導語：互聯(lián)網(wǎng)金融催生了大數(shù)據(jù)征信，加上消費金融大熱，一時間，大數(shù)據(jù)征信站上了風口。大數(shù)據(jù)征信到底會用到什么技術(shù)?如何盈利?市場現(xiàn)狀和前景又如何?請聽來自一位征信老兵的分享與分析。

當前國內(nèi)的消費金融產(chǎn)業(yè)勃然而起，加上P2P行業(yè)的野蠻生長，各互聯(lián)網(wǎng)金融平臺急需征信數(shù)據(jù)來控制信用風險。

然而，目前個人征信市場的覆蓋率較低，央行征信系統(tǒng)中只有3.6億人的信貸記錄且維度單一，顯然已經(jīng)無法滿足當前多元化的需求。在此背景下大數(shù)據(jù)征信生逢其時，能夠利用自身的海量數(shù)據(jù)和用戶信息解決覆蓋率低和數(shù)據(jù)源單一的問題，為消費信貸需求的增長提供有力的支持。

市場將爆發(fā)式增長，早已有各類巨頭進場布局。目前央行下發(fā)《關(guān)于做好個人征信業(yè)務準備工作的通知》，已經(jīng)批準了8家試點企業(yè)，既包括芝麻信用這樣的互聯(lián)網(wǎng)巨頭，也有一些如中誠信這樣的傳統(tǒng)征信公司，但個人征信牌照仍遲遲未發(fā)。在這之后，包括京東金融、小米，及我們今天的主角 算話征信等都在央行第二批通知進行個人征信業(yè)務的準備工作的名單里。

一時間，大數(shù)據(jù)征信站上風口。那么大數(shù)據(jù)征信到底會用到什么技術(shù)，如何盈利，市場現(xiàn)狀和前景又如何?

帶著這些問題，我們采訪了算話的CEO蔣慶軍，他曾是上海資信的研發(fā)負責人，擁有數(shù)十年的行業(yè)經(jīng)驗。在此之前，我們先來了解下蔣慶軍和他的算話。

征信業(yè)科班出身的創(chuàng)始團隊

算話的創(chuàng)始團隊主要來自于國家首家個人征信的機構(gòu)，上海資信公司。上海資信成立于1999年， 目前的控股股東為央行征信中心。

算話成立于2014年底，目前團隊有60人左右，核心管理層為原上海資信幾個主要業(yè)務部門的負責人，有十多年的從業(yè)經(jīng)驗。算話公司團隊在上海資信期間經(jīng)歷了新中國第一個個人征信系統(tǒng)，即上海個人聯(lián)合征信系統(tǒng)的建設和運營。

CEO蔣慶軍可謂是征信行業(yè)科班出身的老兵，畢業(yè)于北京大學數(shù)學學院概率統(tǒng)計系，曾任上海資信公司研發(fā)中心負責人，主持開發(fā)過中國第一個征信局個人信用評分模型，這個評分被在滬商業(yè)銀行使用超過400多萬次。

算話一直以實現(xiàn)非銀信貸行業(yè)的信用信息數(shù)據(jù)共享為己任。創(chuàng)始人蔣慶軍表示，截至目前，算話已經(jīng)簽約了400多家非銀信貸機構(gòu)，而在相關(guān)行業(yè)中，不少機構(gòu)在算話征信的推動下已經(jīng)逐步意識到了信用信息共享的重要性。

以下是愛分析對算話CEO蔣慶軍的專訪內(nèi)容：

愛分析：目前征信行業(yè)主要采用哪些技術(shù)手段，您認為各有什么樣的優(yōu)勢和局限?

蔣慶軍：目前征信行業(yè)主要提供大數(shù)據(jù)征信、反欺詐和信用評分系統(tǒng)等技術(shù)手段。

技術(shù)一：大數(shù)據(jù)征信

大數(shù)據(jù)征信首先獲取豐富的數(shù)據(jù)來源，然后才是進行數(shù)據(jù)篩選、清洗、建模，這其中會會涉及到大量的專業(yè)技術(shù)。比如在建模技術(shù)上，經(jīng)常采用所謂的神經(jīng)網(wǎng)絡(Neural Network)、支持向量機(Support Vector Machine)、隨機森林(Random Forest)等算法。技術(shù)架構(gòu)上常常采用母子模型結(jié)構(gòu)，并通過動態(tài)挑戰(zhàn)者模型挑選和淘汰機制來優(yōu)化模型。

大數(shù)據(jù)技術(shù)的優(yōu)勢在于，在缺乏信貸數(shù)據(jù)時的場景中，能夠使用大量其他數(shù)據(jù)進行彌補。并且在解決特定問題時的預測能力和區(qū)分效果也比較好，模型運行的自動化程度較高，更符合互聯(lián)網(wǎng)金融的要求。

