本報告于2016年5月在北京正式發(fā)布，并廣受好評。我們希望在金融市場快速發(fā)展、金融市場波動加劇、經(jīng)濟轉(zhuǎn)型進行深入階段的今天，這份報告能夠?qū)τ谄栈萁鹑跇I(yè)務模式、產(chǎn)品形態(tài)、信用衡量、技術運用、風控制體系的探索，更需要在實踐中不斷總結(jié)、試錯并繼續(xù)前行，希望本次報告是一個重要的開始，激發(fā)業(yè)界、學界與監(jiān)管者等各方更多討論與思考，共同推動普惠金融在理論和實踐上的發(fā)展。文哈佛商業(yè)評論

技術變革助力信用價值創(chuàng)造

人人有信用，信用有價值

在現(xiàn)代社會，“信用”被賦予了多重含義，簡單來講，信用就是誠實不欺、講求信用、恪守諾言、遵守規(guī)則。從道德角度來看，信用是指參與社會和經(jīng)濟活動的當事人之間建立起來的、以誠實守信為道德基礎的履約行為；從法律角度來看，信用是履行合同內(nèi)容所確定的責任和義務；從經(jīng)濟學角度來看，信用則是指商品交換或者其他經(jīng)濟活動中授信人在充分信任受信人能夠?qū)崿F(xiàn)其承諾的基礎上，用契約關系向受信人放貸，并保障自己的本金能夠回流和增值的價值運動。由此，信用構(gòu)成了人際交往、交易實現(xiàn)、借貸關系的根本要素。

信用的價值創(chuàng)造與經(jīng)濟中的交易密切相關。信用作為交易的前提，是交易正常進行的重要紐帶，而交易則是價值增值的源泉動力。經(jīng)濟人往往深諳信用的重要性，一旦信用缺失，交易便會全面擱置，價值創(chuàng)造的路徑即被阻隔。同時，交易行為的完整進行也會產(chǎn)生信用增進，只有信用不斷積累才能不斷的擴展交易范圍及規(guī)模，個人價值或企業(yè)價值才能進一步提升。因此，信用創(chuàng)造價值早已超越了單純的道德本身，信用的根本價值在于降低交易成本、熨平交易波動、追求價值增值。

生活中的信用有多種表現(xiàn)形式，每個社會人都在直接或間接參與信用活動并由此產(chǎn)生自身信用積累，即“人人有信用”。根據(jù)受信對象的性質(zhì)不同，信用可分為組織信用和個人信用兩類。組織信用包括政府、企業(yè)等各種社會組織的信用，而個人信用則是個人行為的體現(xiàn)，也是組織信用構(gòu)成的基礎。將信用上升到數(shù)據(jù)層面，即可得到包含基本信息、交易數(shù)據(jù)、金融數(shù)據(jù)等在內(nèi)的信用數(shù)據(jù)庫。在現(xiàn)代生活中，無論是人際交往還是交易活動，信用隨之產(chǎn)生且易被大數(shù)據(jù)所捕捉，伴隨著個人和企業(yè)的存續(xù)而持續(xù)存在。而任何一條信用數(shù)據(jù)都可以作為價值創(chuàng)造的基礎。通過信用的價值創(chuàng)造以及交易的相互作用，形成價值規(guī)模的增長，即信用創(chuàng)造價值。

信用管理與信用價值維系

信用的價值創(chuàng)造離不開信用的維系與有效管理。所謂信用管理，就是授信者對信用交易進行科學管理以控制信用風險的專門技術。信用管理的主要功能包括五個方面：征信管理（信用檔案管理）、授信管理、賬戶控制管理、商賬追收管理、利用征信數(shù)據(jù)庫開拓市場或推銷信用支付工具。

在現(xiàn)代社會，個人信用信息管理主要是指國家機關在社會管理和執(zhí)法過程中，按照相關法律規(guī)定，將個人居住地點、學習工作經(jīng)歷、財產(chǎn)收入狀況、履約情況等涉及個人信用的基本信息，動態(tài)、全面、系統(tǒng)地記錄、采集和整理，形成國家統(tǒng)一的個人信用信息數(shù)據(jù)庫。國家機關有權在行使職責的過程中按照規(guī)定的權限和程序利用，個人也可根據(jù)需要自行或授權特定單位和客戶查詢利用屬于自身范疇的信用信息。企業(yè)作為獨立的法人實體，同樣是信用管理的重要參與主體，企業(yè)需按照法律規(guī)定，提供辦公地點、經(jīng)營情況、財務狀況等相關的基本信息，并全面計量、記錄和整理與企業(yè)相關的資金流向及稅收繳納等信息，形成統(tǒng)一的企業(yè)信用數(shù)據(jù)庫，并在國家規(guī)定的權責范圍內(nèi)按照規(guī)定及權限合理利用信用信息。

