一、引言
近年来颁布的社会信用体系建设规划纲要（2014-2020 年）》以及相继出台的《征信业管理条例》和《征信机构管理办法》，对完善我国征信市场法律框架，规范征信市场发展，保护信息主体的合法权益、充分引导征信业的市场化进程都发挥了重要作用。特别是党的十八届三中全会提出，“要建立健全社会征信体系，褒扬诚信，惩戒失信。”全社会对征信业的重视程度已经上升到一个新的高度，推动征信业发展，为信用活动提供有效的信用信息支持，构建诚实守信的社会生态环境成为我国当前金融领域工作的核心内容之一。
随着政府职能转变的需要以及社会征信体系构建的不断深入，我国市场对于信用征信产品以及服务的需求也在显着增长[1].我国现行的征信体系是以央行为主导，以一定范围内的金融机构为主要对象，具有信息详实①、征信数据覆盖面广、信息主体多元化②等得天独厚的发展优势，但我们必须看到该系统同时也存在诸多先天性不足。例如，央行征信系统内的数据和信息主要涉及商业银行体系，而与民间借贷相关的机构与个人信息则相对匮乏。截至目前，央行征信系统只接入了部分小额贷款公司和融资性担保公司，而大量的民间借贷数据、信息都没有被纳入到征信系统中。此外，包括个人的社保、消费记录、司法等同样重要的指标、信息也大都没有被纳入到系统中，存在显性缺失和漏洞，可能对相关授信机构的决策造成了一定误导。我国金融征信体系建设相对落后的现实局面要求我国必须大胆创新征信体系，打破央行征信中心在事实上对征信信息的“垄断”、与民间征信系统不均衡发展的状态，力求在金融信息化不断深入的时代背景下实现经济效益和社会效益的最大化[2],最终促进民间征信与央行征信系统协调、持续、多元化发展。
而伴随着互联网科技浪潮的兴起，互联网与大数据技术呈现迅猛发展的态势，大数据征信的出现和应用具有巨大的发展前景：一方面可以满足传统金融机构对征信系统的使用需求，另一方面针对互联网金融等新金融业态，为市场用户提供了多元化、多层次的金融服务需求。我国征信业的发展面临前所未有的历史机遇。
二、大数据征信：现实应用与金融价值分析
（一）大数据征信的原理
大数据征信的基础是多元化、大体量、大样本的异构数据，其原理是通过对信息主体的行为习惯进行全方位、综合性的搜集整理，同时建立针对性的数据模型，由该模型演算、倒推出信息主体的信用特征，最终得到较为精确的信用评估结果。大数据征信使用的数据涵盖传统的征信数据、消费/财务数据、身份数据、社交数据、经营数据，乃至日常活动数据、特定场景下的行为数据等。
目前，大数据分析在互联网金融领域已经被较为广泛的应用。在信用征信方面，大数据技术对信息的抓取、检索和分析也有较大的优势和发挥空间。大数据不仅为征信业发展提供了丰富的数据信息来源，拓展了征信渠道，同时也改变了征信产品的设计生产观念，成为了我国征信业发展的重要动力。
（二）大数据征信的信息处理与整合
有别于传统的事先采集信息并加以整理贮存，需要时再提取的方式，大数据征信一般是在信息主体发起服务要求并确认授权之后再行开始征信调查，即征信具有特定性和唯一性。用户在首次使用大数据征信服务时，需要提交各种账户信息，大数据征信公司一般在较短的时间内就能完成信息的检索、过滤和有效整合。大数据征信的报告一般包括两部分内容：一是个人金融信息，例如信用卡账单流水；二是用户在互联网上的“痕迹”,大致分为个人基本信息、消费信息以及工作、生活常规性信息等。对于个人金融信息，数据公司在得到用户授权后，会直接访问用户的信用卡和储蓄卡账户，对个人金融信息进行抓取和整合。对于个人的互联网信息，分为三个层次。第一层是用户的公开数据，来源于用户的社交网络；第二层是用户主动提交的私人数据，例如淘宝账单、电商购物清单等；第三层是“黑名单”数据库，例如信用卡中心的黑名单和小额信贷的违约名单等。
（三）大数据征信：金融价值探析与研判
相较于传统的信用征信方式，大数据征信具有一定的优势：首先弥补了传统征信方法在数据及时性方面的不足；其次，也能够提供更加精确的风险定价。由于能够更加精确的测量风险，借贷产品的风险定价也可以更加精确，从而在更广的范围内降低了资金成本，提高资金使用效率；再者，就长远来看，也有助于互联网金融行业金融普惠的发展以及提升金融平等。随着大数据征信技术的发展，它不断提升个体的信用评估水平，很可能带来更为广泛的社会影响，提升金融民主化和平等化。具体来说，其金融价值主要体现在以下几个方面：
