- 企業名稱
- 21315信用編碼
- 法人代表
- 股東
財新網-滾動新聞 編輯：caitingting 閱 ： 2162
金投信用卡（https://credit.cngold.org/）09月22日訊，由于征信業是數據為核心資產的金融服務子行業，近年來大數據技術深刻地影響傳統征信模式，大數據技術不僅可以滲透到征信業務的每一個環節，而且還能拓寬征信應用場景，擴大服務人群，實現普惠金融。同時大數據征信在驅動征信業迅速發展的同時也帶來一些挑戰。正如2015年10月26日，央行負責人在西安舉行的“亞太征信暨個人數據保護國際研討會”上所言，互聯網大數深刻影響征信業的發展和變革，社會征信機構大量涌現，對征信信息數據真實性和個人信息保護提出了更高的要求，也對征信監管提出更高要求。國外知名的知心機構益博睿（Experian）、艾克飛（Equifax），環聯（TransUnion）、律商聯訊（LexisNexis）和決策分析公司費埃哲（FICO）也積極嘗試大數據應用，將大數據納入信用報告，抽取新的指標變量開發新信用評分，而且在數據采集、信息透明和維護消費者權益方面，有著規范和專業的作法。這些先進的行業實踐，可以為國內方興未艾的大數據征信提供參考。
大數據征信的應用背景
信用評分是利用數據挖掘技術，基于消費者的歷史記錄，對其放貸款的違約風險進行量化評估，費埃哲評分是最具有代表性的信用評分。
盡管費埃哲信用評分在過去幾十年內促進了美國消費信貸和房地產市場的快速發展，但也存在明顯的局限性：為了獲得費埃哲信用分，個人需要至少有一個持續六個月以上還款記錄的銀行信貸賬戶，該賬戶的信息需要報送到征信機構。美國消費者金融保護局（CFPB）最近的一項分析指出，美國存在2600萬（占美國成年人口的11%）消費者的信用報告中沒有信貸信息，因此也不能夠進行費埃哲信用評分。另外美國還有1900萬消費者（占美國成年人口的8%）的信用報告中沒有足夠的信貸歷史信息來支撐信用評分的基本應用。除了費埃哲信用評分本身的局限性，美國的經濟形勢也是產生利用大數據進行信用評分驅動力。自2008年之后，美國的中產階級深受債務的折磨，對信貸的需求增長比較低緩。根據2015年第三季度的財報，美國三大銀行，富國銀行、美國銀行和摩根大通的收入持續下滑。在越來越近的監管和超低利率的環境下，放貸者努力追求穩定的利潤。在這樣的背景下，重新調整信貸風險管理的游戲規則是使銀行提高盈利能力的不錯選擇。美國信貸市場上對于這種大數據信用評估解決方案的需求非常迫切。
許多信用信息服務機構開始探索評估信用能力的新方法。傳統數據包括信用卡、車貸、房貸、消費貸等數據，區別于傳統信貸的數據可以稱為替代數據（Alternative data）是指銀行和征信機構所收集傳統信貸償還數據之外的數據，包括電話費、公共事業賬單和地址變化記錄等內容。一些替代傳統信貸風險管理的解決方案正在不斷涌現，例如利用手機預付費信息、心理測試數據、社交媒體活動信息和電商行為數據進行信用風險評估等。這些數據的引入為風險評估注入了新的活力，為美國大型銀行開辟了新的消費者客戶群體。
益博睿：將房租數據納入信用報告和評分
2010年6月，益博睿收購了一家擁有七百萬美國人房租歷史的公司，到2011年1月，房租數據已經包含在美國的消費者信用報告中。2012年3月，益博睿在英國開始了房租信用機構的業務。通過將房租支付記錄包含在信用報告中，使得幾百萬需要租房的人借助征信系統的幫助，可以享受更低價格的租房服務。