信用信息以數(shù)據(jù)的形式得以存儲，隨著信用活動的發(fā)生和發(fā)展，不斷積累完善，形成了信用價值的直觀反映和判斷依據(jù)。個人和企業(yè)信用信息被廣泛的應用于信貸審核的條件中，作為信貸額度和信貸審批的重要環(huán)節(jié)。對于金融企業(yè)來講，良好的信用管理能夠降低壞賬形成的可能性，提升后續(xù)信貸的可持續(xù)性。

技術革新應對中國信用困境

中國信用困境

1，社會成員的信用信息并不完善，且缺少整合。我國目前尚未建立完全覆蓋全社會的征信系統(tǒng)。中國人民銀行提供的數(shù)據(jù)顯示，截至2014年年末，企業(yè)征信系統(tǒng)累計收錄企業(yè)和其他組織1969萬戶，個人征信系統(tǒng)累計收錄自然人數(shù)8.57億，約占13.54億人口中的63.3%，仍遠低于美國征信體系對人口的85%的覆蓋程度。中國人民銀行征信系統(tǒng)中，對于自然人和法人的信用記錄主要涉及其與銀行體系的交易活動，即信息覆蓋面主要集中在信貸系統(tǒng)，而對于個人其他經(jīng)濟活動和社會活動尚缺乏信用報告。

銀行有金融借貸數(shù)據(jù)，工商部門有公司登記、信用、罰款等等這些記錄，交通部門有違章記錄，電信部門有手機費的記錄，公安、檢察、法院等部門有立案、訴訟、審理、執(zhí)行等記錄。但是，這些信息沒有交互，沒有共享，沒有匯總，只是一個又一個的數(shù)據(jù)孤島，所以導致這些數(shù)據(jù)的價值沒有發(fā)揮整合效應。

2，信用服務的市場不成熟，征信機構(gòu)受制于信息數(shù)據(jù)獲取的不全面，并不能提供滿足征信市場需求的產(chǎn)品及服務。官方數(shù)據(jù)顯示，中國現(xiàn)有各類征信機構(gòu)、評級機構(gòu)150多家，年收入僅20多億元人民幣。且中國人民銀行征信中心網(wǎng)站上顯示，征信機構(gòu)從信用信息產(chǎn)生的源頭采集信息，具體來說，征信信息主要來自以下兩類機構(gòu)：提供信貸業(yè)務的機構(gòu)。主要是商業(yè)銀行、農(nóng)村信用社、小額貸款公司等專業(yè)化的提供信貸業(yè)務的機構(gòu)。其他機構(gòu)，包括個人住房公積金中心、個人養(yǎng)老保險金等機構(gòu)。目前，已有數(shù)家新興互聯(lián)網(wǎng)金融公司被納入到中國人民銀行征信系統(tǒng)中，但相比于互聯(lián)網(wǎng)金融企業(yè)數(shù)量，互聯(lián)網(wǎng)金融企業(yè)的征信難題仍然沒有解決?？傮w上看，中國征信機構(gòu)規(guī)模小，服務和產(chǎn)品種類少，信息獲取難度大，難以滿足社會經(jīng)濟發(fā)展對征信產(chǎn)品和服務的需求。
可見，當前信用數(shù)據(jù)既不足量，也不全面。由于缺少充分全面的信用數(shù)據(jù)支持，我國P2P發(fā)展過程中伴隨著大量的跑路現(xiàn)象，信息不對稱給投資者帶來了巨大損失，也掣肘了普惠金融的健康發(fā)展。目前，互聯(lián)網(wǎng)金融企業(yè)所提供的大部分普惠金融服務對貸款風險控制機制有特殊要求且對貸款審批速度要求較高。信用數(shù)據(jù)的缺乏很難滿足無抵押、無擔保的普惠金融特征，審批風險和信用風險由此加劇。信用缺失了基礎數(shù)據(jù)，這是中國信用困境產(chǎn)生的根本原因。

大數(shù)據(jù)直面信用難題

大數(shù)據(jù)作為新興的技術手段，逐漸成為征信發(fā)展的基石。一方面，大數(shù)據(jù)先進的處理技術，從用戶的行為習慣和喜好等多維度、立體化綜合數(shù)據(jù)背后，找出其信用相關信息及其與信用的相關關系，最終得出信用評估值，以此來衡量社會單個群體信用狀況。另一方面，大數(shù)據(jù)對用戶及市場的分析，是征信產(chǎn)品設計、服務創(chuàng)新的有利工具。由此可見，大數(shù)據(jù)已成為征信發(fā)展的基石。

