中國消費金融發展及其與大數據征信的關系研究

何飛/文

一、早年中國消費金融發展歷程

改革開放以來，中國消費金融市場發展階段性明顯。1979年，中國銀行廣東省分行與東亞銀行簽訂協議，代理境外信用卡業務。1985年，中國銀行珠海分行發行第一張信用卡——中銀卡。1986年，中國銀行北京市分行發行長城信用卡，長城卡也被中國銀行總行指定為統一的信用卡名稱。1988年，中國銀行率先在全國發行信用卡。隨后，中國工商銀行、中國建設銀行、中國農業銀行也逐漸加入信用卡發行行列，中國的信用卡市場開始形成。

與此同時，在1988年第一次住房體制改革會議召開后，中國的住房信貸業務開始起步。1991年，中國建設銀行、中國工商銀行成立房地產信貸部，辦理個人住房信貸業務。1995年，中國人民銀行頒布《商業銀行自營住房貸款管理暫行辦法》，標志著我國銀行商業性住房貸款走上正軌。1998年5月，中國人民銀行發布《個人住房貸款管理辦法》，擴大個人住房貸款的使用及實施城市范圍，擴大辦理個人住房貸款的金融機構范圍，規定商業銀行自營性個人住房貸款利率按照法定貸款利率減檔執行，同時將審批處理時間縮短為3個星期。該政策的出臺推動了我國住房貸款市場的快速發展。

在信用卡市場和住房貸款市場迅猛發展的背景下，1998年9月，中國人民銀行制定《汽車消費貸款管理辦法》，我國的汽車消費信貸逐步發展起來。1999年，中國人民銀行、教育部、財政部發布《關于國家助學貸款的管理規定（試行）》，國家助學貸款試點工作正式在北京、上海、天津、重慶、武漢、沈陽、西安、南京8個城市啟動。1999年2月，中國人民銀行發布《關于開展個人消費信貸的指導意見》，提出積極穩妥地擴大消費信貸，支持國民經濟發展。該《指導意見》從建立健全消費信貸職能機構、加大消費信貸投入、擴大消費信貸服務領域、開發新的消費信貸品種、合理確定利率、提供全方位優質服務、建立個人消費貸款信用登記制度等方面提出了支持個人消費信貸的具體措施，自此中國消費信貸市場進入快速發展時期。

二、近幾年中國消費金融發展現狀分析

2008年，國際金融危機爆發。因外部需求減弱，中國的出口受到嚴峻挑戰，刺激消費以帶動經濟增長成為重要之舉。2009年7月20日，為了進一步促進消費金融業的發展，規范非銀行金融機構經營消費金融業務的行為，銀監會發布《消費金融公司試點管理辦法》。與之前政策中出現的“消費信貸”字眼不同，“消費金融”正式進入公眾視野，同時也被賦予了更深層次的內涵。與消費金融一同出現的是消費金融公司的設立，在《消費金融公司試點管理辦法》出臺后，包括北銀消費金融公司、中銀消費金融公司、錦程消費金融公司、捷信消費金融公司在內的首批四家消費金融公司順利掛牌，開啟了中國消費金融發展的新篇章。

當前，中國消費金融面臨前所未有的發展機遇。就政策層面而言，2013年11月14日，銀監會發布《消費金融公司試點管理辦法（修訂稿）》，新增10個城市參與試點工作。2015年6月10日，國務院召開常務會議，決定放開市場準入，將消費金融公司試點擴大至全國。2015年7月18日，中國人民銀行等十部委聯合發布《關于促進互聯網金融健康發展的指導意見》，鼓勵消費金融機構依托互聯網技術，實現業務轉型升級，支持有條件的金融機構建設創新型互聯網平臺開展互聯網消費金融等業務。2016年3月，李克強總理在政府工作報告中再一次提及消費金融：在全國開展消費金融公司試點，鼓勵金融機構創新消費信貸產品。應該說，政策層面的利好將加快中國消費金融發展步伐。