然而，大數(shù)據(jù)技術(shù)用于征信行業(yè)也有以下的局限：

1)大數(shù)據(jù)征信對IT運營提出了更大的挑戰(zhàn)

大數(shù)據(jù)技術(shù)由于需要收集、調(diào)用和計算大量不同來源的數(shù)據(jù)，對決策引擎和運營環(huán)境提出了更高的要求。首先，海量變量的快速同步計算，給模型的運行維護帶來了較高的復雜度，提高了對模型開發(fā)、監(jiān)控、驗證、IT開發(fā)和業(yè)務應用人員的素質(zhì)要求。其次，計算復雜度也導致模型開發(fā)過程和IT處理過程難度加大，對機器內(nèi)存、CPU、IT運行模式提出了挑戰(zhàn)。

2)大數(shù)據(jù)征信模型對關(guān)鍵入模變量的依賴性強

大數(shù)據(jù)評分的入模變量要比傳統(tǒng)評分多很多，來源復雜且不穩(wěn)定，一旦這些模型關(guān)鍵數(shù)據(jù)不能持續(xù)可得，或數(shù)據(jù)質(zhì)量不能得到保障，容易導致模型區(qū)分能力下降甚至模型不能持續(xù)運行。

3)大數(shù)據(jù)征信數(shù)據(jù)的使用未來面臨監(jiān)管的不確定性

大數(shù)據(jù)模型由于使用了大量多種類型的數(shù)據(jù)，所以往往業(yè)務解釋不是很明確清晰，尤其可能會使用到黑盒子的子模型，這些數(shù)據(jù)在未來面臨內(nèi)部驗證和外部監(jiān)管的約束，還可能會遇到解釋的困難。

4)大數(shù)據(jù)征信模型的穩(wěn)定性有待檢驗

大數(shù)據(jù)領域更體現(xiàn)數(shù)據(jù)之間的相關(guān)性，而非因果性和業(yè)務含義。采用網(wǎng)購等非違約相關(guān)的大數(shù)據(jù)建立的信用風險評分模型，有可能只顯示了較短期限內(nèi)數(shù)據(jù)之間的相關(guān)性，不能保證在評估客戶違約可能性上具有長期的區(qū)分力。

技術(shù)二：反欺詐服務

反欺詐云是通過對全網(wǎng)欺詐行為的監(jiān)控、收集、分析，形成欺詐情報，并從攻擊者的角度學習欺詐分子的策略、技術(shù)、流程，可以及時預警潛在的針對客戶的欺詐風險。

以算話的服務為例，反欺詐云有如下的優(yōu)勢：

1.擁有海量征信資源數(shù)據(jù)：比如公安、法院等外部征信資源數(shù)據(jù)和行業(yè)共享黑名單數(shù)據(jù)。

2.中文模糊匹配技術(shù)：系統(tǒng)基于搜索引擎進行多段式拆分降維匹配，采取地址和公司特定智能分詞索引算法，加上機器學習機制完善各詞段權(quán)重系數(shù)，能夠隨著數(shù)據(jù)量的增加而不斷提高匹配準確率。

3.實時高效的網(wǎng)絡關(guān)系：反欺詐網(wǎng)絡首先能夠定義88種網(wǎng)絡關(guān)系發(fā)掘多層次多維度關(guān)系，建立動態(tài)網(wǎng)絡關(guān)系圖，從而比如實時探測計算，覆蓋每筆欺詐申請，同時基于關(guān)系網(wǎng)絡建立欺詐規(guī)則及專家評分模型，有效識別欺詐申請。

4.支持分布式海量計算： 版本更新上線無縫連接，服務器不間斷運行，每筆申請反饋時效在1s以內(nèi)。

愛分析：目前信貸數(shù)據(jù)的全國范圍內(nèi)分享情況如何，怎么評判非銀數(shù)據(jù)的質(zhì)量?

蔣慶軍：互聯(lián)網(wǎng)金融普遍開始使用大數(shù)據(jù)征信技術(shù)，主要原因就是信貸數(shù)據(jù)目前沒有實現(xiàn)全國范圍內(nèi)的共享，即使是一些大的互聯(lián)網(wǎng)信貸機構(gòu)也只有本機構(gòu)客戶數(shù)據(jù)，目前非銀信貸機構(gòu)的共享數(shù)據(jù)質(zhì)量尚待進一步提升，專業(yè)的數(shù)據(jù)清洗和整理能力和使用共享數(shù)據(jù)來評估信用風險的能力尤為重要。

愛分析：征信機構(gòu)的盈利模式是什么?

蔣慶軍：征信機構(gòu)的贏利模式都是類似的，營收主要來自于基礎信息查詢費和風險評估的衍生服務費。發(fā)達市場里這兩個收入的比例基本相當，在美國公司Experian的收入結(jié)構(gòu)中，基礎查詢類收入占48%，衍生服務占52%。

愛分析：算話采取反欺詐、風控服務等增值服務來吸引客戶的效果如何，現(xiàn)在客戶量和覆蓋率如何?

