中国信用分“进化”史

从金融到互联网，从共享经济到智慧城市建设，信用分都在成为更多行业发展的基础设施。而在「后信用分」时代，这个传承已久的行业再度面临的新命题，也是新的机会。

—— 馨金融

洪偌馨/文

随着金融服务、消费行为和金融科技的升级，更多元的信息和数据得以被挖掘和应用，而这些「基础资源」的丰富也催生并支撑了更多商业上的可能。

大数据时代，对于一个人风险的判定也越来越多维。尤其，过去几年，伴随着新一轮的消费信贷、小微信贷崛起，对于信用评估的需求升级，唤醒了更大的信用评分市场，也催生了信用产品和服务的迭代升级。

根据中国金融出版社于2006年出版的《信用评分及其应用》一书中给出的定义，个人信用评分就是预测贷款申请人或者现有借款人违约可能性的一种统计方法。它利用贷款人的历史数据和统计方法及其他定量方法评估客户信用价值，是对消费者的信用评价或者信用消费力的定量化评估。

所以，信用评分与「征信」本身不同，后者是一份关于个体信贷行为记录的集合，或者说是信息的加总，提供事实而非判断。而信用分则是基于前述个体的行为与记录，评分机构通过一定的算法，给出的一个评定结果，为机构提供一种数据化和科学化的决策方式。

事实上，从信用分的发展历程来看，从它的产生、发展到不断进化，每一次改变的发生都与金融服务的升级迭代息息相关。当然，也伴随着个人信息保护、隐私保护等相关法律法规以及监管制度的健全。

回到眼下，中国高速发展的零售金融市场，过去几年，不同类型的机构都在探索新的信用评估方式，不断创新和试错。而在服务升级与合规要求的思路之下，我们也能窥探到未来的发展方向。

1

源起

对于国内而言，「信用」虽然是一个传承多年的词，但「信用分」却是一个不折不扣的舶来品。后者源于一个特定行业发展之后伴生的第三方服务，有自己的商业模式和应用场景，并且伴随着行业升级不断迭代和升级。

以美国为例，20世纪后半叶，消费信贷在美国经历了爆炸式的增长，传统征信机构从报纸等分散渠道获取各类可疑、未经求证信息用以进行信贷决策的模式越来越显得低效且精确度低。

尤其是60年代末信用卡的诞生，随着申请信用卡人数的增加，银行和其它发卡机构意识到了数据化用户信用评价方式的重要性，它要远比从其它渠道获取信息来进行主观臆测的精准率更高，而且适用于高速发展中的市场。

与之相对应的，在20世纪50年代，信用分「鼻祖」FICO在美国成立，开始初步尝试通过数据化的方式计算用户风险水平。很快，它被各大银行应用于信用卡业务，并且进一步延伸至住房、小微企业贷款等更广泛的零售信贷领域。

我们可以这样理解其间的关系，美国信用卡行业以及更广泛意义的消费金融市场的爆发，催生了信用分的出现，也为其提供了大规模商业化的土壤，而信用分的发展又反过来成为了整个行业实现跨越式发展的基础。

与美国当时的情况类似，上个世纪90年代末到本世纪初，信用分在国内的萌芽与个人信贷业务，尤其是信用卡的发展同样息息相关。

彼时，伴随着中国经济进入高速发展期，居民收入和消费迅猛增长，房贷、车贷等业务迅速推广，银行零售业务有了发展的基础；与此同时，中国银行业加速股份制改革进程、引入境外投资者，从以完成对公贷款「任务」为己任转向真正的市场化运营阶段。

多种因素的叠加，使得银行的零售业务，尤其是信用卡业务的发展进入快车道。

2003年被看作中国信用卡元年，截止到当年年底，国内信用卡发卡银行已经扩大到10家，包括 工、农、中、建四大国有商业银行和广发、招商、交通、上海、深发展、中信等股份制商业银行，发卡量由年初的100多万张增加到近400万张。

