摘要：如何科学地定义信用信息并为其划定边界，是社会信用体系理论的基础问题之一，长期存在争议。在实践中，狭义信用信息是全球通用的信用信息概念，在含义上几乎能与征信数据等同，还是能够商业化的信息。广义信用信息则是将诚信、公德、合规等涵义赋予之，扩大了其中信用概念的内涵和外延，试图使其能够适用于社会信用体系、诚信教育和政府信用监管等方面。界定信用信息的方法有多种，在比较列举法和排除法的利弊之后，凸显出拆分法的可行性。

关键词：信用信息、征信数据、狭义信用信息、广义信用信息、公共信用信息

社会信用体系是由被称作“信用信息”的数据驱动的，新生成的社会规则落地依靠信用信息基础设施的支撑。另一方面，信用信息更是征信业的基本生产资料，能否合法获取之，能决定行业的生死。信用信息的重要性不言而喻，然而涉信用信息及其应用的理论及其引发的社会争议却始终存在。因此，实践需要在理论上给予信用信息以逻辑清晰的定义，确定对其界定的原则和方法，包括在法律和技术框架下为其划定边界，以利规范应用之。

一、 狭义的信用信息

在传统征信业的语境下，“信用信息”被定义为征信机构的信息类生产原料，是未经处理的原始“征信数据”。究其源头，它应是我国企业征信业者为业务操作便利而“土造”出来的词汇。虽其英文直译为Credit Information，因Credit不能人格化，不甚符合英语构词的逻辑规则，只能被英语国家接受为“外来语”。

即使在征信业内，不同行业分支对“信用信息”一词的看法和用法也大相径庭。鉴于个人征信的业务和技术特点，业者认为“征信数据”与“信用信息”二词的语义相同，没必要使用“信用信息”这个词汇。国际征信业者更是持有此观点，例如在二十年前，国际企业征信巨头邓白氏公司坚持用Business Information Report命名其企业征信报告，而不使用Credit一词冠之。国际个人征信业者亦然。

对企业征信业而言，现今“信用信息”已成为常用技术术语。在描述信息质量和应用场景时，业者依据不同等级信息之间的逻辑关系，设计出征信数据库和产品生产流程（图1）。也就是说，经数据处理后，信用信息升级成为征信数据，才允许用于编制企业征信报告。

图1  若干征信技术术语对应的业务操作及其逻辑关系示意

之所以举征信业对信用信息的定义为例，因其在“信用服务业”的各分支行业中，是采集和应用信用信息种类（维度）最多的分支。以该行业定义的信用信息集合为基准，基本能够覆盖其它各分支的信息需求。

1999年以来，随着社会信用体系及其信息基础设施的建设和运行，从中央到地方，“信用信息”被随意定义和解释定义，产生了极大混淆。很显然，由征信业定义的信用信息不能满足社会信用体系建设需要，而体系建设者又没能创造出一套新术语替代之，于是便在旧术语的定义上做起文章，其结果就是将“信用信息”的内涵和外延不断扩大，对其做出有特色的诠释和改造，却没能平息争议。

为了区别前后（或新旧）两个有着不同含义的同名术语，姑且为信用信息分别冠之以“狭义”和“广义”的定语，使其具有“狭义信用信息”和“广义信用信息”名分，以方便研讨之。

“狭义信用信息”是指由传统征信业定义的信用信息集合。鉴于其性质，还可称之为“传统信用信息”或“通用型信用信息”。所谓“传统”，是因其符合传统征信业的百余年用词习惯。而“通用型”是指这样定义能通用于全世界。

对于传统征信业，信用信息中的“信用”是依据经济学和信用管理理论定义的，并引自于一些国家的信用或金融法律。鉴于此，“信用”具有两个基本特征：（1）信用必须能用货币单位直接度量；（2）作为信用载体的信用工具，其使用成本由契约形式确定。也就是说，如此定义的“信用”，本质上是市场经济条件下的“交易信用”。