蔣慶軍：算話的征信與大數(shù)據(jù)服務合作機構(gòu)超過400家，其中征信共享數(shù)據(jù)涉及非銀行借款人信息超過數(shù)百萬人。在反欺詐云方面，算話反欺詐服務7月份上線以來，目前每天反欺詐評估查詢量近10萬次，評估量月增速超過100%，反欺詐檢測結(jié)果的準確率超過80%。

愛分析：算話的個人征信服務系統(tǒng)與央行征信報告的異同點是什么?

蔣慶軍：類似之處如下

1)都是獨立第三方、收集跨機構(gòu)的金融信貸相關(guān)的信用信息，實現(xiàn)信息共享;

2)只允許向平臺共享信息的機構(gòu)查詢該行業(yè)共享信用信息數(shù)據(jù)庫;

3)都同時還收集一些其他信息：如法院裁定信息等。

差異點在于

1)前者是國家行為，算話的信息共享是民間商業(yè)行為，機構(gòu)自愿共享;

2)前者共享信息的主要是銀行業(yè)金融機構(gòu)，算話共享信息的都是非銀行的信貸服務機構(gòu);

3)前者采集的主要包含金融信用信息，算話除共享金融信用信息外，還提供個人授權(quán)查詢和采集的其它非金融信息數(shù)據(jù)源。

4)除共享征信業(yè)務外，算話還同時推出反欺詐評估服務、大數(shù)據(jù)風險評分模型和算話速查APP等豐富的風控增值服務。

愛分析：算話征信共享進展如何，目前征信行業(yè)建立共享機制難點在哪里?

蔣慶軍：目前算話自己推動建立的的共享機制目前已經(jīng)取到很多合作機構(gòu)的支持，“行業(yè)信用信息共享”是算話團隊一直所倡導和支持的，也是算話管理團隊十多年的專業(yè)特長。

這個理念本身從算話公司一成立就在非銀信貸領域倡導和推廣。應該說，這個理念的推動與深入，也伴隨著算話的發(fā)展與壯大，合作機構(gòu)從最初對此不了解、不支持到將信將疑、再到認可、信任，直至共享數(shù)據(jù)。

當前，推進行業(yè)信用信息共享機制的難點在于，要建設非銀信貸行業(yè)征信基礎設施，首先要求行業(yè)內(nèi)對通過征信機構(gòu)實現(xiàn)信息共享這個事達成共識，但目前非銀信貸行業(yè)對此還存有種種顧慮，原因在于：

1)征信機構(gòu)的公信力有待提高。目前信貸機構(gòu)對征信機構(gòu)信任不足，擔心征信機構(gòu)由于自身管理不善或內(nèi)部道德風險，導致數(shù)據(jù)泄露，或引起優(yōu)質(zhì)客戶流失。

2)征信機構(gòu)的獨立性需要進一步明確。由于很多金融機構(gòu)或信貸機構(gòu)也成立子公司做征信服務;所以反過來，信貸機構(gòu)客戶就擔心獨立征信機構(gòu)將來自身開展個人信貸業(yè)務，和客戶競爭。這兩種情況是一個硬幣的兩個方面，邏輯上是一致的。

3)對業(yè)務的公平性顧慮尚未完全消除。數(shù)據(jù)共享本身會起到行業(yè)各機構(gòu)共擔客戶信用風險的作用，所以在各信貸機構(gòu)發(fā)展有先有后，機構(gòu)實力有強有弱的實際情況下，領先發(fā)展的信貸機構(gòu)加入征信共享平臺客觀上會對參與共享的較弱小信貸機構(gòu)的業(yè)務開展有一定好處。因此，比較領先的信貸服務機構(gòu)對加入共享平臺就會在競爭方面產(chǎn)生一些顧慮。

4)對部分征信機構(gòu)的數(shù)據(jù)處理能力不放心。由于當前市場上很多征信機構(gòu)的從業(yè)人員缺乏真正的個人征信業(yè)從業(yè)經(jīng)驗，所以對進入征信數(shù)據(jù)庫的數(shù)據(jù)質(zhì)量的把握尚不能完全讓信貸機構(gòu)放心，信貸機構(gòu)會擔心由于使用錯誤數(shù)據(jù)導致影響自身風控決策的效果，造成損失。

愛分析：對于個人征信領域的公司，成功的關(guān)鍵點有哪些，如何評判?