就經濟層面而言，早在國家“十二五”規劃中，政府就提出要堅持擴大內需戰略，強調要把增加居民消費作為擴大內需的重點，建立擴大消費需求的長效機制。2015年11月19日，國務院發布的《國務院關于積極發揮新消費引領作用加快培育形成新供給新動力的指導意見》更加鮮明地指出消費是最終需求，必須積極順應和把握消費升級大趨勢，以消費升級引領產業升級，以制度創新、技術創新、產品創新滿足并創造消費需求。2016年3月，李克強總理在政府工作報告中指出消費對經濟增長的貢獻率達到66.4%。可以預計，伴隨消費對經濟增長貢獻率的進一步上升，消費金融業務的需求將呈井噴態勢。

就社會層面而言，當前我國的人口結構正面臨嚴峻的老齡化趨勢。第六次人口普查數據顯示，我國60歲及以上人口占比為13.26%，比2000年上升2.93個百分點，其中65歲及以上人口占比為8.87%，比2000年上升1.91個百分點。我國當前還存在低生育率問題，即便在2015年全面放開二孩政策之后，全年出生人口依然不升反降。然而，與人口紅利逐漸消失形成鮮明對比的是人們消費觀念的轉變。80后、90后正成長為消費市場最為活躍的群體，消費觀念更加多樣開放，再加上居民收入的不斷增加、社保體系的逐步健全、消費環境的穩步改善，消費者變得敢消費也愿意消費。與此同時，在互聯網環境下，社會主流的消費方式由傳統的被動保守消費轉變為主動提前消費。可以認為，適度的“寅吃卯糧”消費文化的形成有利于我國消費金融市場的全面拓展。

就技術層面而言，當前創新型消費金融業務的開展大多基于互聯網平臺。在2016年的政府工作報告中，李克強總理指出：“經濟發展必然會有新舊動能迭代更替的過程，當傳統動能由強變弱時，需要新動能異軍突起和傳統動能轉型，形成新的‘雙引擎’”。事實上，互聯網技術作為新動能的代表，其對金融業的深層次變革以大數據技術為標志。根據36氪研究院的研究報告，預計2018年全球大數據市場規模將超過2500億元，2015—2018年的年均復合增長率為21.8%。2018年我國大數據市場規模將超過500億元，2015—2018年的年均復合增長率為47.0%，是全球增長水平的2.2倍。可以說，大數據將成為未來驅動消費金融模式創新的原動力。與此同時，云計算與大數據是互聯網技術應用中的天然搭檔。云平臺不僅能夠促進消費金融線上服務的高效運轉，同時也將為消費金融資金流轉保駕護航。

雖然當前政策、經濟、社會以及技術環境都有利于我國消費金融的發展，但中國并不健全的征信體系以及消費金融的自身特點決定了其發展道路并不能一帆風順。相關政策指出當前消費金融最重要的使命是為中低收入人群服務，以滿足其日常生活消費需求。通常，我們將這部分人群稱為長尾人群，如在校大學生、藍領工人、農民等。一方面，長尾人群的消費需求旺盛、消費頻次高、消費場景廣，這些都非常符合消費金融產品的小額、分散、期限短等特征。另一方面，消費金融業務開展的前提在于對客戶進行授信，但受囿于我國個人信用體系不完善的局面，央行的征信系統并未能采集大部分長尾人群的信用信息，因此，如何對這部分人進行合理的信用評估，進而有效預防信用風險，成為當前消費金融發展面臨的最大困境。

三、中國的個人征信短板制約消費金融發展

事實上，我國的個人征信發展歷程較短且進程緩慢。1999年成立的上海資信有限公司標志著我國個人征信體系開始建立，但這距離中國第一張信用卡的誕生已經過去將近15年。1999—2003年，我國的征信體系建設主要以地方為主，包括上海、北京、廣東、浙江、江蘇、安徽、遼寧在內的省市相繼進行了有關布局。直到2006年，央行主導的個人信用信息基礎數據庫才開始運行。截至2015年年末，央行個人征信系統共收錄自然人8.8億，其中有信貸記錄的3.8億，僅占全國總人口的28%左右。與此同時，到目前為止，我國仍然沒有較為全面的類似國外FICO的個人信用評分體系。相比發展緩慢的個人信用信息基礎數據庫建設，個人信用評級則更是處于起步階段。

