作者：蘇寧金融研究院數(shù)據(jù)風(fēng)控實驗室首席研究員  倪偉淵

央行征信報告一直都是金融機構(gòu)評價借款人還款能力和還款意愿的重要依據(jù)?；ヂ?lián)網(wǎng)金融的發(fā)展讓信貸服務(wù)可以惠及更多的人，但央行征信報告覆蓋率和信息完整度的局限性使得金融機構(gòu)無法對更廣大人群進行準(zhǔn)確評估。

據(jù)易觀數(shù)據(jù)顯示，截至2016年6月底，央行征信中心覆蓋人群8.8億人，其中信貸記錄人群僅為3.8億人。也就是說，中國10億多的成年人口中超過60%的人沒有信用卡或央行貸款記錄，這些人在申請貸款時，金融機構(gòu)很難從央行征信中心獲取有價值的參考信息。

許多互聯(lián)網(wǎng)金融機構(gòu)的借貸信息并不會體現(xiàn)在央行征信報告中，可能一個申請人已經(jīng)在多個互金平臺發(fā)生逾期了，而通過央行征信報告并不能獲悉這樣的高風(fēng)險因素，這限制了金融機構(gòu)對客戶風(fēng)險評估的準(zhǔn)確性。

為了擴大業(yè)務(wù)規(guī)模、降低壞賬風(fēng)險，金融機構(gòu)希望可以獲取更全面的客戶信用信息，與央行征信報告形成重要互補，實現(xiàn)對客戶風(fēng)險的精準(zhǔn)評估。強烈的市場需求推動了第三方信用服務(wù)業(yè)務(wù)的迅猛發(fā)展，下文將重點解讀這些互聯(lián)網(wǎng)信用服務(wù)公司的“玩法”。

1.  基于互金借貸信息

個人的借貸信息最能反映申請人的違約風(fēng)險，而多數(shù)互金機構(gòu)各自維護自有客戶的借貸記錄和黑名單，形成“信息孤島”。為了能夠充分利用這些有價值的信息，第三方數(shù)據(jù)服務(wù)公司通過不同方式聚合多方信息，并加工成有效的標(biāo)簽，幫助金融機構(gòu)預(yù)防風(fēng)險。這里面主要有2種“玩法”：

（1）聯(lián)防聯(lián)控

第三方數(shù)據(jù)公司和金融機構(gòu)建立聯(lián)防聯(lián)控機制，第三方數(shù)據(jù)公司從合作金融機構(gòu)獲取用戶的借貸記錄，并根據(jù)客戶的調(diào)用記錄累計申請人在不同平臺的借貸次數(shù)。在數(shù)據(jù)積累到一定程度后，這種方式可以非常有效地識別多頭借貸行為。

不過，第一家持牌個人征信機構(gòu)百行征信的成立，可能會對這樣的商業(yè)模型產(chǎn)生沖擊，畢竟更權(quán)威、更全面、更穩(wěn)定的數(shù)據(jù)源代表著更強的競爭力。

（2）數(shù)據(jù)回流

可能不少人沒有留意到，多數(shù)互金機構(gòu)是沒有支付牌照的，這些機構(gòu)在放貸和還款環(huán)節(jié)需要依賴第三方支付公司，那么這些支付公司就有天然的信息優(yōu)勢。通過對客戶機構(gòu)回流數(shù)據(jù)的分析和推導(dǎo)，可以計算出用戶的借款和還款記錄，從而進一步判斷用戶是否違約。

由此，支付公司的市場占有率決定了其借貸數(shù)據(jù)的質(zhì)量。目前，業(yè)界只有兩三家支付公司可以基于回流數(shù)據(jù)提供個人信用服務(wù)。

2.  基于消費行為

除了借貸信息之外，消費行為也可以用來衡量一個人的還款能力和違約風(fēng)險。一般購買能力較強的人，還款能力也較強；若一個申請人的手機號近些年都沒有被用作收貨手機號，那么有可能就是一個小號，違約概率相對較大。

當(dāng)然，用戶的訂單記錄多半在各家公司自己的數(shù)據(jù)中心，絕不會向外部開放用戶的消費明細。一種玩法是數(shù)據(jù)擁有者可以根據(jù)用戶在自身生態(tài)內(nèi)的消費行為對用戶進行評分，在符合監(jiān)管要求的前提下對外輸出用戶評分；另一種玩法是與店鋪CRM系統(tǒng)的廠商進行合作，基于用戶訂單記錄提煉統(tǒng)計標(biāo)簽。

3.  基于社交行為

物以類聚，人以群分，和黃牛、貸款中介、老賴有密切往來的人，通常會比一般人有更高的違約風(fēng)險，這是社交行為數(shù)據(jù)的一個關(guān)鍵價值。比如，可以基于各類黑名單，順藤摸瓜挖掘出相關(guān)的高風(fēng)險用戶，幫助金融機構(gòu)規(guī)避風(fēng)險。

當(dāng)然能夠基于社交行為提供信用服務(wù)的公司不多，行業(yè)門檻高，容易受到用戶隱私方面的質(zhì)疑。

4.  基于運營商數(shù)據(jù)

不少互金機構(gòu)在信貸審批時，需要用戶授權(quán)運營商信息，通過爬蟲服務(wù)獲取用戶的通話記錄和賬單數(shù)據(jù)。這些運營商爬蟲服務(wù)公司在累計了大量數(shù)據(jù)之后，結(jié)合各種渠道的電話號碼黑名單就可以對電話號碼的風(fēng)險進行預(yù)測，算法的基本思想比較簡單，即“近朱者赤，近墨者黑”。

5.  基于其他行為習(xí)慣

如果一個借款人經(jīng)常瀏覽賭博、套現(xiàn)相關(guān)論壇、下載了很多借貸類APP，那么這個借款人的違約風(fēng)險一定是非常高的。因此，用戶特定的網(wǎng)頁瀏覽、APP下載、網(wǎng)絡(luò)檢索等行為，也可以幫助金融機構(gòu)預(yù)測違約風(fēng)險。

手機廠商、互聯(lián)網(wǎng)巨頭都有足夠的數(shù)據(jù)可以提取相應(yīng)的標(biāo)簽，然而，大多數(shù)用戶都是非實名認證的，如何將非實名用戶和借款申請人匹配上是一個比較大的挑戰(zhàn)。

結(jié)語

最后，需要指出的是，上文提及的個人信用服務(wù)的幾個主要數(shù)據(jù)來源都是和個人信息強相關(guān)的。目前我國還缺少個人信息保護相關(guān)的法律頂層設(shè)計，《個人信息保護法》尚在制定中，對個人信息采集和使用的邊界和監(jiān)管尺度還不夠明確。筆者曾經(jīng)和一家主流手機供應(yīng)商的朋友有過交流，發(fā)現(xiàn)該公司具有較強的法律合規(guī)意識，用戶的明細數(shù)據(jù)是一概不允許出公司數(shù)據(jù)中心的。蘇寧金融則擁有自己的支付牌照，這樣外部數(shù)據(jù)公司就無法獲得用戶使用任性貸等業(yè)務(wù)的信息，在最大程度上保護了用戶隱私。相信，隨著法律和監(jiān)管的完善，個人信用服務(wù)行業(yè)也會越來越規(guī)范。

返回列表