凡不符合这个定义的任何“承诺形式”或“行为举止”均不可划入信用范畴，可被划入“诚信道德”、“公共道德”或“合法合规”范畴。例如：某人没能遵守房屋租赁合同的约定而及时且足额付租金，其人就有了“失信”记录。另一人未遵守口头承诺去参加一项志愿者行动，其人就“失约”了，或可俗称其行为“不诚信”。因为后者的行为或对志愿者组织造成损失或伤害，却不能用人民币币值“直接”度量，不符合信用定义，不属于失信问题。

传统征信业者之所以要刻意区分“信用”与“诚信”，不是因为二者分别处于“市场经济”和“社会交往”两个不同领域，而是解决“信用/失信”和“诚信/失约”问题的技术方法大不相同，适用的法律也不同。更重要的是，狭义信用信息能被商业化，可以合法买卖和传播。征信机构采集、处理和传播信息产品是以赢利为目标的，能够形成商业模式。但是，涉及诚信和公德的信息只有社会价值而无商业价值，只有将其用于公益或薄利卖给政府两个选择。

要弄清怎样界定狭义信用信息，就得了解征信产品和服务。为防范和控制市场交易过程中的潜在信用风险，行之有效的方法是使交易双方信息对称，特别是让授信方透彻了解受信方的情况，对受信方的信用风险/信用价值做出正确判断，继而做出是否与之交易和使用何种交易方式的商业决策。征信机构是信息中介，它在交易双方之间传递信息，替以授信方为主的委托人调查和分析受信方的信用状况。传统征信机构采用征信报告、咨询服务、数据库查询等服务方式销售信用信息，并产生营收和利润。

传统征信业的服务对象和营销作业目标十分清晰，因此能够制定出界定信用信息的标准，即信用信息集合的成份是（1）用于支撑征信报告生产的信息（表1）；（2）编制量化指标所需信息；（3）少量反欺诈信息。如此定义信用信息是有前提条件的，即从信息源到报告产品生成的全过程须合法合规，不仅包括信用信息内容和范围，生产过程也须合法合规。为此大型征信机构不惜专门设置“信息检察官”岗位来落实合规性。

使用这个界定标准还有一个技术性限制条件，即征信机构对预测授信额度的精确度要求。预测精度是一个相对值，是与市场竞争对手的产品比较而言的，还考虑了信用信息的性能价格比，毕竟征信机构要尽量降低生产成本。因此，满足企业征信业务的信用信息项基本被限制在10个栏目以内，包括目标企业组织背景、经营能力、财务状况、国内外市场营销分析和未来展望等。

对个人征信机构而言，首先得服从机构作业所在国的个人信息和隐私权保护类法律。例如《欧盟数据保护指令（1995）》第二条（a）定义：“‘个人数据’是指任何用于识别或足以识别自然人（数据当事人）的数据；足以识别是指能予以直接或间接识别，特别是以参考识别号码或其身体、生理、精神、经济状况、文化、社会归属之中的一项或多项要素。”对个人数据的采集和应用限制，法律有详细规定。

传统个人征信业认定的信用信息项大约有三、四百项，而且将信息的起止点拆分单独列项。在实践中，个人信用评分采用逻辑回归方法建模，通常仅选一、二十个自变量建模就能达到预测精度。

在维度上，以美国三大个人征信局的作业为例，所使用的几类征信数据为：公共信息（法院判决、选民名单）查询检索（征信系统中个人名下的历史查询记录）、共享信息（不同信贷机构的整合数据）、聚合数据（按照邮编整合的数据）、欺诈预警（无效的地址或身份证号码）、附加价值（征信机构的通用信用评分）；补充信息包括：地理指标：地理统计、生活方式、机动车登记、房屋所有权。

狭义信用信息（或征信数据）因性质可分为多种类别，主要分类情况如表2所示

当然，信用信息的种类不限于表2所列的类别，还包括诸如：身份识别信息（基础信息）VS常规信用信息（描述主体信用状况）；内部信息VS外部信息（企业征信）；滞后数据（backward-looking）VS前瞻数据（forward-looking）；结构性数据VS非结构性数据；数字信息VS文字信息VS图像信息；起点数据VS终点数据；一级信息VS二级信息VS三级信息（企业征信）等。