2013年，互聯網金融在中國異軍突起，消費金融市場全面線上化進程加快，與此同時，消費金融從業主體多元化格局逐漸形成，包括銀行、持牌消費金融公司、電商、互聯網金融平臺等在內的金融機構以及非金融機構紛紛搶占市場份額。在此背景下，傳統個人征信在消費金融應用中的短板凸顯，互聯網時代下消費者快速便捷的授信需求得不到滿足。進一步地，由于目標客戶普遍基于網上消費，消費金融中的欺詐風險不斷，而造成該問題的根源也在于個人征信的不完善。

為了解決消費金融發展與我國個人征信現狀存在的矛盾，在央行指導下，我國個人征信的市場化模式逐步推進。在2013年《征信業管理條例》以及《征信機構管理辦法》頒布實施的基礎上，2015年1月5日，央行印發《關于做好個人征信業務準備工作的通知》，允許包括芝麻信用管理有限公司、騰訊征信有限公司、深圳前海征信中心股份有限公司、鵬元征信有限公司、中誠信征信有限公司、中智誠征信有限公司、拉卡拉征信有限公司、北京華道征信有限公司在內的8家公司涉足個人征信領域。相比早已存在于市場的其他幾家公司，芝麻信用與騰訊征信采取了基于互聯網海量數據進行個人征信的方式，使得大數據征信概念成為市場追逐的焦點。

2015年1月28日，阿里巴巴的芝麻信用正式上線，緊接著芝麻信用分別與神州租車、阿里旅游、最高人民法院、永安公共自行車、貴州省公安廳交通管理局、花田、世紀佳緣、我愛我家、杭州市政府、廣州婦女兒童醫療中心等政府及企業合作，迅速拓展應用場景。除了“芝麻信用分”的成功實踐，依托社交大數據建立的“騰訊信用分”、依托通信大數據建立的“甜橙信用分”、依托支付大數據建立的“考拉信用分”等大數據征信產品也在各自所屬領域嶄露頭角。總的來看，當前依托自身數據優勢開展大數據征信的實踐呈現爆發態勢，在大數據征信服務更加便捷的同時，大數據征信應用場景也日漸豐富。

大數據征信為消費金融信用風險防范這一最大難題提供了新的解決思路。根據中國互聯網絡信息中心（CNNIC）發布的第37次《中國互聯網絡發展狀況統計報告》，截至2015年12月，我國的網民規模達6.88億人，互聯網普及率達到50.3%，其中有90.1%的手機網民。與此同時，在全球市值最高的十家互聯網公司排名中，中國占據四席。依靠大數據技術采集散落在互聯網環境中的海量數據，提取能夠對長尾人群信貸記錄缺失形成替代的特征變量，通過機器學習算法開發前沿的信用評估模型，在云平臺支撐下，實現自動授信、智能決策，優化消費金融服務流程，從而提升用戶體驗并增強用戶黏性。應該說，大數據征信是促進中國消費金融持久健康發展的核心驅動力，

盡管大數據征信在消費金融中的應用思路已經形成，但就目前情況來看，真正運用大數據征信開展消費金融業務的成功案例還很少。究其原因，主要有以下四個方面：第一，有關消費金融大數據征信的理論研究仍處于起步階段，大數據征信的完整邏輯尚未厘清，缺乏理論指導的業界實踐舉步維艱。第二，中國當前存在嚴重的信息孤島現象，散落在不同領域的數據資源無法實現共享，互補性數據維度的采集使用受到制約。第三，大數據普遍存在“稀疏性、高維度、弱相關”特征，而這些恰恰是傳統數據處理及特征選擇方式所無法應對的難題。第四，“大數據+機器學習”的建模方法掌握在少數大型機構手中，核心技術的攻克需要大量專業人才及設備支持，這成為阻礙消費金融從業主體開展大數據征信的關鍵所在。

