- 企业服务
- 征信
近几年，互联网金融业态相继成熟，其中势头最为强劲的莫过于消费金融领域，而作为消金的有效补充，征信同样受到众多参与者的广泛关注，并得到快速发展。
征信与消费金融是相辅相成的，消金的快速崛起，对于征信的需求越来越强烈，使得征信市场也蕴藏了巨大的发展空间，同时，征信行业的发展，能够对消金起到有效补充，促进消金行业的良性发展。
但是，征信公司如果只是将定位局限在金融领域，将大为限制自身的发展思路。爱分析认为，真正强大的征信公司一定是跨行业的企业服务公司，而非金融公司。征信龙头Experian每年70%的收入来自非金融领域，便是例证。
据中国企业联合会数据显示，我国每年因为诚信缺失造成的经济损失约为5000多亿元。征信行业的成熟发展不仅能够促进经济的健康繁荣，还有利于维护良好的社会秩序，促进构建社会信用体系建设。
关注爱分析，回复“征信报告”，即可下载征信报告精华版PPT。
机构差异化发展，产业体系初步完善
经过近几年的发展，目前中国征信行业经历了快速发展，该领域参与者层出不穷，并在定位、数据、产品等方面形成了差异化发展，产业体系也已见雏形。
（一）机构差异化定位
从信用对象来看，目前行业主要分为企业征信和个人征信两类。企业征信主要用于对企业进行融资需求时，对企业主、企业本身进行信用风险评估。个人征信是指对个人消费者的信用风险评估。
目前中国与“征信服务”相关的公司有2000多家，其中完成备案的企业征信机构约135家左右。相对于企业征信较容易获取牌照，央行尚未完全放开个人征信牌照，目前仅以芝麻信用、前海征信、腾讯征信、拉卡拉征信、中智诚征信、中诚信征信、鹏元征信和华道征信等八家作为个人征信试点机构。
除这八家试点之外，还有很多创业平台为机构客户提供个人信用服务，如百融金服、算话征信、聚信立等等。
从出身背景来看，既有巨头孵化的征信平台，例如阿里、腾讯等利用自身积累的海量交易数据构建的商业模式；也有涌现的大量第三方创业机构，利用大数据技术切入征信领域。
值得注意的是，除了被行业广泛认知的征信机构以外，还有一些大数据领域的参与者，虽然并不属于真正意义上的征信公司，但是也发挥自己的数据优势，切入征信产品生产或应用环节。
这类平台作为大数据出身，在数据采集、数据处理方面具有丰富经验，并且并不局限于金融行业，同时在切入征信时，大多会选择从营销入手，再向信用延展。例如大数据公司集奥聚合，其数据优势体现在运营商和互联网方面，目前其不仅为客户提供精准营销等服务，还提供信用评估产品，涉足征信行业。
（二）自有数据源各有特色
数据是征信的原材料，征信机构在整合多维度数据源后，才能建设模型并提供具体征信服务。因此，数据源对于每个征信机构来说，都至关重要。目前不同征信机构在数据源方面，都形成了自己的差异化优势。
以八家个人征信试点机构为例，芝麻信用、腾讯征信和前海征信的大部分数据来自于自身体系内部，例如芝麻信用来自于阿里体系内，涵盖淘宝和支付宝的网购消费、网络行为、生活信息等数据，还有少部分来自于政府、合作商家等外部机构的数据；
考拉征信和华道征信均由多个股东发起，二者股东的数据来源广泛，因此股东可为二者提供多维度数据；鹏元征信和中诚信征信数据多来源于金融机构、社会部门等，具有私营不可比拟的优势；中智诚征信则在该领域拥有十余年的经验，积累了丰富的借贷相关数据以及大量黑名单。
个人征信试点机构股东及数据来源
由此可见，目前各征信机构在自有数据上形成了自己的差异化优势，然而，这些机构在与央行征信中心的数据进行比较时，还是存在金融机构相关信贷数据缺乏，数据准确性和稳定性不足，覆盖面不够广泛等问题，并且除自家数据以外，从外部获取的数据大多具有同质化问题。
（三）征信产品各有侧重
具体到征信服务和产品上，各家征信机构也是侧重点不同。
