个人征信市场新蓝海开启

本篇文章2303字，读完约6分钟

在信用评估技术方面，芝麻信用、腾讯信用等新型生态聚合信用报告机构不同程度地运用大数据等创新技术，对传统信用报告模式进行了补充和完善。在产品应用场景方面，这些机构从一开始就更加关注非金融场景的开发，探索了一种兼顾传统信贷应用和创新生活场景的开发模式。

自2015年下半年以来，许多国内大型商业银行已经对芝麻信贷产品进行了测试。从实际应用结果来看，芝麻信用评分具有较高的覆盖率和违约风险识别能力，是对银行自身风险控制模型的有效补充。

3月31日，波士顿咨询集团发布了《中国个人信用信息产业报告(2015)》(以下简称《报告》)。根据该报告，中国的个人信用信息产业正处于起步阶段，预计将成为一个新的蓝海。该报告首次从数据、模型、产品和应用的角度全面介绍了中国新成立的生态集合信用报告机构。

波士顿咨询集团全球合伙人兼董事总经理、中国金融行业智库负责人何大勇表示，芝麻信贷、腾讯信贷、前海信贷、考拉信贷和花岛信贷等新的生态集合信用报告机构都在数据之中。除了对传统信贷数据的外部访问，他们还在自己的场景中使用了大量多样化的新鲜数据，包括支付、互联网电子商务、社交、电信服务、公共服务等。；在信用评估技术中，大数据等创新技术在不同程度上补充和完善了经典的信用模型；在产品应用场景方面，他们从一开始就更加关注非金融场景的开发，探索传统信贷和创新生活场景的开发。

以当前市场表现突出的芝麻信贷为例，结合报告的观点，更直观地展示了新成立的生态集合征信机构开展具体业务的方式和流程。

“芝麻信用通过使用云计算、机器学习和其他技术客观地呈现个人信用状况，并在各种金融和生活场景中向用户和商家提供信用服务，例如信用卡、消费金融、酒店、租房和租车，以便他们能够享受这种服务。信用的便利性。”报告称，作为蚂蚁金服旗下独立的第三方信用评估和管理机构，芝麻信用通过建立独立的it系统、单独存储数据、禁止组织结构中的交叉雇佣以及在业务运营中做出独立决策来确保信用报告机构的独立业务。

从数据来源来看，芝麻信用评分所依赖的数据来源包括:电子商务、互联网金融、公安部户籍、最高法劳来等政府机构数据、教育部教育、工商登记、合作伙伴和实名用户独立提交的信息等。分别从信用历史、行为偏好、绩效能力、身份特征和个人关系五个维度，对个人经济信用行为进行综合评价。

数据显示，在构建信用评分模型系统时，芝麻信用侧重于经济信用预测，并采用先进的机器学习方法对经典的信用评价模型进行改进。传统的评估模型，如记分卡和逻辑回归，严重依赖于相关原始数据的可用性，而在中国大量的人缺乏个人财务数据，如历史贷款和还款行为，这使得信用报告机构很难克服数据来源的限制，或在使用传统模型方法时以较低的成本分析大量数据的相关性。芝麻信用信息在充分研究和吸收传统信用评分模型算法优势的基础上，积极尝试前沿的随机森林、神经网络等算法，找出与信用绩效稳定相关的特征，从而更加高效、科学地发现大数据中包含的信用评估值。

据介绍，目前，芝麻信贷的数据科学家团队已经应用改进的树模型GBDT(梯度提升决策树)来深入挖掘特征之间的相关性，导出具有较强信用预测能力的组合特征，并利用逻辑回归线性算法将组合特征与原始特征一起训练，从而获得具有可解释性的精确线性预测模型。例如，一个人在某些类别中的消费行为在一定程度上反映了他的稳定性和家庭责任感，而这些行为与信用之间的相关性可能不高；如果他经常参加各种公益活动，这两个特征的结合可能会与其个人信用表现出很强的正相关关系。换言之，弱变量之间的交叉分析有助于提高模型的信用预测能力。

“从信用信息产品的应用来看，芝麻信用的技术和评估结果已经应用于各种金融和生活场景中，旨在为合作伙伴提供更多的决策分析要素，而不是取代机构本身进行最终决策，这一点目前已得到大多数合作机构的肯定。在金融情景的应用中，芝麻街的评价结果很早就被应用到网络信贷业务中。经过实践沉淀和探索，应用效果日趋成熟。”何大勇说道。

创业的实际效果也是各方关注的焦点。据报道，在过去的一年里，许多金融机构和生活应用商户都与新成立的公司进行了有益的内部测试或合作，并收到了较好的市场反馈。自2015年下半年以来，许多国内大型商业银行已经对芝麻信贷产品进行了测试。从实际应用结果来看，芝麻信用评分具有较高的覆盖率和违约风险识别能力，有效补充了银行自身的风险控制模式。一家股份制银行的信用卡中心与芝麻信贷在贷前审批、贷中监控和贷后回收等领域全程合作，帮助该机构将信用卡审批通过率提高了2-3个百分点。

波士顿咨询认为，中国个人信用信息产业的服务对象将包括金融借贷场景(包括银行借贷场景和非银行金融机构借贷场景)、一些非借贷金融场景(如保险)、一些涉及信用风险的非金融场景(如租房、租车等)。)。每家初创公司都已经提前规划好了布局。例如，在非金融领域涉及信用风险的服务领域，芝麻信用评分被引入到酒店、租房、租车等生活场景中，并在多个场景中相互验证，发现其信用评分模型具有较好的可扩展性和通用性。例如，某酒店在其入住和退房流程决策系统中引入了芝麻信用评分，对达到一定评分的客户实行免押金入住和免费退房，从而将平均入住时间从3分钟缩短到45秒，平均退房时间从2分钟缩短到18秒，在风险可控的前提下有效提升了客户体验和酒店运营效率。

“在我国个人征信业市场化发展的浪潮中，以芝麻信用为代表的新型生态聚合征信机构可以帮助社会商业环境的信用建设。”根据该报告，由于其持续的交叉验证和改进的数据质量、先进的算法技术和严格的模型验证，它创造了强大的个人信用洞察力，这可以使人与机构之间的联系更加简单和高效。