“女大学生“裸条”借贷背后：个体征信牌照未至 阿里腾讯已各占“山头””

本篇文章4071字，读完约10分钟

经过记者蒋佩芳

不久前的7月18日，百度宣布投资美国金融科技企业zestfinance，再加上去年6月，zestfinance从京东集团获得1.5亿美元的投资。 受中国两大网络巨头的欢迎和追捧，zestfinance最受粉丝关注的应该是其网络金融个体征信体系。

另一方面，阿里旗下的芝麻信用已经在这个行业开疆拓土，腾讯微信也开始利用社会交流平台积累的大量个人客户基础数据，着力于这个行业。 作为互联网金融快速发展的重要基础，成熟的大数据征信体系必将释放巨大的金融衍生场景，成为巨头之战的新战场。

日前，媒体稍稍曝光了向女大学生提供“裸条”贷款的平台问题，引起社会广泛关注。 而且，在这些事情的背后，不仅是犯罪活动，在中国这样巨大的费用信用市场上，也出现了商业征信缺失的事实。

《每日经济信息》记者采访调查显示，自2009年1月5日央行发布《关于开展个人征信业务准备工作的通知》以来，已经一年多了，前八家个人征信公司的准备时间也已经远远超出了他当时的预计。 许可证发放至今没有时间表，但无论如何，征信体系是中国未来信用成本市场的巨大支撑。 目前，全国100多个机构已事实上开始从事商业征信活动，阿里系和腾讯系在大数据逻辑下开始厮杀。

●诉求: 15万亿美元的信用将产生巨大的市场

“中国的支出余额达到15万亿美元多，保持20%左右的高速增长，这一增长率在今后几年内不会放缓。 信用风险方面，客户考核与风险控制是最核心的因素，是保证资金安全的重要因素。 在巨大且高速增长的中国支出信贷市场上，没有与之相应的客户登记体系。 目前，以前流传下来的注册体系不完善，快速发展也还不十分成熟。 这其实给各类金融融资公司带来了很大的风险，也是各类非银行融资渠道放贷高的企业最主要的原因。 》cic灼识咨询执行董事王文华在接受《每日经济信息》记者采访时表示，从该系统的供给侧看，政府主导的社会征信体系数据源单一，同时共享性有较高的门槛，无论在哪个公司平台上，该系统的 他说，该系统的供给方缺乏实时有效准确的新闻来源也是该牌照备受欢迎的原因。

而征信系统对公司和个人的覆盖率总体较低，目前央行金融信用新闻基础数据库是我国最重要的征信系统，截至年底，自然人8.57亿人，公司和其他组织1969万户被收录，覆盖率为62.6%

王文华认为，无论从市场诉求、供给水平、政策导向哪个方面来看，社会征信体系都需要快速发展，这也为越来越多的公司提供了巨大的市场空之间，这也是很多公司积极布局的原因。

作为网络金融快速发展的重要基础，已成为金融界的新热点。 在各大公司纷纷大力推进网络金融业的同时，大数据在征信方面的配置也在悄然提高。

只是，这个业务的范畴大多是互联网金融的“基础设施”建设，虽然投入期很长，但利润并不会很快体现在这个业务本身上。 但无论如何，由于商业大数据征信的兴起，可以比较有效地弥补央行征信记录的不足，成熟的征信体系释放了巨大的金融衍生场景，在网络巨头纷纷向金融业发力的过程中，征信也势在必行。

●争锋(阿里系和腾讯系分别依据“山头”

近日，芝麻信用通过公司征信业务经营备案，正式发布了包括公司信用报告、风险图、信用评价和指数、关注名单、风险监控预警五大产品的微公司信用发现内在的“灵芝”系统。 希望能更好地连接微型公司和银行，处理微型公司新闻不透明的老大难问题。

芝麻信用首席数据科学家俞吴杰表示，“灵芝”系统已经接入工商、公司法、海关、纳税、运营商、公司经营等丰富数据源，实现了中小企业征信数据的一站式访问。 特别是天猫、淘宝、支付宝( Alipay )覆盖了上千家店铺的交易、物流、海关进出口等数据，为微商的信用评估提供了有力的支撑。 通过“灵芝”系统，这些多维数据可以精细评价微型公司的信用状况，描绘微型公司信用状况的全息图像。

一直以来，腾讯征信被视为芝麻信用最大的同业竞争对手，同样是腾讯移动支付快速发展的基础保障。 根据其客户网上社会交往行为产生的海量数据，利用自主开发的判断模型，通过大数据采集和新闻挖掘，帮助数亿客户构建图像，帮助商业机构提高风险防范能力，挖掘有价值的客户。 腾讯征信的实名认证产品和人脸认证应用，都被应用于大数据征信的落地。

据悉，人脸认证技术目前已独家应用于手机qq支付、理财通、微银行、微信支付、qq安全中心、微证券等产品场景。 另一个主要产品信用得分产品借鉴国际成熟的信用评价经验，运用大数据、机器学习等技术手段，自主开发国际领先水平的信用得分模型，综合判断信用风险水平，帮助金融机构进行较为有效的风险判断。