除了將消費者的房租數據加入信用報告中，為了提高信用評分的普適性，益博睿也將房租信息加入信用評分模型中作為主要的指標（傳統信用評分模型依靠信用卡、車貸和房貸還款信息）。益博睿將房租信息納入個人征信產品和服務中，從2014年開始用得越來越廣泛。
益博睿的一份研究報告中統計表明，如果不將房租信息包含在信用評分之中，具有租房繳納記錄的消費者中會有11%因為沒有信用記錄，而不能獲得信用評分；這些正面的租房交易信息可以幫助消費者獲得信用評分；此外80%沒有信用評分的消費者在益博睿的房租數據庫中有超過12個月的租房歷史記錄。這些缺乏傳統信貸信用記錄的消費者由于信用報告中有及時的每月房租償還記錄，可以接受金融機構的授信。
另一項研究表明，將消費者兩個月的交房租信息整合到信用評分中，其信用評分會提升9%，特別是次級貸的消費者，加入了房租信息，其信用評分會增加29分。
益博睿的增加了房租信息的信用評分未來可能會形成新的信用評分框架，每一個租房的消費者都應該充分利用新的評分來享受更好的金融服務，特別是對于學生和才進入社會的年輕人這些傳統信貸信用記錄缺失的消費群體更有意義。
費埃哲、艾克飛和律商聯訊：利用電信和公共事業繳費大數據
像費埃哲這樣的信用評分機構受監管和銀行的雙重壓力，被要求找到為上百萬沒有信用分的美國人提供可靠信用評分的方法。
費埃哲已經做出了行動——和艾克飛及律商聯訊集團合作，開發名字為費埃哲替代評分（FICO XD）的新信用評分。該新信用評分關注有線電視/電話、公共事業繳費和移動電話的支付歷史來進行評分。在新評分開發過程中，費埃哲負責算法模型，艾克飛提供移動電話和有線電視/電話賬戶中的數據來獲得數據，律商聯訊集團提供了財產記錄和其他公共數據。
費埃哲替代評分和傳統信用評分一樣，使用三位數衡量，分數越高，風險越小。新的信用評分和傳統的費埃哲信用評分有相同的得分范圍，都為300-850。不同分數段對應的預期違約率也是相同的。因此不管從費埃哲分數還是費埃哲替代評分分數上看，750分都是一個很高的分數。費埃哲已經在一些銀行中測試了該新信用評分，35%-50%測試個體的費埃哲替代分數超過620，這意味著很多人將從該新信用評分中獲益。
費埃哲替代評分并沒有替代傳統的費埃哲評分。如果消費者的信用報告中有足夠的信息能夠獲得傳統費埃哲評分，則費埃哲替代評分對他就沒有必要，而且也不適用。事實上，費埃哲替代評分推出的目標就是使人們可以從費埃哲替代評分向費埃哲評分升級：可以讓傳統信用記錄不足的消費者利用費埃哲替代信用評分獲得金融信用服務，等之后消費者逐漸有了信貸記錄之后，就可以升級為傳統費埃哲信用評分的獲得者。
費埃哲替代評分的應用也比較注重消費者權益保護：正如每個消費者可以在年度信用報告（AnnualCreditReport.com）網站上獲得一個免費的，每年一次的信用報告，這些信用報告中的信息可以用來產生費埃哲評分。在利用費埃哲替代評分時， 征信機構將會把評分用到的信息（電話付費和公共事業繳費信息）存儲在一個單獨的數據庫中，并把這些信息加入信用報告。和傳統的信用信息一樣，這個專用的數據庫可能包括錯誤，消費者需要警惕，及時查詢和檢查，對相關錯誤進行修改。
費埃哲替代信用評分正在大量的信用卡提供方（主要是銀行）之間進行測試，在未來幾年將會被廣泛獲得。銀行在前期接觸的時候對此非常感興趣，在測試過程中，費埃哲替代評分給半數以上過去無法評分的信用卡申請者提供了評分，這是一個絕對飛躍。但到目前為止，費埃哲替代評分還不能廣泛獲得，但是消費者可以從艾克飛和律商聯訊得到相關的免費信用報告（進行費埃哲替代評分的信息都在其上）。