在产品上，既有覆盖从贷前、贷中到贷后整个链条的，包括营销、信用和预警等，例如前海征信、百融金服；也有专注于产业链中的某一点做深做大的，例如中智诚征信、同盾科技都是在反欺诈方面比较深入。
在用户上，企业征信毫无疑问大多是面向机构客户的，而八家试点个人征信机构则不同，其中大部分同时向机构和个人服务，例如芝麻信用、考拉征信、腾讯征信、华道征信、中诚信征信均推出个人信用产品，而前海征信和中智诚征信则是专注于为机构提供服务。
在场景上，目前大多数征信机构还是集中于金融领域，而不少机构已经开始积极拓展金融以外的信用应用场景，扩大覆盖面。例如前海征信近期与摩拜单车跨界合作，将信用产品应用于出行领域；华道征信也计划未来将产品推行到人力资源、婚恋、租赁等更多场景。
（四）初步建立完整产业体系
成熟完整的征信产业链包括数据采集、数据处理、形成产品和产品应用等环节，其中，数据处理和形成产品是最关键的环节。
具体流程是：征信机构在采集金融机构、社会公共服务机构、生活信息等三大类数据之后，通过采取个人数据配对处理、特征变量和数据库技术，对数据进行筛选、转化、加工和清洗；
在数据处理的基础上，建立评分模型，形成信用评分产品、信用调查报告等产品，最后将征信产品应用各种场景中。
目前，中国征信行业基本建立了完整的产业体系，只是在各个环节尚存在不同问题，例如采集环节存在方式不当、数据孤岛等问题，使用环节具有滥用数据、授信不当、场景有限等现象，导致中国征信产业链虽已成型，但相比美国等征信发达市场，尚不成熟。
仍处于数据源争夺战中，征信商业价值尚未体现
在美国成熟征信市场中，数据采集并非产业链中的核心环节，因为数据本身最终是可以通过价格调节以及自由市场配置进行获取的。
然而目前中国却仍处于数据源争夺战中，各家征信机构仍将数据资源视为核心竞争力。
（一）数据源头采集场景割裂、强相关数据稀缺
第一，数据采集场景割裂化。
有效数据的采集场景不仅包括银行、保险、公安、公共服务部门等线下场景，还包括电商、社交等互联网线上平台。
征信机构需要对接不同部门和平台，建立广泛的数据连接，形成数据聚集效应，才能在行业中占据有利地位。但是，这些数据的采集场景是互相割裂的，仍是一个个数据孤岛，数据源存在散乱的问题。
其中，金融场景的数据未能实现统一征集和标准化处理；公共部门的数据则是由公安、法院、教育及其它事业单位分别开放；生活场景的数据则是分散在线上线下的各类场景中。
即使是八家试点机构，也很难获取足够全面的数据源，而其它大部分征信机构更是通过自爬、合作、购买等方式，从有限的场景中整合数据，由于整合是通过市场化的方式进行，因此关于数据源的竞争尤为激烈。
第二，强相关数据稀缺。
在数据源中，金融交易数据是最强相关和最有价值的征信数据，这类数据中高达80%的比例掌握在国有机构手中，即传统金融机构、运营商以及税务、公安、法院等政府公共部门，创业平台很难获取。
对于来自政府和监管机构的公共数据，以及部分封闭性较强的行业数据，包括芝麻信用在内的8家首批试点的民间个人征信机构，都面临着难以获取全面数据的困境。
而其它大多数征信机构能够获取的，更大部分是社交记录、个人消费记录等相对弱相关的数据，导致有效数据比较有限。
除此之外，还有央行征信以外的个人金融数据，大多分散掌握在不同的征信机构手中。美国征信公司解决数据分散的问题，会通过收取费用的方式，相互之间共享数据。而中国目前只有央行征信中心能够做到数据共享。
据央行公布数据显示，央行共收收录8.6亿自然人，以及1,811家企业和其它组织信息。其中，有信贷数据的只有3.5亿多人，剩余5.1亿人只有简单的身份信息，并没有其它金融信用数据。另外，尚有5亿人根本不在央行征信系统覆盖范围内。对比全球征信巨头Experian，其数据已覆盖全球8.9亿人和1.03亿个企业。