据前FICO中国区总裁陈建回忆，FICO中国筹建的几年里，他在前期很重要的一项工作便是向总部论证投资中国市场的潜力和可行性。数量越来越多的信用卡中心和每年呈指数级增长的发卡量都在证明这是一个庞大的市场，与此同时，中国金融市场的整体基础设施也在不断完善。

更重要的是，随着一批中国的银行开始通过股改上市、引入外部技术或合作伙伴开启更市场化、专业化的发展之路。包括信用分在内的一些数据化、专业化的零售银行风控产品和管理体系开始尝试性引入和引用。

到2007年，中国信用卡交易金额在社会消费品零售总额中的占比达到11.2%。央行征信中心、银联皆已进入平稳运行阶段，至此，中国的信用评分市场伴随着银行零售业务的发展，真正在中国落地开花。

2

进化

与美国不同，中国的个人征信市场没有经历商业化发展、洗牌和重整的过程，直接由官方介入，形成了大一统的征信系统。

从国外一些地区的发展来看，征信中心成立后的第一任务是要做征信报告，收集数据、整理数据、清洗数据、形成报告，并且让这个报告被行业所逐渐地熟悉和深度地采纳。而到第二阶段，需要为金融机构提供更多价值，进一步做增值服务，信用评分就是个典型的产品。

2013年央行征信也推出了数字化解读产品，通过与FICO中国合作建立起一套算法机制，将数据转化为评判结果，为机构的风险决策提供参考。以此为标志，以金融行为相关数据为基础的传统信用分模式得到了空前的发展。

同样在这一年，中国迎来个人金融服务的第二波浪潮。

不只是信用卡、银行零售业务再次迎来大跃进，互联网巨头、P2P平台、产业巨擘等类玩家参与其中，分期、信用贷款等各类产品层出不穷。换言之，在主流金融体系之外产生了大量的交易数据、行为数据，一批基于互联网各个垂直生态和领域的「信用分」开始涌入市场。

不过，无论是央行征信的数字化解读，还是市场上层出不穷的信用分产品，在新一轮消费金融市场爆发、需求升级面前，都表现出了各自的局限性。

在广度上，前述央行征信中心数据库尽管已经收录了近3亿有信贷记录的自然人，但是在互联网浪潮的冲击下，无征信、短征信、薄征信人群数量依然庞大，显然无法作为唯一的信用评分来源。而在深度和宽度方面，单一的金融评判维度也不再适用，从各种非信贷记录维度丰富对个人风险的综合评价和数据画像，开始起到很好的补充和提升作用。

而市场上的各类信用分产品虽然在一定程度上弥补了央行征信数据在广度、深度的不足，但它们的缺陷也很明显。信用分鼻祖FICO的中国团队在2015年也曾在内部论证过「大数据」信用分产品的可行性。

一方面，从电商到社交，移动互联网高速发展的中国市场上虽然不缺数据，但是数据源彼此之间都还是相对封闭的「孤岛」，传统金融机构与互联网公司之间更是相对独立的体系，因此信用分数量虽然多，但距离一个能够覆盖全民的，被普遍认可的标准分还有不小的差距。

另一方面，在尚未规范的市场环境下，个人信息安全及信用分的正确使用受到了很大的挑战。当时，央行征信局长多次发声，强调信息的误采误用问题。巨大市场需求和商业利益的推动下，各种数据被滥用、误用的情况愈发严重。

事实上，如果再次对照美国信用评分行业的发展历程，信用评分行业的成熟同样伴随着隐私保护制度的完善。上个世界70年代，在信用分逐步大规模进入市场应用阶段的同时，《公平信用报告法案》、《公平信贷机会法》等一系列关于隐私保护的法规条例也开始实行。

在之后的发展中，无论是官方主导的征信体系下的信用数字解读，还是市场化的信用分产品，都在尝试突破自身的局限性，通过业务合作、技术开放等方式以满足市场需求。说到底，打破「信息孤岛」才是那把关键的钥匙。

2018年，百行征信成立，八家曾获得个人征信牌照试点的商业机构成为了其背后的重要股东，这是大数据时代的产物，更是征信体系商业化发展的重要一步，官方的征信中心与非官方的商业机构联手把征信推进了一个新的阶段。