编制企业征信报告需要的信息要复杂些，信息采集和使用范围更为宽泛，包括遵循“现地现认”原则而采集的现场核实信息，但其量化指标制作的技术难度却不高。例如编制企业征信报告所使用的“三观”信息如表3所示：

“公共征信系统”也称“贷款登记系统”，属于传统征信业。世界上首个贷款登记系统出现于1934年的德国。据世界银行于2020年的统计，全球已有80多个国家建立了公共征信系统。中国人民银行征信中心建设和运行的“全国金融信用信息基础数据库”就是我国的公共征信系统。

公共征信系统的运营采用会员制方式，即由一国的商业银行（或包括部分非银金融机构）基于“互惠原则”形成会员制。会员都将自家的客户信息上报给系统，通过系统实现会员间的信息共享。通常，公共征信系统具备3个基本特征：（1）仅向其会员提供征信服务；（2）非盈利性质；（3）由中央银行负责建设和运行。但是，就其常规编制的个人信用报告而言，所使用的信用信息项在数量和范围上并未出超。

对于征信机构的生存和发展，“核心信用信息（关键数据）”问题至关重要。制作企业征信报告的关键数据是征信对象的“企业财务报表”。在世界上绝大多数国家，企业财务报表不被法律认定为“商业秘密”，征信机构可以合法取得。因此，企业征信机构可以几无禁忌地发展成为国际征信机构。相对而言，制作个人信用报告的关键数据是金融信贷记录，这类信息不仅被法律定义为金融机构的“商业秘密”，而且其中的消费信贷记录还被定义为“个人隐私”。因此，个人征信机构多被限制在一国境内发展。

值得一提的是企业的客户信用档案问题。企业信用管理部门制作客户的信用档案，使用“信用信息”种类最多，还包括纸质资料和物理性的证据。但是，企业不允许客户信用档案外泄，绝无将客户信用档案商业化的可能性。因此，企业是信用信息的最终用户，其采集信用信息行为不能被称为“征信”。

企业通过参考征信报告判断出客户的信用风险，会采用拒绝赊销/授信和提高定/租金门槛的方式，惩戒有失信记录或信用风险大的交易对方。企业如此实施失信惩戒属于“市场联防机制”范畴，减损了交易对方的信用便利，提高了交易对方的“失信成本”，但惩戒方式却是合法的。

另外，对个人征信业而言，数据和个人信息在法律上是有区别的。法学家认为：“作为数据权客体的数据并非‘个人数据’，而是匿名化的不具可识别特征的数据。与个人数据权相比，个人信息权在权利位阶上具有优先性。”

二、 广义信用信息

2018版《信用基本术语（GB/T22117-2018）》国家标准给出的“信用信息”定义是：“个人或组织在社会与经济活动中产生的与信用有关的记录，以及与评价其信用价值相关的各类信息。”较之2008版的定义，修订版国家标准考虑了社会信用体系建设的需要。

2011的10月，中共第十七届六中全会通过了《中共中央关于深化文化体制改革 推动社会主义文化大发展大繁荣若干重大问题的决定》，就社会信用体系功能的覆盖范围提出了：“把诚信建设摆在突出位置，大力推进政务诚信、商务诚信、社会诚信和司法公信建设，抓紧建立健全覆盖全社会的征信系统，加大对失信行为惩戒力度，在全社会广泛形成守信光荣、失信可耻的氛围。”自此，政府对社会信用体系建设提出了更高要求，并通过《社会信用体系建设规划纲要（2014-2020）》予以落实。

