谁在收集你的信用

蔡雯迪

2006年，唐宁创立宜信，在街头巷尾推广“人人有信用”的理念，却遭遇冷落。彼时互联网金融、大数据等概念尚未诞生，信用价值说更是天方夜谭。

2007年，范晓忻看到企业信用服务的巨大市场，他创立金电联行，努力说服银行“信用可计算，风险可量化”。数年的磨合，让他成为银行眼中的“有理想的疯子”。

2013年，已从事小微信贷业务4年的支正春突然想到用互联网数据对用户授信。他四处与人交谈，而多数人的眼神里透着悲观。

这种悲观并非毫无来由。林采宜和尹俊杰撰写的《互联网金融时代的征信体系》指出，目前央行个人征信系统共收录8.5亿人信息，其中约5亿人只有经济信息，无有效征信信息。

今天的中国，许多人对信用的认识依然薄弱。而这些新兴的信用经济的从业者们，能将中国模糊的信用生活勾勒得更清晰吗？

大数据构建知识图谱

今天，以P2P网贷为代表的互联网金融发展迅猛，然而信用审核却卡其命门。P2P网贷的汹涌浪潮正在倒逼民间征信业务的发展。

目前，上海资信、安融惠众两家实力征信机构分别承建了网络金融征信系统（NFCS）、小额信贷行业信用信息共享服务平台（MSP），这还远不能满足当下热火朝天的P2P网贷市场。宜信、人人贷、陆金所等P2P领军企业正在开发自己的征信系统。

而在今天，大数据无疑是建立和完善信用系统的一个最有效手段。

2013年，在传统的信用系统的基础上，宜信成立了大数据创新中心，运用大数据和互联网技术进行金融创新的尝试。

“八年半以来，宜信记载了上千万贷款数据，还有我们的爬虫得到的互联网公开数据、客户授权的数据，以及我们第三方合作伙伴的数据，再通过我们的大数据分析去贯通、关联，进而形成知识图谱。”宜信公司高级副总裁、大数据创新中心总经理张小沛对《瞭望东方周刊》表示。

而其打造的搜索引擎“姨搜”就是这个信用知识图谱的出口，提供了借款人借贷相关的垂直搜索服务，可在贷前、贷中、贷后的各个交易环节提供数据参考，便于风险控制和管理。

此外，利用大数据技术，宜信金融云能够解决金融领域海量数据的存储、查询优化，及声音、影像等非结构化数据的处理。一方面对数据进行可视化，构建客户画像，便于专家分析;另一方面结合专家知识和机器学习模型，实现规则引擎、授信引擎和反欺诈引擎等模块，有效地支持了宜信的在线和离线业务，完成对用户的实时授信。

借助于大数据平台，宜信旗下宜人贷推出了“极速模式”，将对用户的授信时长从原来的十多分钟压缩到一分钟之内。

2014年9月，宜信还与eBay公司达成战略合作，通过大数据技术为eBay平台电商卖家进行授信，即商贷通服务。这种电商贷款模式通过高效整合交易数据、第三方数据以及社交网络行为数据，为用户提供个性化的融资产品。

挖掘企业明细数据

中小企业融资难的原因主要有三：没有信用记录、没有抵押担保、财务报表失真。

这促使范晓忻2007年创立金电联行，利用企业供应链数据，给中小微企业提供信用评估服务，帮助他们获得纯信用融资。当时华尔街归国的师弟告诉他：在国外，信用融资占企业融资相当大的份额，中国还处于起步阶段，这其中蕴藏着巨大商机。

范晓忻告诉《瞭望东方周刊》：“在中国，没有任何一家银行，会单凭财务报表就给中小企业放款。因为财报数据源极易更改，可信度较低。”

那么，究竟该如何还原一个真实的中小企业？金电联行将目光转向企业的明细数据。订单、应收账款、回款、现金流、库存、税务、核心交易对手等等，都是金电联行力求得到的企业最精细的数据。

“在一张增值税电子发票上，可能就有20多个指标项。”范晓忻告诉本刊记者，“我们拿到的企业数据往往以GB为单位，有些供应链较长的企业甚至能达到10GB。”

在金电联行，为了研究如何挖掘海量企业数据，成立了一个40人左右的科研团队，几乎全是数学博士。2010年做出第一个项目以前，范晓忻和他的团队坚持了三年的科研。终于，他们找到了一种对企业明细数据进行分析计算的方法。

“我们把石油炼成了汽油！”范晓忻说。

2012年，北京怀柔某汽车部件公司找到了金电联行。“我们当时是一家小企业，没有银行贷款要的抵押物。”该公司财务总监程坤（化名）对本刊记者说。

他们向金电联行提供了企业数据系统的钥匙。金电联行对该企业供应链数据分析计算后，向中国民生银行提交了信用报告，帮助该企业获得零抵押贷款200万元。此后，银行贷款每年递增，现已达400万元。

