貴陽: 貴陽大數(shù)據(jù)交易所, 2016: 18. Global Big Data Exchange. White paper on China big data exchange 2016[R]. Global Big Data Exchange, 2016: 18.

[2] 孔德超. 大數(shù)據(jù)征信初探——基于個人征信視角[J]. 現(xiàn)代管理科學(xué), 2016(4): 39-41. KONG D C. A look at big data credit reporting: based on the perspective of personal credit[J]. Modern Management Science, 2016(4): 39-41.

[3] 植鳳寅. 大數(shù)據(jù)征信與小微金融服務(wù)[J]. 中國金融, 2014(24): 90-93. ZHI F Y. Big data credit reporting and microfinance[J]. China Finance, 2014(24): 90-93.

[4] 九次方大數(shù)據(jù)研究院. 美國大數(shù)據(jù)征信的應(yīng)用及啟示[J]. 國際融資, 2016(5): 14-17. USFOUN BIGDATA. Enlightenment on the application of big data credit reporting in the USA[J]. International Financing, 2016(5): 14-17.

[5] 范鐵光, 劉巖松. 大數(shù)據(jù)應(yīng)用于信用評分模型的實(shí)踐與啟示[J]. 征信, 2015(2): 29-31. FAN T G, LIU Y S. Practice of big data used in the scoring model and enlightenment[J]. Credit Reference, 2015(2): 29-31.

[6] 吳晶妹. 2015展望:網(wǎng)絡(luò)征信發(fā)展元年[J]. 征信, 2014(12): 1-4. WU J M. Outlook 2015: the first year for online credit reference development[J]. Credit Reference, 2014(12): 1-4.

[7] 布魯斯·施奈爾. 我們的信任[M]. 徐小天, 譯.北京: 機(jī)械工業(yè)出版社, 2013: 78. SCHNEIER B. Liars and outliers[M]. Translated by XU X T. Beijing: China Machine Press, 2013: 78.

[8] 袁文秀, 余恒鑫. 關(guān)于網(wǎng)絡(luò)信息生態(tài)的若干思考[J]. 情報科學(xué), 2005, 23(1): 144-147. YUAN W X, YU H X. Thinking about information ecology in network space[J]. Information Science, 2005, 23(1): 144-147.

[9] 韓鋒. 從大數(shù)據(jù)到區(qū)塊鏈的遷移[J]. 金融博覽, 2016(3): 16-17. HAN F. From big data to block chain[J].Financial View, 2016(3): 16-17.

[10] 劉新海, 丁偉大. 大數(shù)據(jù)征信應(yīng)用與啟示——以美國互聯(lián)網(wǎng)金融公司ZestFinance為例[J].清華金融評論, 2014(10): 93-98. LIU X H, DING W D. Enlightenment on the application of big data credit reporting: a case study of ZestFinance[J]. Tsinghua Financial Review, 2014(10): 93-98.

[11] 中國人民銀行征信管理局. 現(xiàn)代征信學(xué)[M].北京: 中國金融出版社, 2015: 1. Credit Information System Bureau of the People’s Bank of China. Principles of modern credit[M]. Beijing: China Financial Publishing House, 2015: 1.

Challenge and countermeasure of big data credit reporting in China

LI Youyuan1, KOU Gang2
1. Journal of Financial Innovation, Southwestern University of Finance and Economics, Chengdu 611130, China 2. Research Center of Big Data, Southwestern University of Finance and Economics, Chengdu 611130, China

Big data credit reporting could meet the financial needs of the people who have little or no credit records, and is a useful complement to the traditional credit. The development of big data credit reporting is of great significance to the inclusive finance and the construction of social credit system in China. The current situation of big data credit reporting in the United States and China were described and the characteristics of big data credit reporting were summarized. Also, the shortcomings and challenges of big data credit reporting in China were discussed. Finally, solutions and polices were also proposed.

big data technology, credit system, credit scoring

F831.2

A

10.11959/j.issn.2096-0271.2017004

李友元（1986-），男，西南財經(jīng)大學(xué)金融創(chuàng)新期刊編輯部助理編輯，主要研究方向為多目標(biāo)決策、信用評分、互聯(lián)網(wǎng)金融。

寇綱（1975-），男，博士，西南財經(jīng)大學(xué)工商管理學(xué)院教授、博士生導(dǎo)師、執(zhí)行院長，長江學(xué)者特聘教授，主要研究方向為大數(shù)據(jù)與決策、信息管理、多目標(biāo)決策與優(yōu)化算法、信用評分等。已出版英文專著2部，共發(fā)表學(xué)術(shù)論文100余篇，其中被SCI收錄61篇，SSCI收錄23篇。入選首屆國家自然科學(xué)基金優(yōu)秀青年科學(xué)基金項目、四川省百人計劃青年項目、教育部新世紀(jì)優(yōu)秀人才支持計劃、四川省學(xué)術(shù)和技術(shù)帶頭人后備人選、四川省有突出貢獻(xiàn)的優(yōu)秀專家等人才計劃。先后獲得2013年中國管理學(xué)青年獎、第十二屆四川省青年科技獎、2016年度高等學(xué)?？茖W(xué)研究優(yōu)秀成果獎（科學(xué)技術(shù)）自然科學(xué)獎一等獎等獎項；入選Web of Science基本科學(xué)指標(biāo)（Essential Science Indicators）的全球高被引科學(xué)家（highly cited scientists）。

2016-12-13