政府扩大社会信用体系覆盖范围的举措，是在原有的基础上，增加了对政府监管和司法执行工作的支持，不少行政管理措施得到强化，社会公德建设得以落地，有助于改善营商环境，并能监督政府及公务员的诚信自律。很明显，这种“搭便车”方式进一步发挥了社会信用体系在社会治理方面的工具性。虽然政府将诚信道德和社会公德建设一起“嫁接”到社会信用体系上，却一直没能组织研发用于诠释“诚信”的知识体系。就连紧迫性更强的社会信用立法工作都尚未及时推动到位，未能部署“拆分体系”或“剪切移栽”等理论分析和规划研究也是可以理解的。

随着社会信用体系功能的扩大，原本用于市场经济信用领域的狭义信用信息明显不够用了，于是，在政府组织了对“狭义信用信息”的大改造，逐步构建出具有中国特色的“广义信用信息”集合。在全国多地信用立法实践中，还创新使用了“社会信用”新术语，而随之产生的“社会信用信息”一词或是“广义信用信息”在名称上的合适替代。

在概念上，“广义信用信息”支撑社会信用体系建设的目标任务清晰，不仅将“狭义信用信息”囊括其中，还增加了不少诚信、合规和监管等属性的词汇，并对若干信用术语的语义做了以内容扩充为主的改造，形成了更大体量的数据集合。但是，广义信用信息集合的构建是在“摸着石头过河”，其边界仍在不断外推扩大。

为“广义信用信息”做出实际可操作的界定标准十分困难，主要是受到了地方信用体系建设需要、大数据技术发展和征信市场乱象等因素的影响，主要包括：

1.随着全国人大《社会信用法》立法工作的开展，以及十数省市的地方信用立法实践，催生出了“社会信用”相关概念创新。例如率先出台的《上海市社会信用条例》就具有典型意义。在该条例的第二章第八条中，给出了这样的定义：“本条例所称社会信用信息分为公共信用信息和市场信用信息。公共信用信息是指行政机关、司法机关、公共企业事业单位等公共信用信息提供单位，在履行职责、提供服务过程中产生或者获取的社会信用信息。市场信用信息是指信用服务机构及其他企业事业单位等市场信用信息提供单位，在生产经营活动中产生、采集或者获取的社会信用信息。”

从各地立法实践看，“社会信用”是指各类主体在社会和经济活动中遵守法定义务或者履行约定义务的状态，普遍与国际通用的信用、诚信和征信概念不一致，而且对“违法”和“失信”划界不清。

2.隶属国家发改委的国家信用信息中心成立，全国公共信用信息共享平台建成运行，构建公共信用信息集合有了紧迫性。《信用基本术语（GB/T22117-2018）》对“公共信用信息”的定义为：“依法行使公共职能的部门履职过程产生的有关各类市场主体的信用信息。”当然，公共信用信息是使用财政资金形成的公共财产，具有无偿服务于公共事务的义务，其公开、共享和创新应用须得更注重合规性。

3.全国范围的大数据环境野蛮生长。“大数据可能来自媒体新闻、在线借贷平台、B2B平台、移动支付公司、社交媒体网站、交易数据以及心理测量数据等。AI和机器学习利用计算能力和编程技术，发现大数据的趋势和模式，挖掘了使用这些新数据源的潜力。新技术使大量挖掘数据变得更简单、快和高收益，从数据提取内容的同时，可以最小化人为干预的风险。”

自2009年起，美国Zest Finance率先开发出（算法+替代数据）的个人信贷评分技术，使得许多“拥有大数据”的电商平台、小贷机构、金融科技公司和数据技术公司纷纷杀入征信业，催生出了“大数据征信”业务，信息采集和应用快速且无序地扩展，针对信用主体的大数据画像技术和生物识别技术蓬勃兴起。这种乱象引起政府征信监管部门的关注和警惕，随之产生了怎样对“替代数据”实施监管的问题。

4.信息（数据）就是金钱财富的说法深入商人之心，在数据源价值和数据价格见涨的市场行情下，电子数据存储的成本又大幅降低，形成了市场上千军万马抢数据的局面。

总之，有理由认为“广义信用信息”尚有不确定性。或许能为其做出较为宏观的定义，但为其划定边界的原则和标准却有待研发。

三、界定信用信息的方法

在实践中，界定信用信息主要受限于两个约束条件，分别为法律和政策约束条件。所谓法律约束，是指从数据源到终端用户，信用信息及其存储、传播和应用的全过程必须是合法合规的。所谓政策约束，则情况复杂。