在國內(nèi)，這是對傳統(tǒng)征信方式的突破和有益補充。傳統(tǒng)的征信方式，均是通過社會調(diào)研等現(xiàn)場實施方式鋪開，顯然，這種方式需要耗費巨大的人力、物力，且很難避免人為主觀因素的干擾。所以，從收益與成本權衡，銀行往往只會針對優(yōu)質(zhì)大客戶展開征信調(diào)查。因無法搜集廣大民眾與中小微企業(yè)征信信息，而無法提供類似大客戶的金融服務。大數(shù)據(jù)的出現(xiàn)，以其巨量綜合信息，先進的數(shù)據(jù)處理技術及全新的數(shù)據(jù)分析思維方式，突破了傳統(tǒng)征信方式的局限，使得全社會征信體系的建立得以開展，極大地擴展了現(xiàn)有征信系統(tǒng)。

技術革新推動信用變革發(fā)展

大數(shù)據(jù)技術擴展信用數(shù)據(jù)邊界

從數(shù)據(jù)內(nèi)容組成來說，傳統(tǒng)的信用數(shù)據(jù)（銀行信貸數(shù)據(jù)）比重降至40%，甚至更低，非傳統(tǒng)的信用數(shù)據(jù)，包括互聯(lián)網(wǎng)上的行為數(shù)據(jù)和關系數(shù)據(jù)等成為主要來源。從數(shù)據(jù)覆蓋對象來說，大數(shù)據(jù)可以覆蓋沒有被傳統(tǒng)征信體系覆蓋的人群，即沒有征信記錄的人群。從數(shù)據(jù)時效性來說，大數(shù)據(jù)提供的是用戶現(xiàn)在的信息，而非局限于歷史信息。

案例分享

基于非傳統(tǒng)信用數(shù)據(jù)的小貸服務——QQ現(xiàn)金貸

大數(shù)據(jù)技術優(yōu)化信用計算

基于大數(shù)據(jù)的信用融資不依賴傳統(tǒng)的財報信用評價思維，而是通過企業(yè)本身的“大數(shù)據(jù)”，即生產(chǎn)、流通、銷售中產(chǎn)生的所有信息進行分析，從而創(chuàng)建出一個大批量、高效能、全風控、低成本的信用評價模式，通過計算機而非分析人員核算出企業(yè)的信用額度。

案例分享基于大數(shù)據(jù)的信用評估機構(gòu)——美國ZestFinance

美國ZestFinance公司利用從第三方購買（包括銀行信用卡數(shù)據(jù)、法律記錄、搬家次數(shù)等非傳統(tǒng)數(shù)據(jù)）、網(wǎng)絡獲取和直接詢問用戶等多個維度獲得的大數(shù)據(jù)，而非完全依賴傳統(tǒng)信用體系，對個人消費者從不同的角度進行描述和進一步深入量化信用評估。同時，基于大數(shù)據(jù)技術，ZestFinance開發(fā)的信用評估體系是對傳統(tǒng)征信體系的完善和更新。它拋棄了只用很少變量的FICO信用評分模型，不僅采用機器學習的模型，而且使用更多變量，既可提高信用評估的決策效率，又能明顯降低風險違約率。

ZestFinance通過融合多源信息，采用先進機器學習的預測模型和集成學習的策略，進行大數(shù)據(jù)挖掘和信用評估，提升了信用計算的效率和質(zhì)量。具體優(yōu)化過程如下：

第一步，數(shù)千種來源于第三方（如電話賬單和租賃歷史等）和借貸者的原始數(shù)據(jù)將被輸入系統(tǒng)；

第二步，尋找數(shù)據(jù)間的關聯(lián)性并對數(shù)據(jù)進行轉(zhuǎn)換；

第三步，在關聯(lián)性的基礎上將變量重新整合成較大的測量指標，每一種變量反映借款人的某一方面特點，如詐騙概率、長期和短期內(nèi)的信用風險和償還能力等。然后將這些較大的變量輸入到不同的數(shù)據(jù)分析模型中；

