作者：蘇寧金融研究院數據風控實驗室首席研究員  倪偉淵

央行征信報告一直都是金融機構評價借款人還款能力和還款意愿的重要依據。互聯網金融的發展讓信貸服務可以惠及更多的人，但央行征信報告覆蓋率和信息完整度的局限性使得金融機構無法對更廣大人群進行準確評估。

據易觀數據顯示，截至2016年6月底，央行征信中心覆蓋人群8.8億人，其中信貸記錄人群僅為3.8億人。也就是說，中國10億多的成年人口中超過60%的人沒有信用卡或央行貸款記錄，這些人在申請貸款時，金融機構很難從央行征信中心獲取有價值的參考信息。

許多互聯網金融機構的借貸信息并不會體現在央行征信報告中，可能一個申請人已經在多個互金平臺發生逾期了，而通過央行征信報告并不能獲悉這樣的高風險因素，這限制了金融機構對客戶風險評估的準確性。

為了擴大業務規模、降低壞賬風險，金融機構希望可以獲取更全面的客戶信用信息，與央行征信報告形成重要互補，實現對客戶風險的精準評估。強烈的市場需求推動了第三方信用服務業務的迅猛發展，下文將重點解讀這些互聯網信用服務公司的“玩法”。

1.  基于互金借貸信息

個人的借貸信息最能反映申請人的違約風險，而多數互金機構各自維護自有客戶的借貸記錄和黑名單，形成“信息孤島”。為了能夠充分利用這些有價值的信息，第三方數據服務公司通過不同方式聚合多方信息，并加工成有效的標簽，幫助金融機構預防風險。這里面主要有2種“玩法”：

（1）聯防聯控

第三方數據公司和金融機構建立聯防聯控機制，第三方數據公司從合作金融機構獲取用戶的借貸記錄，并根據客戶的調用記錄累計申請人在不同平臺的借貸次數。在數據積累到一定程度后，這種方式可以非常有效地識別多頭借貸行為。

不過，第一家持牌個人征信機構百行征信的成立，可能會對這樣的商業模型產生沖擊，畢竟更權威、更全面、更穩定的數據源代表著更強的競爭力。

（2）數據回流

可能不少人沒有留意到，多數互金機構是沒有支付牌照的，這些機構在放貸和還款環節需要依賴第三方支付公司，那么這些支付公司就有天然的信息優勢。通過對客戶機構回流數據的分析和推導，可以計算出用戶的借款和還款記錄，從而進一步判斷用戶是否違約。

由此，支付公司的市場占有率決定了其借貸數據的質量。目前，業界只有兩三家支付公司可以基于回流數據提供個人信用服務。

2.  基于消費行為

除了借貸信息之外，消費行為也可以用來衡量一個人的還款能力和違約風險。一般購買能力較強的人，還款能力也較強；若一個申請人的手機號近些年都沒有被用作收貨手機號，那么有可能就是一個小號，違約概率相對較大。

當然，用戶的訂單記錄多半在各家公司自己的數據中心，絕不會向外部開放用戶的消費明細。一種玩法是數據擁有者可以根據用戶在自身生態內的消費行為對用戶進行評分，在符合監管要求的前提下對外輸出用戶評分；另一種玩法是與店鋪CRM系統的廠商進行合作，基于用戶訂單記錄提煉統計標簽。

3.  基于社交行為

物以類聚，人以群分，和黃牛、貸款中介、老賴有密切往來的人，通常會比一般人有更高的違約風險，這是社交行為數據的一個關鍵價值。比如，可以基于各類黑名單，順藤摸瓜挖掘出相關的高風險用戶，幫助金融機構規避風險。

當然能夠基于社交行為提供信用服務的公司不多，行業門檻高，容易受到用戶隱私方面的質疑。

4.  基于運營商數據

不少互金機構在信貸審批時，需要用戶授權運營商信息，通過爬蟲服務獲取用戶的通話記錄和賬單數據。這些運營商爬蟲服務公司在累計了大量數據之后，結合各種渠道的電話號碼黑名單就可以對電話號碼的風險進行預測，算法的基本思想比較簡單，即“近朱者赤，近墨者黑”。

5.  基于其他行為習慣

如果一個借款人經常瀏覽賭博、套現相關論壇、下載了很多借貸類APP，那么這個借款人的違約風險一定是非常高的。因此，用戶特定的網頁瀏覽、APP下載、網絡檢索等行為，也可以幫助金融機構預測違約風險。

手機廠商、互聯網巨頭都有足夠的數據可以提取相應的標簽，然而，大多數用戶都是非實名認證的，如何將非實名用戶和借款申請人匹配上是一個比較大的挑戰。

結語

最后，需要指出的是，上文提及的個人信用服務的幾個主要數據來源都是和個人信息強相關的。目前我國還缺少個人信息保護相關的法律頂層設計，《個人信息保護法》尚在制定中，對個人信息采集和使用的邊界和監管尺度還不夠明確。筆者曾經和一家主流手機供應商的朋友有過交流，發現該公司具有較強的法律合規意識，用戶的明細數據是一概不允許出公司數據中心的。蘇寧金融則擁有自己的支付牌照，這樣外部數據公司就無法獲得用戶使用任性貸等業務的信息，在最大程度上保護了用戶隱私。相信，隨著法律和監管的完善，個人信用服務行業也會越來越規范。

返回列表