在一个时期内，政府应对经济发展需要（含国际市场竞争策略）和社会道德重建（含社会矛盾尖锐程度）做出判断，明确孰轻孰重和轻重缓急，在发展和规范之间选择一个平衡点，依此适度调谐信用信息的开放程度，制定信用经济发展和推动社会信用体系建设的政策。

信用信息开放程度的政策性强，不仅能决定一些行业或业务的生死，也能决定某些技术创新水平的上限，例如是否该鼓励严重依赖大数据环境的金融科技公司和人工智能公司的创新和市场尝试？当然，开放程度的高低，重要指标是关键数据的可获取性，还包括政府监管对“替代数据”应用的干预。

提及界定方法，如前所述，界定“狭义信用信息”的方法确定且成熟，对其毋庸多解释。重点应放在对“广义信用信息”的界定。

论及界定广义信用信息的方法，须获得社会信用体系理论支撑，置其于清晰的法律框架下，还须参考上个规划期体系建设的经验和教训，才能择优选定方法。落实到现实的方法，能供选择的不外乎列举法、排除法和拆分法。

我国的法律法规和国家标准最常采用“列举法”去定义信用信息，而且主要为“概括+列举”模式。应对信用信息定义范围无序扩大的局面，用列举法定义信用信息，只能被认为是在被动地应对，而且需要频繁修订法律和标准。如果政府依据列举法定义的信用信息项实施监管，恐会出现限制经济发展和技术进步的弊端。

用“排除法”定义信用信息，只排除法律不允许采集的信息，信用信息及其范围可以随意定义，则明显存在科学性差的问题，会因某些信息的采集或应用引发社会矛盾，还会受到国际征信业界和学术界的鄙视。

鉴于采用“列举法”和“排除法”界定信用信息都存在明显的弊端，“拆分法”或是更好的选择。所谓拆分，意为割裂“诚信”和“信用”，分离存在巨大差异的社会和经济两类问题。在技术上，为“诚信”创立独立的知识体系和术语系列。至于“信用”，可使其回归“交易信用”的本意，认可国际通用术语定义。

其实，中国有必要为“诚信”和“社会信用体系”创建其独有的哲学思想和知识体系，作为新时代中国文化创新的举措，此举能更好地展现中国文化的先进性和科学性，而且实验条件也具备。当然，使用“拆分法”的益处不止于此。在重新框定“社会信用”范围之后，信用立法困局便可破解，还能为我国的社会道德建设工作提供更优的技术支撑。（作者：林钧跃，刊发于《征信》2021年第4期。）

参考文献：

[1]林钧跃. 征信技术基础[M]. 北京：中国人民大学出版社. 2007：13

[2]中华征信所. 征信要领—理论、实务与案例[M]. 北京：中国方正出版社. 2009：35

[3]王征宇，于江，黎晓波，陈全生，曹岱. 美国的个人征信局及其服务[M]. 北京：中国方正出版社. 2003：152

[4] [美]雷蒙.安德森（Raymond Anderson）著，李志勇译. 信用评分工具—自动化信用管理的理论与实践[M]. 北京：中国金融出版社. 2017：252

[5]李连三，张卉等. 信息的互惠共享 [C]. 征信前沿问题研究. 北京：中国经济出版社. 2010：104-109

[6]何渊. 数据法学[M]. 北京：北京大学出版社. 2020：50

[7] GB/T22117—2018，信用基本术语[S]. 北京：中国标准出版社，2018

[8] 中国共产党第十七届中央委员会第六次全体会议. 中共中央关于深化文化体制改革 推动社会主义文化大发展大繁荣若干重大问题的决定[R]. 北京：人民出版社. 2011：37

[9] 世界银行集团. 征信知识指南[M]. 北京：中国金融出版社. 2020：58-59