除央行征信中心外，已经有社会征信机构尝试打破数据孤岛、建立数据共享，但是互金平台、网贷机构加入共享机制，便意味着需要披露坏账等最核心的数据，大多数平台并不愿意反馈数据，导致共享机制进展缓慢，数据之间的交叉融合很少，也影响到数据的应用和拓展。
第三，数据质量不高。
除数据孤岛、强相关数据稀缺等问题以外，数据采集环节还存在的最大问题，便是数据源质量不高。
造成数据质量不高的原因，一方面，是因为缺乏统一提供信息的格式，美国信用局协会制定了用于个人征信业务的统一标准数据报告和采集格式——Metro1和Metro2，规定任何企业都要使用统一规范的格式提供信息。
而中国并没有统一的数据采集和处理标准标准，通常会在基础环节，出现数据录入错误、信息缺失、冗余重复、信息主体不明等问题。
另一方面，缺乏专业的数据提供商或交易平台，据调研中发现，下游数据供应商提供给征信机构的数据往往质量不高，机构根据一个标准卡号得到的结果有可能是混乱的，即使经过清洗也无法使用。
同时，行业对于高质量和多元化数据的渴求，催生了数据黑市等乱象，导致数据源存在同质化严重、数据失真等问题，
原始数据源质量不高，造成数据的稳定和准确率降低，便会导致征信机构成本增加、效率变低，使得其不得不切入数据采集环节，保证生命线不完全掌握在别人手中。
因此，正是数据源头存在的采集场景割裂、最强相关数据稀缺、数据质量不高等种种问题，导致征信行业仍处于数据源争夺战之中，远远未到建模的阶段。
（二）差异化定位还在探索中
美国征信市场中已形成了泾渭分明、分工明确的格局。例如，三大个人征信机构Experian、Equifax、TransUnion是负责收集、整合和处理消费者个人信用记录的机构。
这类机构在收集个人信用数据后，会采用信用评估公司Fair Isaac推出的信用评分模型——FICO，对消费者信用进行评分。而FICO本身并不采集和存储数据，只是通过不同的变量、参数，提供信用分数计量算法。
FICO模型组成部分
而在中国征信市场，各征信机构在征信产业链并没有明确的分工。大多数征信机构的业务囊括了数据采集和处理、分析和建模，也有一小部分机构是专注于产业链中的某一点。
从产品上看，大部分征信机构都拥有信用评分、信用报告和反欺诈等服务，产品种类比较趋同，反映出中国征信行业在形成差异化优势和定位上，仍处于探索阶段。
另外，目前部分征信机构各自已经建立了自己的评分模型，银行通过借助这些外部力量合作建模，但从全国整体市场来说，尚未出现一个类似于FICO那样被大范围使用、极具权威性的评分模型。
（三）商业价值尚未体现，盈利模式单一
第一，商业价值尚未体现。
美国的征信公司都是由私营部门创立，直接参与市场竞争并以营利为目的。因此，美国征信机构获取信息需要向信息提供者支付费用，而信息使用者使用信息则需要向征信机构付费。
以全球个人征信巨头Experian为例，2015年其全球总收入达到48.1亿美元，净利润约13.06亿美元。而其日均生产380万份信用报告，信用服务方面全年收入约为23.5亿美元，占据总收入约一半的比例。
但是目前在中国，征信机构尤其是个人征信的商业价值还未真正落地，尽管例如百融金服、同盾等的数据日调取量已达到约百万级别，但只能向客户收取较低的数据调取费，而其它与大型银行合作建模的项目，并不能成功收取费用。
在商业利益的考验之下，近两年已有原先专注于征信的部分机构转型为助贷平台，向外输出金融技术，但是征信需要保持绝对的第三方客观中立立场，因此，显然信贷和征信必然是不可兼得的。
第二，盈利模式单一。
一方面在场景上，美国征信行业广泛开拓客户领域，不仅向金融行业提供信用报告、信用评分等基础征信服务，还向政府、教育、医疗、保险、电信等其他行业提供市场营销、决策分析、人力资源、商业信息平台等信用衍生服务。