王文华表示，芝麻信用原创征信数据主要依托于其庞大的电子商务商家和生活场景上的布局，来源于客户网上的痕迹数据，包括阿里旗下长时间的电子商务数据积累，以及蚂蚁金服旗下的支付宝( Alipay )的交易。 其次，访问的公共机构和外部合作机构的数据，包括公安、学历学籍、工商等政府部门的数据，另外，与其他企业相比，由于阿里电子商务的垄断性特征派生出的生活场景的电子结算化，芝麻信用使得水电、燃气等公共事业单位的数据更加芝麻化。 此外，还有客户主动提交的信用数据。 综合这种长时间的原始数据积累和垄断性电子商务的特点，芝麻信用从出生就具有天然的特点。

王文华还表示，腾讯征信依托微信、qq游戏等腾讯类产品的基础数据，还包括从合作金融机构收到的信用、金融新闻、外部数据。 腾讯最大的特点是微信拥有近乎垄断的社会交流关系平台和超强的顾客活跃度，完成了对生活场景的深埋。 虽然其交易数据积累不如蚂蚁期长，但除了其强大的爆发能力和超高的活跃度外，微信支付也逐渐成为人们常用的支付方式之一，腾讯的交易数据价值也进一步提高，未来的潜力也不容小觑。

●暗斗(百度和京东或“借道”入局)

除了蚂蚁金服和腾讯外，现在的在线支出金融业中，重要玩家还包括百度金融和京东金融。

最近，百度的两次海外投资引起了业界的广泛关注。 6月底投资以数字货币著称的互联网金融企业circle，配置区块链7月18日，投资美国金融科技企业zestfinance，进一步升级征信能力。 关于百度金融，业界很在意通过与zestfinance的婚姻，获得百度金融的支出金融业务和比较好的技术支持。

但是，关于具体细节，百度方面对“每日经济信息”记者表示:“不回应收购事件，信息全部由zest方面发布。” 关于目前征信体系的完善到底进行到了什么阶段，也许是因为还没有拿到个人征信的牌照，百度方面表示:“征信的复印件现在不好开始说话。”

同样受到业界关注的是京东金融，也投资了zestfinance。 记者了解到，京东金融和百度金融都在投资zestfinance，但两种观点不太一样。

京东金融方面宣布，除了投资zestfinance外，还将设立合资企业(名字不是jd-zestfinancegaia，即将上映)。 京东金融从成立之初就选择了以数据技术为核心的竞争力。 京东金融已经投资了几家行业领先的大数据企业，包括数库、数据聚合等，目的是训练和提高自身的大数据建模能力。

京东金融表示，目前京东金融本身已经是一个巨大的数据源，除了京东商城的数据和投资大数据企业和外部公开数据外，京东金融还扩充了数据源，以数据驱动为金融业务快速发展的前提。

“我相信许多公司在不同的层面上掌握着大量的数据源，但数据多和数据有用是两回事。 有用的数据必须具备大、厚、工作三个属性。 更重要的是，这些数据只是素材，可以进行各种模型的构建，然后运用到实践中，形成一系列的系统。 因此，需要能够加工数据“素材”的高水平的“厨师”团队。 》京东金融副总裁许凌指出，京东金融经过两年多的时间，已经组建了专业的数据风控团队。

●路径:基于细分市场垂直化的征信体系的构建

除了几家大公司外，市场上还有许多公司和机构，开始利用现有的数据和技术扩大大数据的征信业务。 达睿咨询的创始人、首席分解师马继华指出，未来一批专业企业将在垂直行业发挥最重要的作用，为特定领域服务。

“维信金科从成立之初就专注于c端个人信用业务，个人信用业务尚未正式开展，但具备基于个人多维度新闻(人民银行征信、社保公积金、手机账单、网络大数据等)判断个人信用状况的能力。 》维信金科创始人和ceo廖世宏对《每日经济信息》记者表示，企业建立robot lending (智能信贷)模型，自主开发的蜂鸟云风控系统)核心是数据采集、反欺诈、监听、规则、评分、评分，

廖世宏表示，从数据保护方面比较，维信多次合法合规经营，任何数据源的采用都必须得到客户认可或合格的第三方认可，这是一个大前提。 以维信与中国电信的合作为例，我们把一个包装好的黑匣子放在中国电信端口上，取得一点参数，最后有了结果，当顾客接受并授权我们的信用时，中国电信将过滤好这二三十个重要参数后交给我们。 ”

另一个值得注意的例子是企业乐汇，其集中的行业是公司征信和防止欺诈。 “另一方面，服务集团内的公司一边放贷，一边对外开展海外调任、征信数据和征信报告等征信服务。 已经上线的信用公示台覆盖了公司基本新闻、信用展示、相关图片、负面新闻和公司活力等信用评价维度，使客户能够及时了解目标公司的征信新闻。 除此之外，还要积极聚合公司的图像数据，从欺诈、还款意愿、还款能力等几个方面结合大数据交叉验证的做法来评价公司的信用状况。 ”pintec集团金融大数据研究中心首席科学家张良贵说。

在谈到开展业务过程中遇到的问题时，廖世宏表示:第一，由于数据相关性问题，大数据征信仍有一定限制，无法真正取代央行征信。 对此，维信与征信空的白色用户相比，从小额度开始建立信用，同时逐渐完善他们的信用行为数据； 第二，由于金融服务领域的特殊性(平均贷款周期通常为12个月~14个月)，更新数据模型需要比时间更长的价值成本。 维信一直在建立智能化的信用体系，通过机器学习引擎，运用一点先行指标，实现了模型实时自动化的更迭第三，非央行的个人征信管理比较无序，希望领域的法律越来越完整。