四、中國消費金融及大數據征信的定義

在討論消費金融和大數據征信這兩者之間的關系之前，有必要對其進行概念辨析與界定。

近幾年來，隨著消費金融在世界范圍內，尤其是中國等發展中國家的興起，關于消費金融的定義變得更為豐富，界定視角也更為多元。美國聯邦存款保險公司（FDIC）將消費金融界定為消費信貸，包括住房抵押貸款、住房凈值貸款、信用卡以及其他個人信貸。美聯儲（FED）將消費金融界定為家庭金融的一部分，并給出了家庭金融的定義，包括家庭收入成長模式、家庭資產分布和負債來源狀況。其中，房地產抵押貸款作為家庭金融的一部分與消費信貸分開統計。美國銀行家協會（ABA）界定的消費金融特指銀行消費貸款，具體包括直接性汽車貸款、非直接性汽車貸款、房屋凈值貸款、房屋改建修繕貸款、游船貸款、休閑車貸款、移動住宅貸款和個人貸款8個項目。應該說，美國不同部門對消費金融的界定主要基于美國現有較為成熟的信貸模式，這與中國的信貸發展現狀相比仍然存在較大差異。

國內學者也對消費金融的概念進行了相關界定。部分學者認為消費金融是指為滿足居民對最終商品和服務的消費需求而提供的金融服務。還有學者認為消費金融是指由金融機構向消費者提供包括消費貸款在內的金融產品和服務。劉丹（2011）對消費金融概念進行了豐富，將消費金融定義為由金融機構通過多層次、多渠道的信貸形式，向經濟個體或家庭提供消費貸款，幫助消費者實現跨期消費規劃，以刺激當期消費品市場需求，促進當期消費品市場容量擴大的一種現代金融服務方式，其最終服務對象是消費品市場。

就現有定義來看，若只從消費主體的角度考慮，則消費金融似乎等同于消費者金融（家庭金融也被視為消費者金融）。但正如王江等（2010）指出的那樣，實際上消費金融還與消費主體所處的金融環境密切相關，對相關環境的刻畫應當成為金融研究和實務開展中的重要環節。具體的相關環境主要包括金融市場和政府，其中，金融市場主要為消費者提供金融產品、工具、技術和各種服務，政府則主要提供法律、政策、監管及賦稅指導等。筆者同意王江等的觀點，認為消費金融概念中應當考慮相關環境因素，尤其是在中國當前的金融發展背景下，環境因素對消費金融的影響更加明顯。

結合前人觀點評述以及當前業界實踐，在充分理解中國消費金融發展出現的新模式、新特征的基礎上，本文將消費金融定義為：由金融機構及非金融機構在相關環境中通過各種方式為消費主體提供的以滿足日常消費需求為目的的金融產品和服務。進一步對該定義中包含的要素進行解析：一是消費金融產品及服務的提供商，包括銀行及持牌消費金融公司等在內的金融機構，以及電商、運營商、大型企業、互聯網平臺等在內的非金融機構；二是相關環境，包括金融市場環境和政府行為等；三是提供產品及服務的方式，包括直接和間接方式、傳統手段和互聯網手段等；四是消費主體，包括個人消費者和家庭消費者，尤其需要考慮中低收入消費人群，他們才是消費金融真正需要服務的對象；五是日常消費需求，通常不包括房貸和車貸需求；六是金融產品和服務，包括具體的產品及相配套的服務。本文對消費金融的定義借鑒了消費金融體系的概念，并且涵蓋了金融服務的一般性及建立在消費（涉及場景、體驗等）基礎上提供金融產品和服務的特殊性，與此同時，日常消費需求中購房購車的排除、產品及服務的互聯網提供手段，均契合長尾消費人群（中低層收入群體）的本質特征。應該說，本文的定義既體現了消費金融的一般要義，又符合中國消費金融發展的特殊內涵。