与此同时，随着金融监管的收紧，一系列非法利用个人信息的公司被清理，此前游走在法律边缘的「灰色生意」被逐出市场。而市场化的信用评分机构开始着酝酿通过合规的手段打破前述「信息孤岛」问题，提供一种更加普遍适用的信用分产品。

在这一阶段，睿智科技、同盾、百融等一系列第三方机构开始加大力度投入相关产品的完善。

3

生长

央行主导下的官方信用评价体系的成熟，以及市场化信用分的升级与应用，成为了如今市场上两股重要的力量，他们各有所长，又互为补充。

与之相对应的，随着新金融行业进入新的发展阶段，整个市场格局发生变化，新的市场需求产生，更大的市场机遇也在降临。尤其是去年以来银行的数字化转型、开放战略加速，银行在加大零售业务发展力度的同时，也在加大力度与外部信用评分机构展开合作。

只不过相较于以往，为银行提供服务，意味着这些信用评分机构在合规、产品有效性等方面临更高的要求：

1、身份的独立性：需要作为独立第三方的信用评估公司，就像大数据时代的FICO，可以不占有数据，但是能够最大化地利用数据。

2、数据的合规性和有效性：合规性是前提，也是与持牌机构的合作的基础；有效性涉及数据的广度（覆盖率足够高）、深度（多维、立体）、精度（经得起大量历史数据和实际业务的检验）。

3、技术能力的领先性：能够快速、准确地对数据信息进行处理，并将其输出为标准的信用分为其他合作伙伴所利用。

4、商业模式的可持续性：信用分提供者本身不是行政或者公益组织，需要能够实现盈利才能维持健康的发展。

事实上，在过去几年的探索中，已经有一些公司和产品逐渐成熟。以反欺诈为例，前述几家公司的相关产品都已经相当成熟。在我和一些银行从业者的交流中，他们也告诉我，这是一个银行相当成熟的开放合作领域。

信用评分机构能够整合多方数据源的信息，在短时间内为银行提供反馈结果，这类服务旨在为银行提供黑名单以识别「坏人」，从而避开风险陷阱。

不过对于银行而言，在零售业务大发展的过程中，相比于以黑名单避开「坏人」，如何以白名单识别「好人」是一个更加重要但也更加困难的命题，尤其是在合规、透明的前提之下。

技术的进步为前述这些条件的满足提供了条件。以数据的合规性为例，2015年FICO中国团队开始探索在大数据时代的信用评分模式时，就提出了一种不涉及数据买卖、留存等可能侵害用户隐私问题的模式。

后来，伴随着市场需求的增长和业务模式的成熟，一些独立的第三平台开始出现。以睿智科技为例，这家公司就是利用云计算和分布式的人工智能算法，通过全程「不落地、不留痕、不存储」的方式，整合了各大数据孤岛海量数据里面的风险洞察力，同时不涉及任何数据的交易、传输、收集、披露。

换个角度来看，不拥有数据也就意味着可以利用更多数据。独立的第三方身份和不留存式的数据源合作模式，使得信用评分机构可以最大程度地打破前述「数据孤岛」问题。而且基于对数据和信息的处理能力，睿智可以还可以为银行提供产业链上下游的更多服务，比如银行关注的休眠信用卡激活等等。

当然，在如今的市场环境下，从反欺诈到白名单，都只是「信用分」应用的一小部分内涵而已。如果我们放眼整个新经济的发展，从共享经济到智慧城市建设，信用分都在成为更多行业发展的基础设施。这也是在「后信用分」时代，这个传承已久的行业再度面临的新命题，也是新的机会。

事实上，作为一个数据和技术驱动的产品，一种需求越来越高频的服务，它正在获得更大规模的商业化土壤。我在2015年做大数据征信系列报道时，曾经提出过一个问题——谁将成为中国的FICO，如今这个问题虽然依然没有答案，但是却比4年前有了更大的想象空间。

在这个信息泛滥的时代，你我都该珍惜原创的价值，相信优质内容的力量。

转载请注明来源、微信号及作者