例如Experian，已实现了金融服务、零售、电信、公用事业、保险、汽车、医疗、慈善机构、娱乐休闲、房地产和公共部门等行业的全覆盖。同时，其2015年收入为48.1亿美元，其中非金融领域的客户贡献了70%，而传统金融机构贡献收入只占比30%。
数据来源：Experian2015年报
而中国征信产品主要应用于金融信贷服务，以及部分反欺诈、身份验证、信用决策的生活场景，而金融机构仍是征信产品的主要客户。
另一方面在产品上，美国征信机构注重产品的多元化和丰富性，目前国内大多数征信机构，所提供的服务仍集中在基础征信服务方面，收入主要来源于数据调取量，而其它评分等产品，金融类客户反馈使用效果并不理想。
央行征信中心日均数据调取量约为80-100万次，商业银行等机构查询企业信用报告基准服务费为每份60元，查询个人信用报告基准服务费则为每份5元。
而Experian的收费模式则更为多元，在其2015年收入中，信用服务收入占比49%，决策分析收入占比 12%，市场营销收入占比 18%，消费者服务占比21%。同时，Experian日均生产380万份信用报告。
数据来源：Experian2015年报
（四）法律保障体系不完善
美国注重保护个人隐私与征信服务相平衡，制定了完善的法律法规，不仅规定了征信机构可以合法获取信息，也最大限度地保护消费者的隐私权。
中国征信行业立法始于2005 年的《个人信用信息基础数据库管理暂行办法》，之后相继出台了《征信业管理条例》、《个人信用信息基础数据库管理暂行办法》、《银行信贷登记咨询管理办法等，逐步建立了以国家法规、部门规章、规范性文件和标准的多层次制度体系。
然而，依然存在法律保障体系不完善的问题，一是所依赖的《征信业管理条例》、《征信机构管理办法》，主要是行政法规和部门规章，法律效力较低。
二是未与民法、金融机构相关法律、消费者保护法等形成有效的衔接，对于金融信用信息基础数据库的使用规定并不明确，在有力保障和推动征信行业发展方面稍显不足。
三是对于个人信息保护不够明确，容易导致出现不当采集信用信息、滥用数据、侵犯合法权益的现象。因此，在立法层面尽快推进，明确数据采集和使用的原则及边界，对于征信行业健康发展至关重要。
未来征信行业将趋向细分化，场景将更为延伸
关于征信行业的未来发展趋势，预计制度保障层面将更为完善，行业层面将细分化，数据等基础资源供给将趋于优化，机构在场景方面将更为延伸。
（一）立法立规将成为征信行业发展的基础
任何创新行业在发展初期，都会面临乱象丛生的阶段，那就需要从制度上规范，制定完善的法律和政策进行引导，推动行业形成良性发展秩序。
美国征信行业也是自19世纪末经历萌芽初创期、快速发展期后，在20世纪70年至80年代初，迎来法律完善期。这一时期是美国征信行业最重要的时期，相继出台17部法律，对征信需求方、授信方、消费者和行业自身进行了全方位立法，对征信行业的健康发展奠定了坚实基础。
2016年被称为互联网金融的“监管元年”，政府对于互金行业尤其是网贷领域监管力度加大，监管政策接连出台。由于目前在个人数据采集和应用方面存在的乱象，征信行业对于立法立规的迫切性也正在加强。
预计未来征信行业的顶层设计将更为完善，将在个人信息采集与使用的边界、数据拥有者和数据使用者各自的责任和权利、保护个人隐私、合理使用数据等方面更加明晰，行业发展将更有章法和更加稳健。
同时，这需要一个循序渐进的过程，各征信机构还应将保护信息安全和用户隐私作为生命线，建立完善的信息安全体系，促进行业形成良性竞争。
（二）行业将更加细分化
美国征信行业在发展过程中不断细分，最终目前行业主要四种类别，一是个人征信机构，包括三大巨头Experian、Equifax、Trans Union，进行个人数据配对、特征变量生成处理，还包括很多中小型个人征信公司及数据服务商，为巨头提供数据服务；