在對大數據征信概念進行合理界定之前，首先對現有關于大數據的闡述進行分析。一些觀點是從數據處理技術、數據處理時間的角度描述大數據，如：維基百科中的大數據概念是指根據常用軟件工具捕獲、管理和處理數據所消耗時間超過可容忍時間的數據集。研究機構麥肯錫認為大數據是指無法在一定時間內用傳統數據庫軟件工具對其內容進行抓取、管理和處理的數據集合。研究機構Gartner指出大數據是需要新處理模式才能具有更強決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。實質上，這些概念更多是從數據量上對大數據進行闡述，而這并不能概括大數據的所有特征。

另一些觀點是從數據特征的角度分析大數據，如研究機構IDC將大數據的特征概括為4V，即海量的數據規模（Volume）、快速的數據流轉和動態的數據體系（Velocity）、多樣的數據類型（Variety）和巨大的數據價值（Value）。大數據概念的有力推動者維克托·邁爾-舍恩伯格教授從應用角度出發，在全球暢銷書籍《大數據時代》中提出了大數據的三大特征：一是分析更多的數據，甚至是所有數據，而不再單純依賴于樣本分析；二是適當忽略微觀層面上的精確度會讓人們在宏觀層面擁有更好的洞察力；三是建立在相關關系分析方法基礎上的預測是大數據的核心，只要發現兩個現象之間的顯著相關性，就可以創造巨大的經濟或社會效益。

隨著技術的發展及模式的衍變，大數據概念逐漸得到升華，不再局限于特征上的探討。林平（2014）認為大數據是當今時代數據、技術、方法和制度深刻變革的有機集合，其中數據是基礎，技術和方法是手段，制度是保證。盧芮欣（2015）將大數據引申為一種數據處理模式，即收集海量而全面的數據，并通過實驗、算法和模型分析，挖掘規律、獲得有價值的信息。本文同樣認為大數據不僅僅只是數據量、數據維度上的體現，更是先進技術的代表，大數據應用的關鍵在于深度挖掘和有效處理。與此同時，大數據技術還必須和其他相關的硬件、軟件及算法融合使用，從而提升處理效率及效果。

結合大數據概念，本文將大數據征信定義為：在大數據思想理念指導下，按照大數據處理流程，運用大數據技術方法，對信用主體的海量信息進行收集、整理、保存、加工，并對外提供大數據信用報告、大數據信用評分、大數據信用評級等產品服務，以幫助信用交易方判斷、控制信用風險，進行信用管理的活動。在這一定義中，大數據思想理念主要包括：盡可能采集、分析更多的數據，在進行深度挖掘之前，盡可能容忍數據的混雜特征，保留最原始的數據信息，在綜合運用相關分析與因果分析的基礎上，更加注重弱相關關系的挖掘。大數據處理流程主要包括：數據采集、數據整合、數據清洗、數據關聯、數據聚合、統一定義結構存儲、數據分析、數據解釋等。大數據技術方法主要包括：云存儲、機器學習、集成學習等。應該說，該定義涵蓋了征信的一般性及建立在大數據基礎上征信的特殊性。與此同時，該定義還揭示了大數據處理流程和征信流程的高度一致性，并且表明了大數據征信更加注重大數據思想理念及技術方法應用的特點。

基于上文對大數據征信的定義，結合當前中國個人信用體系尚未建設完成的現狀，本文對中國消費金融大數據征信的范疇進行了界定，具體包括兩大方面：其一，指消費金融產品及服務提供商通過大數據征信更好地開展自身業務。在此，消費金融產品及服務的提供主體和大數據征信活動的實踐主體一致。其二，指第三方大數據征信機構為消費金融業態的相關方（消費主體、消費金融產品及服務提供商）提供大數據征信服務，以便于消費金融活動順利進行。在此，消費金融產品及服務的提供主體和大數據征信活動的實踐主體不一致。總的來說，本文對消費金融、大數據征信以及中國消費金融大數據征信概念及范疇的界定，既符合我國當前的實踐現狀，又有利于理論高度的提升。