金电联行提供的数据显示，其创立至今已累计促成40多亿元非抵质押的纯信用融资，最高融资额度达6800万元，最低为98万元，迄今未有一笔不良贷款。

搜寻互联网轨迹

互联网蕴藏着难以估量的用户行为数据。用这些互联网数据描写出个人信用画像，则是一条描摹个人信用的蹊径。

闪银是一款基于互联网海量信息之上的个人授信产品。2013年12月上线，8个月即收获60万粉丝，并宣布获得IDG资本的4000万元人民币A轮投资。

闪银CEO支正春将闪银的目标用户定为“2+5人群”。他发现，本科毕业前两年加毕业后五年，年龄在20～28岁之间的人群，消费需求极其旺盛，获得银行信用评估的概率低，热衷使用网络，易在互联网留下信息。

闪银根据用户授权的微博、人人网等社交账号，工资单、信用卡账单邮箱等财产资料，淘宝账号等电商信息，分析计算用户的信用状况。

支正春向本刊记者透露了闪银基于大数据得出的一些试验结果：每天晚上11点到凌晨3点还活跃在网络上的客户平均信用偏低;赌博的人还款比例只有33%;此外，用户绑定邮箱的前缀和后缀、网购电子产品时对不同产品线和配置的选择，都能与个人信用评估联系在一起。endprint

除了数据源头增多、交叉验证真实性，大数据技术还极大提高了信用审核的效率。

中国民生银行魏公村支行信贷主管陈光对《瞭望东方周刊》说：“过去我们人工审核信息，有时材料连四大箱子都装不下，还要花大量精力验证数据真实性。”

“传统借贷以提高门槛来确保还款率，互联网信贷通过大数据在降低门槛的同时保证可靠性。”支正春介绍，闪银6000元以内授信可在15分钟内完成，50万元以内大额授信则在数小时内完成。

电商数据池

信用无形无声，支撑着中国电子商务的井喷式发展，而电商市场规模不断膨胀，又为信用数据圈起了一方蓄水池。

中国电子商务是在缺乏现代诚信观念和信用体系的环境下起步的。1999～2003年，中国网络购物市场的年规模为10亿元。

阿里巴巴创立之初，为解决企业间电子商务（B2B）的信息不对称，建立了用户信息认证体系。2002年，阿里巴巴推出“诚信通”，为其B2B平台上的商家建立网上信用档案，记录商家的每一笔交易行为。

2003年淘宝网推出，为了让买卖双方习惯在互联网的虚拟环境下交易，淘宝网让买卖双方交易成功后对彼此进行评价，累积的信用度作为下次交易的参考。2003年，支付宝作为第三方担保交易支付平台出现。支付宝的个人实名认证将买家、卖家上传的身份信息与公安部公民身份证数据库中的数据进行比对，同时还将身份信息与其银行卡账户信息进行关联确认。

尽管一些商家“刷信用”的做法引来质疑，但店铺页面上闪烁的蓝钻、皇冠依然有效影响着人们网购时的心理刻度。

2014年阿里“双十一”促销活动中，共有12家店铺因涉嫌以虚假交易提高信用评级被天猫清退出本次活动，另有6家店铺被“降级”处罚。

蚂蚁金融服务集团（以下简称蚂蚁金服，原阿里巴巴小微金融服务集团）品牌与公众沟通部公关专家葛瑞超对《瞭望东方周刊》说：“最初网购通过邮局汇款和网上银行，支付宝推出之后，电商才迅速蓬勃发展起来。”

随着海量数据不断沉淀，阿里巴巴布局信用产业链的脚步加速。

2010年，“阿里小贷”（现更名为蚂蚁微贷）推出。“这主要是响应互联网金融的需求，为阿里巴巴会员提供无抵押、无担保的纯信用贷款。”葛瑞超介绍说。

蚂蚁微贷对阿里巴巴用户在其平台上的经营数据、客户评价、物流仓储等数据进行计算，“信用度符合贷款服务标准的商家，可在数秒内收到贷款。如果发现商家有卖假货等行为，相应的融资服务会降低，甚至被移除出准入用户范围。”葛瑞超说。

据阿里巴巴提供的数据显示，截至2014年3月，36.5 万个借贷人从阿里小贷进行借贷，总贷款结余为 132 亿元人民币。

2012年起，电商平台京东也针对其供应商推出了供应链金融、京保贝等信贷产品。

2014年9月，宜信与全球最大在线交易平台eBay签署战略合作协议，联手推出“商通贷”线上借款服务。

活跃在电商平台上的小微企业主，率先摆脱了融资难的困境。信用水平良好的消费者也能够享受到淘宝、京东等电商推出的赊购服务。endprint