蔣慶軍：作為征信機構(gòu)代表和征信從業(yè)者，談談個人對征信服務本身的理解。要做好個人征信服務，必須做到以下關(guān)鍵幾點：

第一，堅持專業(yè)性和專注性。征信服務是一件非常專業(yè)的事情，需要專業(yè)的團隊去做。

第二，保持機構(gòu)獨立性。征信機構(gòu)必須保持自身的業(yè)務獨立性，只能開展征信服務，不能自身從事任何貸款業(yè)務。

第三，找準自身定位。征信機構(gòu)要看清市場形勢，找準自己的業(yè)務定位。算話致力于為網(wǎng)貸服務機構(gòu)、消費金融公司、小貸公司等非銀信貸機構(gòu)提供征信服務。

第四，著力行業(yè)深耕。征信機構(gòu)須對自己選定服務的目標行業(yè)努力耕耘，提供更精更專的服務，取得客戶認可。

第五，重視合規(guī)和個人信用權(quán)益保護。首先，征信業(yè)務在很多方面事實上涉及到法律層面的事情，所以要重視合規(guī)，服從監(jiān)管，積極履行保護個人信用權(quán)益的職責和義務。其次，征信機構(gòu)擔負著個人獲取公平信用服務的法律責任，責任重大，必須認真對待，切不可掉以輕心。最后，征信機構(gòu)必須最大程度確保數(shù)據(jù)安全，確保個人隱私信息安全，并要確保信用數(shù)據(jù)庫中的所有數(shù)據(jù)盡可能準確、及時、完整。

第六，重視征信服務的嚴肅性和科學性。征信服務由于涉及很多人的具體經(jīng)濟權(quán)益，所以要高度重視征信服務的嚴肅性和科學性，不能娛樂化和用于商業(yè)營銷。在提供信用評分的時候，要最大程度確保評分模型的科學性，不可隨意或粗糙。

在數(shù)據(jù)積累的廣度和深度不夠的情況下，不宜過早對外提供信用評分等風險評估服務或超越自身數(shù)據(jù)可以支撐的評分服務。譬如，只有水電煤繳費記錄數(shù)據(jù)，卻提供信用貸款還款風險評分服務。諸如此類。

愛分析：您對目前有部分征信公司轉(zhuǎn)型做助貸的現(xiàn)象怎么看，目前個人征信領域面臨的困難有哪些?

蔣慶軍：征信服務在初期是非常薄利的一個業(yè)務。國際上的經(jīng)驗和歷史表明，征信機構(gòu)的虧損期一般在5-7年之上，這就意味著并不是所有的征信服務機構(gòu)最終都能生存下來。

創(chuàng)業(yè)團隊如果事先并不了解這一情況就貿(mào)然進入征信服務領域，當然就會遇到很多意想不到的困難。創(chuàng)業(yè)公司如果在股東引入、資本結(jié)構(gòu)和贏利預期等各方面不能事先做好合理的安排，就可能會遇到很多困難，非?？赡茉跇I(yè)務發(fā)展過程中不得不面臨痛苦的轉(zhuǎn)型。

對于某些征信公司的轉(zhuǎn)型，具體原因并不清楚。但總體上來說，原因可能是多方面的，比如：信貸業(yè)務的快速贏利的誘惑過大、團隊對征信業(yè)興趣和決心不夠、征信行業(yè)經(jīng)驗不足、創(chuàng)業(yè)資金不足、技術(shù)能力不夠、投資人對贏利的壓力過大或不現(xiàn)實等等。

其實部分征信公司的轉(zhuǎn)型，從長遠來看是有利于個人征信市場發(fā)展的，水落石出，每家機構(gòu)做自己最擅長的事對整個市場和行業(yè)是好事。

當前，國家金融信用信息基礎數(shù)據(jù)庫與市場化征信服務機構(gòu)之間的關(guān)系尚不明確，加上業(yè)務邊界不夠清晰，個人征信牌照遲遲未發(fā)，某種程度上都會影響市場化獨立征信服務機構(gòu)培養(yǎng)更快向互聯(lián)網(wǎng)信貸服務行業(yè)提供服務的能力與效率。

愛分析：前段時間，互金協(xié)會建立信息互聯(lián)共享機制，對于算話的意義何在?

蔣慶軍：互金協(xié)會建立信息互聯(lián)共享機制有利于信貸機構(gòu)進一步接受和普及信息共享理念，對公司開展業(yè)務實際上是有利的。

算話作為中國互聯(lián)網(wǎng)金融協(xié)會的會員，支持協(xié)會對實現(xiàn)行業(yè)健康發(fā)展所采取的各類舉措，如有需要的話，算話也非常愿意在中國互聯(lián)網(wǎng)金融協(xié)會在這項工作的推進中發(fā)揮自己的作用。

以算話團隊在行業(yè)深耕多年的經(jīng)驗和技術(shù)力量，相信能夠?qū)Υ隧棛C制的建立、測試、運行盡一份會員應盡的職責。算話的愿景與協(xié)會促進行業(yè)健康發(fā)展的遠景規(guī)劃是一致的。