五、中國消費金融發展與大數據征信的關系

消費金融，既具有金融屬性，又體現消費特征。一方面，從消費金融提供商的角度出發，由于金融的核心是風控，故開展消費金融的第一要義即防控風險。另一方面，從消費主體的角度出發，和一般消費不同，消費金融中的消費是信用消費，即以個人信用換取消費某種產品或服務的權利，故消費金融的第一大風險是信用風險。由此可知，消費金融業務開展的關鍵在于對消費主體的信用進行有效評估，這個過程可以通過征信完成。在此意義上，征信是消費金融健康發展的前提。

隨著互聯網技術的快速發展，絕大部分消費金融服務提供商都實行在線授信和在線放貸，與此同時，生產商和銷售商的商品流信息、送貨公司的物流信息等也都通過網絡形成電子記錄。基于此，在聯網的個人信用體系中，消費主體的個人信用處于不斷更新狀態。具體地，消費主體在利用信用貸款購買產品或享受服務后，如果未能正常還款，便會對其個人信用狀況產生不利影響；如果還款正常，則將推動個人信用狀況的提升。因此，消費金融對征信也有反向作用，消費金融會影響征信，作用的效果包括正向促進和反向抑制。

由上所述，消費金融健康發展的前提是征信。如果沒有完善的征信：第一，信貸風險會提高；第二，信貸配給無法達到最優；第三，不完善的征信還會造成消費金融服務成本升高。所以，征信的完善程度直接決定了消費金融的發展狀況及未來前景。

改善中國當前的征信狀況，應當基于征信定義，對征信流程進行更加深入的剖析。征信的流程一般包括對消費主體相關信息的收集、整理、保存、加工，并在此基礎上獲得能夠反映消費主體信用的相關信息，我們稱之為“有用信息”。眾所周知，信息的載體是數據，即有用信息內含于數據之中，并來源于數據分析。作為數據廣度的延展，大數據在征信中將發揮重要作用：一方面，數據量的增加、數據類型的增加、數據結構的豐富，將擴大有用信息的總量；另一方面，包括深度挖掘、機器學習在內的先進數據分析技術的運用，將提升有用信息的質量。因此，大數據有助于征信的完善。

實際上，大數據處理流程和征信流程還具有高度的一致性，都包括數據的采集（收集）、整合（整理）、存儲（保存）以及分析解釋（加工）等。與此同時，大數據和征信都將帶來規模經濟效益，即隨著應用規模的不斷拓展，邊際成本將遞減，邊際利潤將遞增，并且具有網絡效應，即信息共享越多，所獲得的收益越高。應該說，大數據與征信天然地具有聯系：通過大數據的廣度積累，并對所承載信息進行深度挖掘，可以改善征信中存在的信息不對稱問題；與此同時，征信效果的提升將反過來促進大數據應用規模的擴大，并有利于大數據應用技術的優化，進而更好地發揮征信與大數據的網絡效應和規模效應。

或許有人會問，既然征信與大數據聯系緊密，為什么近幾年才開始提出運用大數據改善征信服務？其實，回答這一問題，需要認識到大數據改善征信服務要有外在基礎。雖然互聯網早就出現，但諸如移動支付、云計算、搜索引擎和社交網絡等現代信息技術的高速發展，還是近幾年的事情。這為現在討論大數據改善征信中的信息不對稱問題提供了技術基礎。事實上，當前高速發展的信息技術與數據密切相關。移動支付是產生數據的重要基礎，能夠記錄數據的轉移路徑；云計算是分布式存儲數據的平臺，保障了處理海量數據的能力；社交網絡是現實中真實關系的數據化，能夠揭示相關方的內在聯系；搜索引擎則是海量數據篩選與匹配的重要渠道。由此可見，代表當前互聯網和信息科技的最前沿技術，無一不與數據有關，它們支撐著大數據的產生、存儲、篩選、匹配、挖掘與分析。