1.减少信息不对称，增进信用交易。2001 年诺贝尔经济学奖得主乔治·阿克罗夫（George A. Akerlof ）一直致力于对充满不对称信息市场进行分析与研究。其在《柠檬市场：质量的不确定性和市场机制》一文中，用通俗性的语言和事例解释了在市场经济中信息不对称问题对商品质量以及市场机制失灵的问题[3].现代社会中，随着信用交易范围的大幅拓展，信息不对称情形越来越多的在交易双方之间存在，大数据征信通过对大样本、大数据的采集与整合，在一定程度上降低信息不对称程度，使得授信人能够较为充分地获知被授信人的资信状况，规避信用风险，促进信用交易的顺利实现。
2.有效降低逆向选择与道德风险。信息在金融市场特别是信贷市场上发挥着重要的作用。信息的获取成本以及在交易对手方之间的对称程度在很大程度上决定了金融交易结构、资金信贷的风险与实现的结果。而“有限理性”和“机会主义”的存在则为资金融通、金融交易的顺利实现抬高了交易成本，增加了金融交易的风险，也即在更大范围内造成了逆向选择（Adverse Selection）和道德风险（Moral Hazard）的存在。在金融市场，特别是在信贷市场上，逆向选择和道德风险时有发生，严重影响了金融交易秩序。大数据征信模式通过专业化的信用评估体系和量化指标对授信申请人的信用记录进行分析和评估，有助于金融中介机构甄别授信申请人的信用等级，从而减少信贷审核环节的逆向选择和贷后管理中的道德风险[4].
3.“黑名单”制度、对违约行为进行披露，强化了制度规制和约束。征信制度对于不同信用等级的授信申请人产生不同的作用：对于信用等级较高的申请人，在一定程度上有利于其顺利申请到贷款；对于信用等级较低甚至有违法、违约记录的申请者，则起到“天然屏障”的功用，即将其过往违法违约行为进行披露，将其列入“黑名单”,对其产生纪律和制度约束的作用。同时，此种违约披露和“黑名单”制度也会间接引导信用较差的借款人珍惜自己的信用，善用自己的信用，督促、激励其今后按时偿还贷款，提高信用等级，从而从总体上提高社会信用度，培养良好的社会信用环境、推进良善的征信机制建设[5].
三、大数据征信机构与服务---以阿里巴巴“蚂蚁信用”为例
大数据征信的基础性要素是体量巨大的信息数据以及先进的数据挖掘技术。在此方面，新兴的电子商务企业以及以“BAT”为代表的互联网公司无疑具有巨大的优势。事实上，电商以及互联网公司已经跃跃欲试，投身到大数据征信中来。例如，京东商城就于 2012 年与商业银行合作，向合作伙伴提供基于交易数据的贷款；苏宁电器宣布发起设立“重庆苏宁小额贷款有限公司”,发展供应链金融服务体系；百度公司也成立了“百度金融”,力图充分利用其掌握的先进的数据检索技术和海量信息资源涉足金融领域，未来也很有可能在大数据征信领域掘金。最为引人关注的大数据征信事件当属阿里巴巴集团于不久前刚刚推出的“蚂蚁信用”.
在大数据被广泛传播与应用的背景下，阿里巴巴集团也尝试将大数据技术应用于互联网信用征信领域，力图为金融交易提供有益的征信支持，给交易的双方提供一个高效、安全、有保障的运营环境。简单来说，阿里巴巴推出的“芝麻信用”就是通过对互联网公开或者半公开信息数据的抓取、整合和分析，设计出一套信用评估体系，从而为个人和小微企业描绘出一副“信用画像”.
从本质上来说，“芝麻信用”是一套基于个人金融账户、网络社交信息以及公共事业类信息数据整合而成的，较为完备的大数据征信系统。“芝麻信用”的数据源主要分为三个方面：一是政府及事业单位、金融机构、社交平台、搜索引擎等对外公布的数据以及软信息（消费习惯、兴趣爱好、网络口碑及影响力等）；二是网上银行、社会保障账户信息、缴纳公共事业费用、通讯费用缴费记录、交通运输信息平台等较为隐性的数据；三是阿里巴巴集团旗下淘宝、天猫、支付宝等第三方支付平台以及社交平台中用户消费、交易记录等。“芝麻信用”通过数据模型将上述信息进行归类整合并进行系统分析，以此作为评定个人、小微企业信用等级的依据。这些信用评估共同构成较为完整的信用评价体系①,可以帮助互联网金融企业对用户的还款意愿及还款能力等系数做出初步判断，从而减少信用风险和违约风险发生的概率。
