个人征信市场开放和崛起 信用卡的数字化经营时代已来临

信用卡的数字化经营时代已来临。伴随着金融科技浪潮的风起云涌，移动互联、大数据、云计算、区块链等新一代信息技术迅猛发展，不知不觉间已渗透至信用卡经营的方方面面。

所谓数字化经营，主要体现在两个层面：一个是普遍意义上的“数字化管理”，即利用数据统计技术对企业经营目标和行为进行量化管理，实现对经营发展各环节的客观评价和决策驱动；另一个是更深层次的“数字化生产”。

它已不仅仅局限于“指标评价”或“决策依据”的简单定位，而是全面超越了“统计层面”，深入到“生产层面”，通过深度应用多维新兴技术，对信用卡经营模式的各个环节进行“数字化”全流程改造。

包括数字化产品、数字化营销、数字化获客、数字化风控、数字化运营等，这是信用卡数字化转型的实质和关键。而数字化转型中最为重要、也最为复杂的环节，就是数字化风控。

充分利用现有条件推动“传统审批授信模式”向“数字化风控模式”蜕变，将成为数字经济时代下信用卡发展的核心竞争力。个人征信市场的加快开放和迅速崛起，恰恰为此提供了无限可能。

一、时代的机遇

1.个人征信市场洪流渐次开闸

面对国家大力推行社会信用体系建设的宏观机遇，国内征信行业迎来巨大发展空间，个人征信业务市场加速开放，具备移动互联基因和大数据整合优势的第三方征信机构纷纷抢滩筹建。

围绕人民银行征信数据库以外的其他“信用数据”和“非信用数据”，进一步完善客户征信画像，成为传统征信的重要补充，推动征信行业逐步迈入互联网多元化发展阶段。

人民银行将首张个人征信牌照发给了“百行征信”，其由中国互联网金融协会和8家个人征信试点单位共同出资成立，保障了个人征信机构在股权层面的独立性和征信结果的公正性。

虽然创建伊始的“百行征信”在一些方面仍需进一步探究，但其最大的意义在于打破了过去个人征信市场的垄断局面，表明了国家加快推进个人征信市场化发展的决心，也为后来者获取个人征信牌照提供了现实借鉴，有利于营造出更加健康有序的市场环境。

因此，及时把握个人征信行业革新的红利，对于加快信用卡数字化转型具有重要意义。

2.个人征信数据广度有效拓宽

个人征信市场的加快开放、大数据信息技术的飞速发展，使得个人信用数据呈现几何式增长，为“大数据征信模式”的建立和完善提供了先决条件。

过去，人民银行征信报告是信贷审批的首要甚至是唯一依据，其数据主要来源于对传统金融机构信贷数据的强制采集，虽然报告中也包含了部分补充信息，如其他授信机构的信贷信息、部分公用事业缴费信息、部分公开司法信息等，但受限于相关行业信息化程度较低、数据结构化程度不高，这些信息整体应用价值十分有限。

而“大数据征信模式”在数据采集的广度和深度、数据处理效能等方面更具优势，几乎能触达人们日常生活的方方面面，金融行为、消费偏好、个人兴趣、社交网络、活动范围、出行方式等数据，都在采集范围之内，相比传统征信报告覆盖人群更广，是对人民银行征信报告的有益补充；

在采得“海量”数据后，应用大数据技术对其进行清洗、分类、匹配、整合并及时更新，最终实现数据的结构化、标签化、模型化，大大提高了个人信用评估的准确性和实效性，为信用卡“数字化风控”提供了有利条件。

3.人工智能模型发展趋于成熟

有了市场环境和数据基础，接下来就要看是否具备与之相匹配的数据处理和应用能力，即高效的模型工具。早期的数据应用靠的是专家经验，在数据稀缺、工具匮乏的年代里，“拍脑袋”式的规则制定是行业通行做法。

在信息技术发展初期，数据获取能力较为有限，数据规模和数据质量得不到保障，仅可通过在有限样本中建立较为简单的统计模型来进行数据处理，相关算法主要包括线性回归、逻辑回归等，由于样本的局限性，整个模型的预测效果受到了一定影响。

在大数据时代，数据的广度和深度得到了充分保障，数据专家可以凭借近乎全量样本的大数据进行模型开发，人工智能、机器学习等较为先进的模型工具陆续涌现，体现出更加精准化的预测能力。

比如神经网络模型就是通过模拟人类大脑的神经网络，形成多重变量的交互影响，并可根据结果自动调整模型参数；随机森林模型通过随机选择样本和变量生成千百个决策树模型，进而通过集合过程确定最终结果。

人工智能模型的一个主要优势就是能够随着数据量的不断积累而持续改进自身算法，进而提升准确度。这也为信用卡数字化经营能力的提升奠定了坚实基础。

二、面临的挑战

1.非信贷数据应用效能仍显不足

随着个人征信市场的逐步开放，技术革新带来了广泛的数字化潮流，除了已被各大金融机构娴熟应用的传统“信贷数据”以外，使用“非信贷数据”开展信用风险评估也受到了国内信贷机构的青睐。