第四步，將每一個模型輸出的結(jié)論按照模型投票的原則，形成最終的信用分數(shù)。

ZestFinance開發(fā)了10個基于機器學習的分析模型，對每位信貸申請人的超過1萬條數(shù)據(jù)信息進行分析，并得出超過7萬個可對其行為做出測量的指標，這一切在5秒鐘內(nèi)就能全部完成。這10個模型以如下的方式進行投票：讓你最聰明的10個朋友坐在一張桌子旁，然后詢問他們對某一件事情的意見。這種機制的決策性能遠遠好于業(yè)界平均水平。大數(shù)據(jù)的運用和新型計算機分析模型的開發(fā)，從企業(yè)的全流程中挖掘信用數(shù)據(jù)，通過計算機智能分析快速得到更為精準的信用額度，大大簡化了信用評估的傳統(tǒng)流程。

大數(shù)據(jù)技術使信用管理更加客觀

計算機可以輕易對數(shù)據(jù)進行處理，在可以獲得海量數(shù)據(jù)的情況下，隨機樣本分析的預測優(yōu)勢已無法凸顯。大數(shù)據(jù)時代的來臨，更多的是選擇全面而完整的數(shù)據(jù)，將數(shù)據(jù)的樣本擴大到數(shù)據(jù)總體。全數(shù)據(jù)模式為我們提供了多重視角，能夠更加準確地考察細節(jié)并分析微觀層面的情況，保證信用管理的客觀性實現(xiàn)。從第三方征信角度來看，第三方征信機構(gòu)所提供的數(shù)據(jù)，也應在保證信息客觀真實的前提下被第三方所用。第三方征信機構(gòu)的強項及核心之一就是數(shù)據(jù)挖掘技術，可以不通過企業(yè)，直接從第三方的電子化交易平臺里挖掘數(shù)據(jù)，從而確保了數(shù)據(jù)的真實、有效。

案例分享三條軸線客觀分類數(shù)據(jù)——金電聯(lián)行“全數(shù)據(jù)模式”

全數(shù)據(jù)模式在實踐中的應用，金電聯(lián)行的數(shù)據(jù)分類頗具代表性。金電聯(lián)行（北京）信息技術有限公司（簡稱“金電聯(lián)行”）成立于2007年，是基于大數(shù)據(jù)理論與云計算技術所創(chuàng)建的客觀信用評價體系，為金融與社會管理提供創(chuàng)新性信用服務的專業(yè)機構(gòu)。

金電聯(lián)行將企業(yè)數(shù)據(jù)類型劃分為三條軸線。

一是橫軸，根據(jù)接觸到的大量供應鏈數(shù)據(jù)，計算企業(yè)信用分值，和往年訂單、回款、庫存等的趨勢分析以及所有的原始數(shù)據(jù)，形成了企業(yè)財富創(chuàng)造過程中的一系列數(shù)據(jù)；

二是縱軸，這是企業(yè)財富創(chuàng)造過程產(chǎn)生的一系列結(jié)果，包括現(xiàn)金流、稅務、盈利、固定資產(chǎn)變化、財務創(chuàng)造等數(shù)據(jù)；

三是歷史軸線，企業(yè)數(shù)據(jù)類型不但應該包括企業(yè)的現(xiàn)時數(shù)據(jù)，也要搜集其3-5年，甚至更長時間的數(shù)據(jù)。

與傳統(tǒng)銀行普遍采用純財務報表分析有很大區(qū)別，金電聯(lián)行力求得到中小微企業(yè)最精細的數(shù)據(jù)，比如廠商供應鏈上的每一筆訂單、每一筆物流、每一次倉儲、每一筆匯款、每一張增值稅發(fā)票等等，這些數(shù)據(jù)規(guī)模能達到財務報表數(shù)據(jù)的1000倍，甚至上萬倍。

通過這三大軸線產(chǎn)生的非常精細的數(shù)據(jù)源，就把企業(yè)的信用狀況完整地呈現(xiàn)出來。最終呈現(xiàn)的結(jié)果能有效地化解中小微企業(yè)會計信息失真，沒有信用積累和抵押、擔保資源，難以進行信用評價的問題。不僅可以開展成批量的企業(yè)信用評價，而且還大大降低了企業(yè)融資的門檻，使其獲得真正的信用貸款。

此外，金電聯(lián)行主要的科研方向是“數(shù)據(jù)清洗”，即自身關聯(lián)性、歷史關聯(lián)性和大數(shù)據(jù)庫之間的關聯(lián)性。大數(shù)據(jù)技術極大地提高了數(shù)據(jù)清洗能力，多維度驗證了數(shù)據(jù)的客觀、真實性。

