征信机构的市场发展

征信机构的市场发展

随着《征信业管理条例》出台，至2014年底，有50多家企业征信机构完成备案，到2015年初，央行又批复8家个人征信机构，这其中有互联网巨头开设的、有保险公司等金融机构开设的，有老牌征信公司，以及拥有数据资源的新兴公司，第一批持牌经营征信业务的机构正式诞生，我国征信市场步入多元化发展。

全球征信行业发展各异，市场自然垄断

全球征信行业的发展道路不一，没有统一范式。如：法国、德国、意大利属于政府驱动型模式，借助于中央银行建立的“中央信贷登记系统”，强制金融机构定期提供金融数据；美国、加拿大、英国是市场驱动型模式，民营征信机构来收集、加工个人和企业的信用信息，为需求方提供产品和服务；日本采用的是行业协会会员制模式，银行行业协会建立征信机构“日本个人信用信息中心”，负责对消费者个人或企业进行征信，会员银行可以共享信息。

以上三种模式，在市场特征呈现自然垄断，行业外溢效应突出，表现为行业规模孝社会效益大。

国内征信机构模式单一，竞争压力剧增

中国的企业和个人征信发展是典型的市场需求驱动型的发展模式，在没有健全的法律法规、没有优秀的实践先例的情况下，国内征信机构均是根据市场需求和国际经验，以传统的“信用报告+增值服务”的商业模式来运营的（以央行征信中心为例：个人和企业征信报告+动产融资质押登记和应收账款融资服务等增值服务）。

央行征信中心作为目前行业基础和先行者，以及作为“金融信用信息基础数据库”专业运行机构的天然优势毋庸置疑（截至2014年10月底，征信系统收录1963万户企业及其他组织和8.5亿自然人）。而且央行征信中心也绝不会仅仅满足于面向社会征信机构开放数据，只做“数据批发商”。在依法行政和社会治理、经济管理转型发展的大环境下，他们不可避免

地面临着去行政化、去垄断化、去专营化的态势，面临市场竞争的压力会与日俱增。

仅有数据难以形成核心竞争力

纵观国外情况，在激烈的竞争环境下，经过长期的博弈和兼并，市场形成自然垄断，而生存下来的机构都有很强的竞争力。在我国，最终可能也只会有少数几家大型征信机构，但仅以“信用报告+增值服务”这种单一的商业模式是很难在竞争中取得优势的，那么征信机构在未来的发展凭什么安身立命？

有很多声音说是数据，数据是征信机构的核心，数据质量是征信机构的生命线。央行坐拥8亿多个人、近2000万企业数据，但是他们的服务能力、响应市场需求的速度、服务平台是和互联网企业完全不能比较的。而互联网巨头公司所谓的大数据征信停留在“看上去很美”的阶段，海量的网上交易流水数据和网络社交平台行为信息，也是对征信系统数据的“注水”过程（《征信业管理条例》明确征信系统已经定位为“金融信用信息基础数据库”，这一定位决定了征信系统服务的核心在金融领域）。如网上交易频次、交易爽约次数、网购假货差评、网购退货记录、网上社交行为等记录，无论描述性的、纪实性的还是属于“污点”性的记录，很难被主流金融机构所运用。

在数据被所有机构都重视并开始沉淀数据、把控数据质量时（法律允许所有征信机构都可以依法获得纳入征信数据分析维度的信息，就意味着目前所有的征信机构，都有获得这些信息的权利），征信机构在市场竞争中凭什么生存？

中国式“大数据征信评分”

在中国，有传统征信与大数据征信技术相结合并且发挥很强化学作用的实例。北京海智金诚信用管理有限公司（简称：海智金诚），在从事征信领域有着显著优势。海智金诚打造了一个定海神针金融平台为自身的大数据采集和分析所服务。

定海神针平台打通了各个行业企业的数据。同时，还有线上和线下的合作伙伴所提供的

数据源。除此之外，还有大量散落在网上的公开数据，这些数据也会被抓取。

海智金诚所采集的数据也是结构化的数据以及大量非结构化的数据，而要通过相应的数据分析和挖掘技术输出每个人的信用评估结果，就要赖以海智金诚定海神针平台的机器学习智能化分析。海智金诚开发了十余个基于机器学习的分析模型，对每个人的超过1万条数据信息进行分析，并得出超过7万个可对其行为做出测量的指标，在5秒钟内就能全部完成。在此基础上预设一些规则引擎（可以理解为一些基础的算法），引导系统做出一些基本的判断和决策。这种机制的决策性能远远好于业界的平均水平。未来，收集和整理数据的门槛会降低，而利用机器学习进行数据分析和挖掘的能力会成为关键。

事实上，征信产业链是一个相对简单的链条，从上游到下游分别是：数据供应商、征信核心机构、征信需求方。不难看出，这里列举的中外典型案例中征信机构均是以强大的服务平台为依托，在此基础上建立不同的应用场景进行纵深扩展，而且其基于大数据的信用评估模型也越来越受到关注和效仿。大数据征信给我们这样一个逻辑，多维数据可以在征信领域广泛运用，关键是找到一种合适的商业模式，达到社会认同的商业效果。