来源：21世纪经济报道 时间：2017-02-24 15:53:45 作者：
近年来，随着个人征信牌照的放开和互联网金融的火爆，第三方征信行业正成为一片蓝海。
2015年1月央行印发《关于做好个人征信业务准备工作的通知》，要求第一批共8家机构做好个人征信业务的准备工作，准备时间为六个月。
但至今两年有余，第一批牌照仍未正式下发，后续批次牌照也暂无新进展。已经拿到“介绍信”的8家机构，仍在探索中蹒跚学步。
一边是市场对征信行业急切的需求，一边是整体行业广阔蓝海中的种种迷思。中国征信行业如何布局谋篇？
首批8家获得央行个人业务准备资格之一的北京华道征信，其常务副总裁童邗川近日接受21世纪经济报道的独家专访，详解当前征信行业的困局和破解之道。
大数据征信是伪命题？
据统计，目前我国个人有征信记录的仅约3.2亿人，约占人口的23%，央行征信数据覆盖率明显不足。
目前流行的大数据，利用每个个体大量的网络行为数据，刻画个人信用画像，试图弥补个人信用记录缺乏的问题。
最早布局这一领域的芝麻信用，借助淘宝和天猫电商平台、蚂蚁金服互联网金融平台的数据，结合公安、工商、电信等政府部门数据，对金融机构、同业征信数据进行补全，形成个人的芝麻信用评分。不少业内人士断言，大数据征信是目前最火也最具创新的征信体系。
童邗川却表达了不同意见。他认为，大数据在与信用行为表现之间的相关性较弱，在数据的准确性、可利用性上都只是一种尝试阶段，目前缺乏有效科学的计算方法。“美国著名P2P公司LendingClub曾与Facebook合作，试图通过社交网络信息应用在风控模型中。但两年多过去，研究进展缓慢。通过大数据工具获取的相关数据或形成的风险指标，回归到信贷风控模型中，目前还难以与还款行为表现建立线性关系，难以与信贷风控体系形成有机的联系。为此，甚至有极端声音说，大数据征信是个伪命题。”
童邗川表示，目前可知，征信和大数据有关联，但运用在征信上的效果有限。此外，大数据在反欺诈、贷后风险监测与预警、账款催收、市场营销支持等方面具有良好的应用表现。
“征信行业的信用主要属于金融范畴，与负债状况和还款支付行为紧密相关，这是征信行业正本清源的问题。”童邗川提出，从征信本源来说，征信就是看一个人有没有借过钱，借钱困难程度有多少，是否有能力还款。
探路会员制征信模式
童邗川提出，我国市场化征信机构的基本定位是作为央行公共征信的补充。面对数亿人口的“信用小白”人群，如果采取类似数据库的集中报数方式难以实现覆盖，在保证数据的真实性、时效性等方面也存在很大难度。所以，针对消费金融等小额信贷行业，更有效的方式是采用会员制征信模式，按照一笔小额信贷的生命周期，分阶段进行信贷申请、签约、还款等交易信息的实时共享。这些会员企业均从事小额信贷业务，放贷业务的核心是风控，及时、准确地掌握借款人在同业间的信贷状况，对于信贷风控具有非常重要的作用。
采用会员制征信模式的代表性国家是日本，这是华道征信借鉴和探索的同业征信模式。所谓“同业征信”，一是数据有边界，不需要采集个人方方面面的数据，只共享消费信贷数据；二是通过精准，高质量、及时性的“信贷交易数据”，直接与消费信贷机构的风控体系建立有机联系，消费信贷机构不用花费大量的精力和成本在海量的弱相关数据中，寻找与信贷未来还款表现之间的关联，风控成本得以降低。
据21世纪经济报道记者了解，同业征信尝试并非少数，运营中出现问题的也不少，其中一个核心问题是会员权益的保护。
童邗川表示，借贷人的资料是信贷行业竞争的核心资源，同业征信平台只共享借贷人的借贷和还款历史等基本必要信息，对于借贷人具体在哪家借过钱、定价多少等信息需进行脱敏处理，不在信用报告中予以披露，防止给参与信息共享的会员机构造成客户流失、商业机密泄漏等损失。
对于同业征信的盈利模式，童邗川表示，收费定价由会员理事会决定，平台根据运营成本来提出收费方案。为会员提供多种增值服务将是今后的主要盈利模式，比如贷中监控、贷后催收，推出统计类、策略性的研究报告等。
盈利模式多元化
“目前新金融行业面临的欺诈工作非常严峻，如何利用征信技术帮助金融机构做好风控，是助力新金融行业发展的关键。”前海征信邱寒表示。
与急切的需求相对，征信行业的整体盈利状况并不乐观。
童邗川提出，我国征信行业的发展尚处在探索阶段，很多征信机构其实是不盈利甚至亏损的，征信更多带有“准公共服务产品”性质。但这并不意味着征信行业没有商业价值。
“征信的商业模式和发展前景将很广阔，大数据是很好的机会。”童邗川表示，“大数据是个好东西，征信是大数据一个很好的应用出口，征信机构一定会充分运用大数据技术，来丰富数据采集和推出增值产品和服务。但这个产品是附加产品，而非征信产品本身。”
童邗川进一步解释，比如将个人征信报告用于职业介绍、征婚、租房等，是机构提供的一种增值服务。随着征信行业的发展，这些附加需求也会越来越多，前景也会更加广阔。
责任编辑：陈近梅