大數(shù)據(jù)技術使信用管理經(jīng)濟高效

用大數(shù)據(jù)的方式解決傳統(tǒng)信貸信用問題，能從根本上解決對人力的依賴，使得信用管理更加高效而經(jīng)濟。

從數(shù)據(jù)采集角度來看，大數(shù)據(jù)節(jié)約了人工成本。大數(shù)據(jù)信用采用云計算技術，數(shù)據(jù)無需人工收集，而是用海量抓取所代替，既解決了人工壓力，又拓展了參考數(shù)據(jù)的來源。

從數(shù)據(jù)處理過程來看，一方面，大數(shù)據(jù)避免主觀判斷，確保信息真實性，并且快速、高效。另一方面，也有效緩解了對人工數(shù)量的要求。從數(shù)據(jù)錄入開始到評價結(jié)果輸出的整個過程全部由計算機算法完成，避免了主觀判斷的影響；在數(shù)據(jù)審核上采用多重數(shù)據(jù)交叉檢驗來綜合評定，能有效檢驗數(shù)據(jù)真實性；即使同時處理多個受評對象，仍然能夠保證快速、準確的高效性，避免人工繁雜的勞動量可能帶來的失誤。綜合評定用戶信用等級，給每個行業(yè)、每個職業(yè)等賦予獨立信用標簽，解決審核人員經(jīng)驗主義審核方式可能帶來的誤差。

從數(shù)據(jù)處理結(jié)果來看，大數(shù)據(jù)保證了信用的實時性。大數(shù)據(jù)信用能夠滿足評價結(jié)果與信用信息的同步。當受評對象的信用信息發(fā)生變化時，能夠?qū)ζ湫庞眠M行快速及時的計算，保證了信用的實時性。

案例分享

大數(shù)據(jù)貫穿信用管理全過程——宜信商通貸

宜信商通貸是一個專為中小電商解決融資難題的網(wǎng)絡融資服務平臺。宜信基于大數(shù)據(jù)金融云計算，創(chuàng)新性地實現(xiàn)貸款用戶實時授信，在幾十秒內(nèi)即可完成用戶借款額度的預估，從而幫助淘寶、天貓、亞馬遜等電商平臺的賣家解決融資難題。

1.大數(shù)據(jù)擴展信用數(shù)據(jù)來源：以多維度數(shù)據(jù)為來源

宜信金融云的數(shù)據(jù)來源，不僅包含宜信歷經(jīng)9年積累的百萬名客戶真實數(shù)據(jù)以及傳統(tǒng)的征信數(shù)據(jù)，也包括從互聯(lián)網(wǎng)抓取到的公開數(shù)據(jù)，以及第三方合作伙伴的大量數(shù)據(jù)。商通貸除了在eBay、亞馬遜等平臺經(jīng)用戶授權獲取的交易流水數(shù)據(jù)外，還通過物流、ERP等其他渠道獲取第三方數(shù)據(jù)。系統(tǒng)運行中，通過對海量數(shù)據(jù)的交叉驗證，幫助商通貸更加全面、動態(tài)地了解客戶，提供較為準確的授信額度，提高了信審和催收的效率，并在風控和反欺詐方面提供有效保障。

2.大數(shù)據(jù)優(yōu)化信用計算：以機器學習為核心

采集數(shù)據(jù)的目的是通過數(shù)據(jù)分析和挖掘技術，輸出每個人的信用評估結(jié)果。商通貸除對結(jié)構(gòu)化數(shù)據(jù)進行分析，還通過抓取大量非結(jié)構(gòu)化數(shù)據(jù)，其中包括征信主體在社交網(wǎng)絡中的好評量級、用戶音視頻數(shù)據(jù)等，利用機器學習進行智能化分析，引導系統(tǒng)做出一系列授信判斷和決策作為重要的授信及額度配置依據(jù)。

3.大數(shù)據(jù)使信用管理更加客觀：以知識圖譜為依據(jù)

商通貸通過金融知識圖譜中復雜的點線分析，對個人的性格特征、信用狀況和財富屬性等都做出更深層、更全面的了解，以此判斷其真實的信用等級和信用使用情況，為合理授信提供寶貴的數(shù)據(jù)依據(jù)。

4.大數(shù)據(jù)使信用管理更趨高效：全線上操作，方便快捷

商通貸用戶僅在30秒內(nèi)就可以獲得個人預估借款額度，無需客戶線下提交任何資料，從申請借款、信用評估，到放款及還款的整個流程全部在線上完成。在授信過程中，商通貸倚靠金融云平臺中的海量大數(shù)據(jù)，對客戶信用進行有效分析，從而避免潛在的欺詐風險，并實時評估其合理的信用額度。