虽然整个社会的基础数据信息收集和共享环境有所改进，进入人们视野的“非信贷数据”种类日趋完善，但从数据标准化程度和应用场景来看，仍不足以支撑全面的大数据征信。

一方面，是以水电气为代表的基础信息，包括社保、公积金、缴税、住房、教育、司法等在内的其他行业数据尚未实现完全联网，底层数据缺乏全面应用条件，如想使用需多点分别接入，且数据标准暂不统一，数据接入与清洗挖掘的工作量很大，应用场景和规模化应用效果有待明晰。

另一方面，各类数据掌控方之间的信息是割裂的，比如各大电商拥有海量行为数据和交易数据等，都想凭借自身独有的数据优势形成“闭环”，成为行业老大，致使信息孤岛情况在部分数据类型上依然较为严重，数据共享共建存在壁垒。

此外，作为社会基础性数据的公安身份信息、学历学籍信息等公共数据共享依然不足，仍需通过商业购买形式从行业管控者手中获取，数据使用成本普遍较高，不利于整体社会信用体系的建设。

2.信用评价实践效果仍需改进

信用评分是当前市场上较为主流的信用产品形式，人民银行征信中心、各家第三方征信机构纷纷推出了各自的个人信用评分，但评分与评分之间在数据基础、模型算法、变量选择、适用场景、实际应用效果等方面都存在较大差异，即使对同一个人的信用评估也存在不同结果，整体信用评价的可信赖性有待进一步探究和检验。

信用评价模型的精度提升必须建立在大数据有效、充分抓取以及处理的基础上，需要不断实践反馈和反复修正。

由于应用时间较短，缺乏历史数据参考，目前的大数据模型依然存在基于规则制定的情况，其中具有大量的传统征信规则，是介于大数据和传统算法的一种中间形态，未能完全体现出大数据征信的优势。

此外，大数据征信的大部分数据来源于互联网，实际上就把较少使用或者不曾使用网络服务的群体排除在外，如偏远地区的人群以及年龄较大的人群等。对于上述人群的信用评价，目前还只能依赖于实地走访尽职调查，因此基于大数据的信用评价效果和范围仍存在较大改善空间。

3.信息主体权益保护机制亟待健全

伴随着个人征信市场的加速开放，对个人信息的广泛使用已经威胁到了个人隐私和安全。一方面，市场上易存在个人信息采集不规范、处理不安全、使用无约束的问题，导致个人信息满天飞，营销电话、诈骗短信等骚扰愈演愈烈。

另一方面，目前法律对个人信息的财产属性尚未界定，互联网企业和商家利用服务客户的过程积累了大量客户数据，在客户不知情的情况下进行数据交易和转让，同样侵害了个人财产权益。

个人信息保护的逻辑应当是既有效保护个人隐私，又不过度抑制征信行业的创新，从而达到两者的均衡，促进大数据征信实际价值的实现。

大数据时代，个人数据呈现出集中化态势，同时伴随着对规模巨大的样本数据的挖掘和整合，导致对个人信息数据的防护变得困难重重，隐私保护和数据安全成为制约大数据征信发展的瓶颈，必须适时建设和完善符合大数据条件下的信息安全保护机制。

在美国，联邦政府和州政府均有权发放银行牌照，并按照“谁发放牌照谁承担主要监管责任”的原则实施机构准入监管，其优点是有利于行业充分发展，缺点是催生了“影子银行体系”，加重了后续监管负担；

在英国，监管当局对经营银行业务和接受存款的机构采取了许可审批制，并按照谨慎性原则不断对其进行评估和考察，使得获取银行牌照的机构必须持续满足《银行法》规定的授权标准，其优点是便于监管，缺点是过于严格的准入制度导致市场固化，并最终凸显出金融市场的脆弱性。

参考国际经验，建议我国在个人征信机构准入监管方面要张弛有度，既要划定清晰的征信信息边界，坚持独立性、公正性和隐私保护原则，切实维护信息主体合法权益，以达到准确识别“合格者”的目的；

又要找准不同的功能定位和业务类别，严格筛选“最优者”进入市场，最终处理好第三方征信机构与人民银行征信中心的互补关系，建立一个种类齐全、功能互补、竞争充分的个人征信市场。

3.强化征信机构之间的兼容共享

个人征信行业目前面临着这样一个窘境：政府等有公信力的机构在能力、技术和产品快速迭代方面有所欠缺，而有能力、有技术的机构却没有公信力。

从数据角度来看，个人征信数据类型激增，传统征信的数据来源以银行等金融机构为主，涉及范围较窄；大数据征信的数据来源更加广泛，涉及网购、转账、支付、理财、水电气缴费、租房租车、社交关系、客户评价等多维数据。

与此同时，传统征信以结构化数据为主；大数据征信的数据来源广泛、形式丰富，包含视频、音频、地理位置等多种非结构化数据，这些数据能够全方位、多角度地反映消费主体的信用状况，但数据来源差异化大，标准化程度低，共享和复用难度大。

从机构角度来看，不同类型的第三方个人征信机构之间合作空间有限，比如互联网金融公司、金融科技公司等，多以各自平台上沉淀的非传统信贷数据为核心竞争力，借此进行信用风险的评估和控制。

在合法合规的前提下，建议各类征信机构能够从市场共建和竞合发展的角度出发，在数据共享、数据监控、标准共建、技术互通、资源互补等方面共谋发展，协力加快我国个人征信市场有序发展。