環聯：整合大數據與傳統數據
美國三大個人征信機構之一環聯也在推廣其替代評分系統，目標是給沒有傳統評分或分數較低的人提供更合理的信用分數。環聯的新信用評分體系命名為信用視野連接（CreditVision Link），結合了替代數據，號稱是第一個將征信機構的數據和替代數據源進行結合的信用評分模型，研發該模型的目的一方面是提供一種對消費者風險更精細的預測，另外一方面擴大征信覆蓋人群，將使美國95%的成年貸款人獲得信用評分。
環聯稱其新評分利用替代數據，結合了對消費者傳統支付歷史的分析，可以得到對風險更準確的評估。例如，傳統信用評分揭示的是消費者是否按時支付最低信用卡還款額度，而新信用分關注消費者每月的支付規模和支付增減的變化。除此之外，新評分考慮了消費者改變住所的頻率、支付日的數據、賬戶歷史（如賬戶是否關閉或超過限額）等因素。
信用視野連接需要充分的傳統征信數據，新增的數據可能使消費者的信用評分變差，但大多數的時候，還是會有所促進消費者的信用評分。在主要汽車貸款消費者的測試中，新評分使超過24%的貸款得以實現。和費埃哲信用評分一樣，環聯信用視野連接分數的范圍也是300-850。
如果消費者使用信用視野連接評分，替代數據將成為環聯信用報告中的一部分，并且每年提供給消費者。
信用視野連接還在進行不同的測試，如果新的評分模型性能超出傳統的風險評分模型，它的廣泛接受將激發一場信貸容量和信貸質量的重大進展，這將是一個對消費者和信貸機構來說都是雙贏的事情。環聯稱其新評分系統將在今年底被一些貸款方使用。環聯的新產品發布將意味著在信貸市場的新標準即將確立。
小結：
國外知名征信機構對大數據征信的探索目前還處于測試和推出階段，還需要進一步的商業應用來檢驗和完善，但是這種大數據征信的應用代表一種前沿趨勢，其中有兩個方面值得關注：一方面在對征信大數據的應用時，這些征信機構并不是全盤拿來，不是應用目前國內外熱炒的電商數據和社交數據等所謂的“征信大數據”，而是首先選擇和信用風險強相關的大數據，例如電信預付費、房租繳費、公共事業繳費和支付數據，納入信用報告和信用評分中，而且對這些大數據深入研究、反復測試后謹慎推出。另外一方面在使用這些大數據時，這些國外征信機構的做法也比較規范和專業，兼顧消費者的權益保護。例如這些大數據不涉及消費者的隱私敏感信息，符合《公平信用報告法》的規定；為了保證信息的透明，這些應用到的大數據都放在信用報告中（信用報告是信用評分的基礎和數據來源，這是專業征信機構的基本業務邏輯）；尊重消費者的權益，這些征信機構如果提供消費者基于大數據的信用評分，就會同時將包含這些數據的信用報告免費提供給消費者查詢、檢查糾錯，并對存在的數據問題進行處理。此外，這些國外知名的征信機構在引入征信大數據時，并未對信用評分模型算法做了很大的改變。
目前國內央行征信系統收錄的8.7億的自然人中有信貸記錄的為3.7億人，可形成個人征信報告、得出個人信用評分的有2.75億人（統計時間為2015年9月底）。截止2014年，中國的人口是13.67億，這意味著將近10億個人消費者沒有包含傳統的信貸信用記錄的信用報告，也沒有信用評分；約1億人由于傳統信貸信用記錄不足，僅有信用報告，而無信用評分。因此針對國內征信市場，利用大數據或者是替代數據對大量的傳統征信缺失的消費者進行信用評估，都更加迫切和符合實際。