二是用于个人的信用评分公司，FICO基本垄断这一领域；三是企业征信机构，龙头是Dun&Bradstreet；四是信用评级机构，主要用于商业公司，最典型的的为Standard & Poor's、Moody's、Fitch Group等三家。
因此，参照美国征信行业的发展路径，未来中国征信行业也将不断细化，各征信机构的差异化优势和聚焦定位将更加突出，最终行业将形成泾渭分明、各司其职的格局。
同时，未来中国征信行业也必然像国外巨头鼎立的格局一样，行业集中度不断提高，经历大浪淘沙、优胜劣汰的过程，最终在当前众多参与者中出现如美国三大征信巨头那样的行业领军。
（三）基础数据资源供给将趋于优化
目前中国征信行业在基础数据采集环节，存在数据获取渠道有限、最强相关数据缺失、数据质量不高等种种问题，而数据是征信的基础，要构建征信稳固的基石，必然要解决源头问题。
优化基础资源供给，主要是解决数据源两大问题，一方面是数据多元化问题，美国征信结构涵盖多维度数据，不仅包括金融维度，还有社会信息、网络行为和社交信息等，全面的数据源为征信机构开展后续环节提供了基础保障。
对于中国大多数征信机构来说，由于数据孤岛、客户很难反馈数据等原因，数据并不能做到全面性，但同时，网贷和互金机构面临的最大风控问题便是欺诈风险，以及多头借贷的问题，而解决这些最有效的方法是推进共享机制建设，实现数据的互通互联。
在行业不同机构之间建立数据共享机制，有利于打破数据孤岛，数据形成闭环，带来协同效应，真正防范“一头多贷”欺诈行为。
同时，这样征信机构的数据才能得到反馈和更新，进而模型可以不断优化和迭代。也会使征信机构不再将占有基础数据视为关键优势，而把更多的注意力放在征信产业链的其它核心环节。
目前，中国互联网金融协会也在推进信息共享机制建设，要求协会成员需共享核心数据，虽然也有不少社会机构希望做到非银机构的共享，但失去行政色彩，很难真正实现。
另一方面是数据质量问题，如上文讲源头在于数据提供方提供的数据，并没有经过统一处理，即使清洗过后也难以为征信所用，目前国内大数据技术已经趋于成熟，但是数据采集和有用数据识别仍是重中之重。
从源头上解决这类问题，关键还在于采取统一数据采集标准和录入格式，最大限度保证原始数据的真实性，提升数据处理和清洗的效率，避免资源浪费。
（四）应用场景将更为延伸
在海外成熟征信行业中，征信应用场景不仅仅局限于金融场景，而是覆盖到生活的方方面面，除覆盖信用卡、消费金融、融资租赁、抵押贷款以外，还包括酒店、租房、租车、婚恋、签证、分类信息、学生服务、公共事业服务等等，征信无不渗透。
其实各个场景对于征信的需求很在不断提升，并且征信机构也需扩大产品覆盖面，在此之下，中国征信产品应用未来必将不断向金融以外的领域延伸。
目前，在金融信贷领域之外，八家个人征信试点机构已经在拓展更多元的征信应用场景。相信未来征信产品的应用场景将更为广阔，也将会为机构收入来源多元化、构建诚信社会体系带来巨大的空间。
最后，谈到征信未来发展趋势，不可避免的话题便是“个人征信牌照何时发”。现在据八家机构成为试点已经过两年，但央行还尚未发放个人征信牌照。牌照迟迟不发的原因可能是在采集数据的过程中，存在采集方式不当、滥用数据、侵犯合法权益、授信不平等的现象。
虽然牌照迟迟不发，但依然有百度、京东、小米等众多等待者在申请牌照，可见不仅征信行业仍然是众人眼中的发展方向，并且对于征信机构来说，牌照仍然是影响个人征信发展的关键因素。
至于牌照何时才能真正发放，至少在目前行业仍处于乱象阶段，监管层对于发放牌照仍然是处于谨慎态度，也许需要等到顶层设计更为完善，征信机构更加明确自身的责任，将信息安全作为生命线，才会迎来牌照发放之日。
总之，中国征信行业前路漫漫，市场对于信用的需求非常强烈，未来不仅需要解决具体政策落地、数据获取等瓶颈，还在于市场能否进一步放开，以保证更多的民营征信机构参与进来，推动征信市场化取得实质性进展。