一诺千金，从古自今，一直适用。

只要你有信用，无需押金，就可以轻松骑走一辆共享单车；可以快速租用商场内的共享充电宝，为你的手机及时“续命”；还可以外出住酒店，不用现金，先享后付，来一场说走就走的旅行。

共享雨伞、共享衣服、共享玩具、共享篮球……你想不到的便利，因为信用，悄然来临。

其实，随着互联网金融、大数据产业等的发展，个人征信的外延已大大扩大了，不仅包括传统的数据，如信贷数据等，还包括基于互联网消费场景的第三方数据。

可以说，征信业已迎来了大数据发展的时代。

征信，下一片蓝海

征信，最早起源于《左传》，出自“君子之言，征而有信，故怨远于其身”。

所谓征信，指的是依法设立的个人信用征信机构对个人信用信息进行采集和加工，并根据用户要求提供个人信用信息查询和评估服务的活动。简单来说，就是个人的信用信息集合。

当今社会，征信信息被广泛用在生活、工作中，成为国民经济生活中不可或缺的“经济身份证”。买房、买车、租房、找工作、办信用卡等都离不开好的信用，甚至，不少婚恋平台也将信用定为相亲对象的硬性条件之一，噱头十足，信用的重要性，可窥一斑。

近年来，互联网金融迎来了爆发增长，对个人征信的需求也与日俱增。

艾瑞咨询发布的《2017年消费金融洞察报告》显示，从2013年到2016年，互联网消费金融交易规模从60亿元猛增到4367.1亿元，实现了70倍爆发式增长，年复合增长率达317%。

可以说，在互联网金融规模暴增的同时，消费者的个人征信体系建设也亟待跟进。如图1所示，2017年中国个人征信行业的潜在市场规模预计将达到1969.9亿元，而实际市场规模预计只有222.3亿元，市场渗透率约为10%，发展前景巨大。

第三方征信，面临多重困境

天下熙熙，皆为利来；天下攘攘，皆为利往。日前，一则信用分刷分的报道，再次刺激了人们的敏感神经。

近些年来，第三方征信问题频出，集中表现为数据稀缺、数据倒卖、数据同质化严重。互联网金融行业的巨大刚需与征信盲区的矛盾，也催生了地下数据黑市。媒体曾多次披露，部分打着大数据名头的公司，以极低的成本从地下市场调取数据，进行多手售卖。这里的重要原因就是征信体系的不完善。

征信体系不完善，原因大致归结为以下几点：

短期内，数据孤岛现状难以打破

目前，国内征信行业主要由五大类别组成：国家发展改革委、工业和信息化部、人民银行、国家工商总局等监管机构，第三方征信机构，国家电网、百度、支付宝等数据源，九次方大数据、百融金服等大数据金融机构，京东白条、神州租车、百合等互联网应用。

可以说，得数据者得天下。不同机构的数据门槛不同，基于利益考虑以及开放权限，共享数据意愿低，信息共享推进艰难。

大数据模型的准确性存争议

国内的大数据评估模型起步晚，很多大数据模型多为自主研发，信息不集中，数据的全面性存在不足，因此，大数据模型在准确性方面存在较大争议。

此外，用户数据为个人提交，信息的准确性及真实性有待时间和市场校验，缺乏公信力。

数据信息采集的合法性

这些年，逐步增强的个人信息维权意识与个人信息泄露的矛盾日渐突出。部分机构对于用户数据的采集、使用存在隐患，越过了安全红线，违法使用，面临着法律和道德方面的风险。

互补作用仍有限 

其实，相比国外，我国的征信体系起步较晚。20世纪90年代，上海资信有限公司成立，开始个人征信试点，这也标志着我国个人征信体系开始建立。

随后，信贷登记查询系统建成地、省、总行三级数据库，实现全行联网查询。征信管理局设立，《个人信用信息数据库管理暂行办法》出台，人民银行与全国各家银行系统联网工作基本完成。2013年3月，《征信业管理条例》正式实施，明确中国人民银行作为征信业的监督管理部门，同年12月《征信机构管理办法》也一并实施。至此，以政府为主导的央行征信登上历史舞台。

与此同时，征信行业风起云涌，民间第三方征信机构数量增长迅速。自2014年1月至2017年年初，我国先后成立包括91征信、考拉征信、亿微征信、东汇征信、盈蜂征信、人人信等在内的53家征信公司以及信用平台。

2015年，征信行业出现了标志性事件——央行开始受理征信牌照，芝麻信用、腾讯征信、深圳前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用及北京华道征信成为第一批试点机构。

众所周知，征信离不开数据。央行征信的数据主要来自银行、证券、保险、社保等体系里构成一个数据循环，接入门槛高。而第三方征信机构则是利用自身的海量数据优势和用户信息，从财富、安全、守约、消费、社交等几个纬度来评判，为用户建立信用报告，形成以大数据为基础的海量数据库。

从表面上看，央行征信和第三方征信机构的大数据征信似乎只在数据获取渠道方面存在差异。央行征信数据来自传统线下渠道，来源单一。第三方征信机构则依托互联网金融、电商、共享经济等丰富的应用场景来获取数据，渠道多元。

