TMT观察网_独特视角观察TMT行业

最近，一則個人征信聯合機構“信聯”籌建進入實質性階段的消息刷遍朋友圈。這個呼聲頗高的“信聯”能夠但此重任嗎？

在金融圈，叫某聯的，往往都不是一般的牛。

最近，一則個人征信聯合機構“信聯”籌建進入實質性階段的消息刷遍朋友圈。

在個人信息越來越重要并敏感的時代，正迫切需要一個完全不同于傳統意義的征信機構，來為正是澎湃的移動互聯商業提供新能源。

這個呼聲頗高的“信聯”能夠但此重任嗎？

監管的憂慮

其實，在“信聯”出爐之前，央行已經用2年時間試點了8家個人征信機構，大家熟知的芝麻信用，也是其中之一。

但是，今年4月考核結果發布：8家全不合格。其中，核心原因是，這些企業都不具有征信獨立性。說白了，就是不能既當運動員，又當裁判員。

一時間，個人征信牌照到底將怎么發放？市場為之愕然。

而目前，對此問題回答最權威的人，非央行征信管理局局長萬存知莫屬。

值得關注的是，這段時間，萬存知三度發文談個人征信監管，更是直接引發了“互聯網經濟需要什么樣的征信機構”這一話題的爭論。

萬局長的三篇文章分別是：《征信體系的共性與個性》、《互聯網+大數據≈征信》、《個人信息保護與個人征信監管》。

這三篇文章充分體現了萬站在監管角度對于放開個人征信市場的憂慮，其中，除了征信獨立性外，主要還包括以下三點：

1、大數據做征信考不靠譜？

在互聯網大數據的“故鄉”美國，也早就在探索互聯網大數據與征信的內在聯系。例如，利用臉書中的聯系人，查看當事人受教育的程度等。

對此，萬的文章中提到，美聯儲警告金融科技公司，使用諸如社交媒體信息等非傳統數據來判斷信貸價值，存在著風險，因為這種判斷方式有可能會導致他們觸犯與公平貸款相關的法律。美聯儲總監拉爾?布雷納德指出，這些社交數據和信貸價值之間，還沒有建立起普遍認同和實際的聯系?！?

2、會不會侵犯個人信息隱私權？

此外，互聯網企業大數據的形成渠道非常復雜。萬指出，大量信息采集未經當事人同意授權，所以在目前互聯網大數據的形成上，普遍存在信息來源不可追溯、不可異議、不可糾錯，當事人在無意識下信息“被采集”，這嚴重侵害信息主體的隱私和財產權益。

3、場景化應用是否會造成有悖社會公平和正義？

今年4月，ofo等六家“共享單車”宣布與芝麻信用合作，推出“免押金掃碼租車”服務。而在萬存知看來，若征信機構為共享單車企業的資金安全管理提供服務，似乎還是正道。但如果征信機構與共享單車企業合作，以信用的名義約束租車人，防止自行車被毀壞，則有點本末倒置。

萬還認為，一些機構根據這些信息對個人“畫像”，把社會公眾“畫成”三六九等，會導致對部分群體作出歧視性安排，這種做法不僅經不起科學推理，而且有悖社會公平和正義。

值得關注的是，盡管這次“信聯”聲勢浩大，不但BAT及首批8家試點機構全部參與，還包括百度、網易、360、小米、滴滴、開鑫金服、宜信等行業翹楚，但監管部門并未對此有任何正式回應。

市場的邏輯

如果拋開監管的憂慮，要回答到底要不要搞互聯網征信，不妨先回顧一下美國征信業的發展歷程。

20世紀20年代，美國大眾消費文化開始盛行并催生出廣泛的信貸需求，而經濟大蕭條的出現則造成了個人違約率的上升，整個社會開始關注征信。在這樣的背景下，征信市場開始快速發展。而信用卡的誕生更是使信用的應用場景得到了極大的拓展。

60年代至80年代，17部法律相繼出臺，奠定了征信市場的法律基礎。在這一階段， VISA、MasterCard等卡組織誕生，信用卡的應用進入快速發展通道，與之相伴的是個人征信市場的蓬勃生長。

20世紀80年代至21世紀初，銀行開始跨區經營并進行大舉并購整合，全國性的征信需求誕生。而信息技術的發展使征信機構全國性經營成為可能。于是，征信市場也進入了整合期，機構數量從2000家減至500家。

回顧百年前的美國征信業興起，你會發現，其與目前國內對于征信業的需求很相似――同樣興起源于消費的盛行，也就是市場的需求。

其后，經歷了快速發展期、法律完善期、并購整合期以及成熟拓展期四大發展階段，逐步壯大并已經形成了較完整的征信體系。

從美國征信行業的歷史發展路徑來看，先是野蠻生長，然后理智整合，在這個過程中，應用場景的拓展、技術的進步和法律法規的完善起到了關鍵性的推動作用。例如，如果沒有信用卡、沒有電子化交易，信用很難真正找到有利可圖的商業模式。

如今，我們的不同之處只是在于，當年的美國傳統消費商業環境，我們面臨的是移動互聯網商業環境。此外，大數據征信的邏輯也與傳統征信完全不同。

首先，個人理解，大數據征信是一種純粹以商業可能性為動力的創新。其實就是通過對數據的分析，給數據賦予意義后形成信息，進而演變成可付諸于行動的知識。

而且，只有顛覆了傳統邏輯的數據分析，才有商業價值。舉個很老的梗：

在一家超市里，有一個有趣的現象：尿布和啤酒赫然擺在一起出售。但是這個奇怪的舉措卻使尿布和啤酒的銷量雙雙增加了。這不是一個笑話，而是發生在美國沃爾瑪連鎖店超市的真實案例，并一直為商家所津津樂道。

是什么讓沃爾瑪發現了尿布和啤酒之間的關系呢？正是商家通過對超市一年多原始交易數字進行詳細的分析，才發現了這對神奇的組合。

這個案例說明的是，大數據并非針對具體一個人，而是一個群體的行為概率。

也就是說，一個人沒有錢，有沒有信用，跟大數據征信完全無關，只看你被采集的各自數據是否符合大數據征信的商業可能。合格就給你相關商業便利，不合格就得為獲得這種便利額外支付。

再舉一個例子，在某互聯網金融機構貸借1000元。一位芝麻分850分的朋友，日利息約0.3元，另一位芝麻分600分的朋友，日利息接近1元。按借款3個月計算，兩人要交的利息之間相差2.7倍。

這個案例不能說600分的人就一定比850分的人窮，或者沒有信用。但是，從芝麻自己的數據模型上說，芝麻信用認為600分的人違約的概率比850分的人大。

這是一種純粹的商業行為。

雖然，現在互聯網經濟正如日中天。

但你不知道的是，符合傳統個人信用要求的絕大部分數據不在互聯網，而是在政府。而目前，政府各部門自己的數據都很難一下整合在一起。

而對于把希望寄托于滿足監管條件的“信聯”，筆者覺得再弄一個人行征信機構并無必要。而如果從市場角度出發，多家商業機構的聯合將面臨數據如何分享，商業閉環如何形成，利益如何分配等諸多掣肘。

所以，預計大數據征信要成功，就得像互聯網金融走過的路一樣：自己先證明自己。