值得注意的是，數據孤島的打破，是大數據發揮作用的關鍵。我國的大數據資源相對分散，沒有權威的數據服務商。以電信運營商、銀行以及電商數據為例，這三類數據各有優勢：電信運營商的數據涵蓋了上網用戶、移動手機用戶的行為軌跡；銀行的數據包含了用戶的財務信息；電商的數據反映了用戶的購物行為。與此同時，三方數據也各有不足：電信運營商的數據過于零散，過多依賴用戶網絡行為，缺乏用戶實質性的信用記錄；銀行的數據源頭單一，形式單調，無法了解用戶的交易偏好和交易習慣；電商的數據雖然能夠反映用戶的購物偏好和行為，但由于受囿于自身產業圈，數據的運用范圍受到極大限制。在以前行業封閉的商業模式下，不同數據擁有者幾乎不會進行數據分享。但隨著社會網絡化進程的加快，行業壁壘被逐漸打破，行業邊界日漸模糊，尤其是金融服務的模式變得更加多元，合作共贏理念下的大數據將為征信服務的改善奠定重要基礎。

雖然消費金融概念起源于國外，但中國消費金融也具有一般意義上消費金融的各類特征，這些特征構成了中國消費金融發展的普遍性。據前文分析可知，消費金融發展的前提是征信，故中國消費金融的發展依賴于我國的個人征信體系建設。然而，正如前文提到的那樣，中國個人征信進程緩慢，其發展遠遠落后于消費金融開展的需要。在此情況下，如果想要推動中國消費金融的快速健康發展，唯有寄托于征信環節的改善上。

與此同時，中國消費金融發展具有自身的特殊性，具體表現在：首先，中國真正意義上面向中低收入人群的消費金融（不包括房貸、車貸以及高端客戶信用卡服務）出現在2009年，即國家進行消費金融公司試點的時候。當時在國際金融危機對我國出口造成巨大影響的情況下，依靠消費拉動經濟增長成為重要之舉，但由于沒有經歷充分的時間過渡，消費金融的開展舉步維艱。其次，消費金融服務的對象往往是年輕人。中國消費金融發展的起步階段恰好處于中國人口結構轉變時期，中國社會的老齡化進程加速，年輕人在消費思想發生重要轉變（更加積極的消費態度）的同時，又面臨實際的生活壓力，包括對“倒三角”家庭結構的恐懼等，致使雖然消費觀念變得更加開放，但是否真正通過信貸方式滿足消費需求，仍然困擾著年輕群體。

再次，中國消費金融公司成立的初始階段同時也是互聯網以及信息通信技術快速更迭的時期，互聯網金融的迅猛發展是互聯網技術融入金融業態的最好佐證。互聯網及信息技術的應用，使得中國的消費金融產品及服務被賦予了更多互聯網特征，消費渠道及場景也由線下擴展到線上線下并舉。與此同時，互聯網時代下的消費體驗也變得更加重要，這些都對中國消費金融發展提出了更高要求。除此以外，當前，消費金融公司試點全面放開，形成了傳統金融機構、持牌消費金融公司、大型企業、互聯網平臺等多元化的從業主體，政策的利好使得市場競爭激烈，同質化的消費金融產品及服務將造成惡性競爭，不利于消費金融的健康發展。由此可見，中國消費金融發展的特殊性包括：發展時間較短、服務人群特殊、網絡環境鮮明以及同質競爭激烈等。

在我國個人征信體系尚未建成的情況下，中國消費金融發展的特殊性表明，傳統征信方式在我國消費金融應用中的弊端凸顯。主要表現在以下四個方面：

第一，傳統征信的服務范圍窄。傳統征信使用的數據主要來源于央行個人征信系統，而最初的數據來源則是公共服務信息及商業銀行借貸記錄。擁有這部分信息的人群通常具有較高且穩定的收入，發展前景較好的職業，大額的房貸、車貸歷史等，并且基本上都享有額度較高的信用卡授信。在此意義上，傳統征信根本無法覆蓋沒有信貸記錄、收入水平較低的大量長尾人群，而這些長尾人群又正是當前消費金融服務面向的主體。