央行征信作为正规军，无疑有得天独厚的优势，权威性高，数据基本完整，但新形势下，背后的短板，也逐渐暴露。

数据显示，央行个人征信系统收录了近9亿人信息，其中仅不到4亿人有信贷数据，约5亿人在央行征信系统中只记录经济信息，无任何有效征信信息。如此大的信贷盲区，缺口明显。

其实，在新的征信格局下，第三方征信机构积累的征信数据将对传统征信形成一定的补充。不过，这种补充作用仍比较有限，其公信力还有待市场的检验。

大数据征信，争议中前行

随着金融科技、人工智能、云计算成为时下热词，大数据征信也频见报端。

什么是大数据征信？大数据征信就是利用IT技术优势、风险控制模型，将个人在不同信贷机构、消费场景、支离破碎的海量数据整合起来，经过数据清洗、分析、校验等一系列流程后，加工融合成真正有用的信息。

作为征信市场化的标志，大数据征信备受争议。一方面，大数据为传统征信带来了许多意想不到的变革。另一方面，大数据征信的模型标准各异，客观性存在争议。

大数据征信作为新生事物，相比传统征信，究竟有哪些优势？

首先，大数据征信采集的数据覆盖人群广泛。

只要是用户留存在网上的数据信息，都可以通过数据挖掘、云计算、大数据等网络技术抓取并进一步分析，得出专属的信用报告。互联网的开放性也决定了大数据征信的覆盖范围。

其次，大数据征信的信息维度多元，信用评估全面。

大数据征信的数据来源不止包括传统征信的信贷历史数据，还包括个人的消费行为、交易行为、人际关系等半结构化数据。网购消费能力、共享单车租借、社交好友的信用状况、生活缴费都成为了大数据信息采集的来源，能够多维度地反应一个人的信用状况。

再次，大数据征信的数据来源丰富，动态变化频率高。

大数据征信的数据来源于电商、互联网金融、共享经济等场景，相较于传统征信的数据采集周期长，这些应用场景与生活日常行为关联紧密，使用频率高，数据更新及时。例如，信用评分系统之一的芝麻信用，月月更新。

最后，大数据征信成本低，效率高。

大数据征信搭建完成数据库系统后，个人征信信息采集难度大幅降低，征信服务的边际成本低。

总体来看，纵观我国征信行业的发展，正经历由政府主导型向征信市场化过渡的阶段。民间征信机构频频发力，不断开拓线下的应用场景或与其他机构构建合作关系，积淀数据，有望打破央行征信的垄断局面，进一步激发征信市场化的潜力。

综上所述，笔者认为征信行业的未来呈现以下趋势。

首先，随着征信机构数据的逐步开放，大数据信息的运用成为常态，央行征信难以覆盖的群体将通过民间征信得到满足。

其次，征信内涵、外延不断延伸，应用场景进一步丰富。征信不止局限于金融领域，而是通过共享经济等新经济形式，渗透到衣食住行方方面面，形成“守信者处处受益、失信者寸步难行”的局面。

最后，保护个人征信数据的相关法律将不断落地，并将在数据隐私、安全保护等方面加快立法进程。

附：信用分——征信的数据化

金融开放程度的增强，信用风险管理也呈现出科学化、量化、信息化的特点。其中，信用分就充当了这样一个科学评测的角色。

谈起信用分，想必很多人都不陌生。现在，信用分不再是简单的一个分数，而是切切实实的福利。只要你的信用分达到一定的标准，就可以轻松搭上各类共享经济的快车，免押金、免租金，还可以住酒店“先享后付”。此外，信用分还和信用额度挂钩。

事实上，信用评分最早起源于20世纪80年代，大众熟知的信用模型大多借鉴于美国的个人信用评分模型FICO 评分模型，其信用分数范围在300-850分之间。贷款方通常会将分数作为参考，来进行客户贷款决策。不同贷款策略和标准，相应风险水平不同，决定了可以接受的信用分数水平。

国内首个个人信用评分——芝麻信用分的出现，被视为信用分机制在我国的重大进展。芝麻信用分，通过大数据及云计算技术，从信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度，客观呈现个人信用状况的综合评分，评分范围从350到950，分值越高代表信用越好。

随着电商、移动支付的普及，芝麻信用分已逐渐走入千家万户，涵盖信用卡、消费金融、融资租赁、酒店、租房、出行、婚恋、公共事业服务等上百个应用场景。

事物发展到一定阶段，必然会更加精细化，信用分也不例外。

不少行业纷纷在征信上发力，打造专属的信用等级评分机制。例如，金融科技平台你我金融通过两年时间的数据处理与分析、模型研发、验证及运用，推出你我信用分。从你我行为、财富评估、社交关系、履约信用、身份特质等五个维度客观分析个人的信用状况，对用户进行信用评分，分值从0-950分，分数越高代表该用户信用越好，信用额度也会随之增加。

此外，摩拜单车也推出摩拜信用分，其与前海征信合作建立用户黑名单，对用户偷盗或恶意毁车等行为，会通过后台数据分析追踪到该用户，将其拉入黑名单，对其信用评级作出调整。

同时，摩拜单车还采用奖惩“信用分制度”，用户违停、损坏车辆等行为将会被扣除信用分。用户的信用分低于80分时，价格则会翻倍。