第二，傳統征信的技術手段弱。在征信數據采集環節，主要采取逐級呈報的方式，該方式通常存在信息滯后嚴重、數據可能被污染和篡改、數據內容缺失等問題；在征信數據的整理環節，主要采取基于現有維度的關鍵字錄入方法，這種方法思想簡單，重復操作次數多、頻率高，容易發生錯誤；在征信數據的保存環節，經過整理后的數據通常以關系表的形式存放于后臺服務器中，如果服務器發生故障，將造成信息的丟失；在征信數據的加工環節，即利用處理過的數據構建個人信用評分模型時，通常以基于統計的邏輯回歸模型為主，選出對個人信用影響顯著的強相關變量，并在此基礎上通過證權轉換的方式進行個人信用評分，該評分過程相對固定，操作較為簡單，但技術手段較弱，效果一般。

第三，傳統征信的條件要求高。首先，接入央行個人征信系統的機構必須具備一定的從業資質。在此要求下，當前很多提供消費信貸服務的互聯網金融平臺并不能直接查詢個人征信報告。其次，傳統征信產品的使用需要花費一定的成本。例如，在當前的收費模式下，個人每年自第3次起查詢自身信用報告的費用為10元/次；商業銀行等機構查詢個人信用報告基準服務費為5元/份；享受優惠政策的金融機構，如農村商業銀行、農村合作銀行、農村信用社等在內的8類金融機構查詢個人信用報告的基準服務費為1元/份。雖然當前服務費用已大幅降低，但由于消費金融面向的授信主體眾多，故查詢成本依然很高。而那些通過間接方式查詢個人信用報告的從業機構則要面臨更高的中間成本。除了資質和成本問題，傳統征信提供的產品較為單一，以個人信用報告為主，消費金融的從業主體必須根據該報告中的信息進行合理的授信，這對于很多非專業的消費金融從業主體來說，挑戰明顯。

第四，傳統征信的適用性能低。基于個人征信報告信息構建的邏輯回歸評分模型，對于不同消費主體的信用區分度低，絕大部分消費主體都位于中間分數段，即是否對其進行授信仍需人工決定，這將大大影響授信的效率。與此同時，如果將該評分方法用于長尾人群，由于缺乏與信用狀況強相關的信貸記錄指標，長尾人群的評分結果堪憂，自然也就無法獲得授信服務。而這對于消費金融從業主體來說，顯然不是明智的選擇，因為如果不能盡可能多地開展授信服務，就無法獲得相應的傭金和違約情形下的違約收益，這不利于消費金融從業機構的長遠發展。除此以外，由于銀行等傳統金融機構面向的客戶群體相對固定，同時這類群體的整體狀況較為穩定，因而征信數據源及邏輯回歸評分模型存在的時滯現象可以得到容忍。然而，消費金融面向的消費者群體類型各異、行為變化頻繁、消費場景豐富，消費者的情況不斷發生變化。在此情況下，傳統征信方式顯然無法有效應對消費者的高頻授信需求。

種種跡象表明，中國消費金融的發展必須依托征信環節的改善。鑒于大數據與征信的天然聯系，大數據征信自然而然成為彌補傳統征信缺陷的重要方式。概括來說，與傳統征信相比，大數據征信在以下六個方面做了提升：

第一，征信理念的拓展。傳統征信傾向于采集能夠反映借款人還款能力的強相關數據，并認為只有這些數據才有利于判斷借款人的違約狀況。大數據征信則揭示了信用經濟的新內涵，通俗地講，即一切數據皆信用。比如，在數據采集的過程中，不僅關注強相關數據的作用，還要注重分析信用影響因素中的非線性特征，加強弱相關數據的信息挖掘；在特征選擇環節，盡可能地對所有變量進行特征變換，減少信息損失；在指標構建環節，結合人工與統計方法，涵蓋反映還款能力與還款意愿的各類指標；在模型構建環節，不拘泥于傳統邏輯回歸分析方法，善于用新方法提升評分效果。應該說，大數據征信的各個環節無不體現著理念創新。

第二，征信主體的拓展。傳統征信通常由獨立的第三方提供，例如央行建立的個人征信體系，其中立性更強，也更具權威性，但其服務面仍然以銀行等傳統金融機構為主。當前，互聯網平臺、大型企業、電商平臺等紛紛利用大數據征信進行信用風險防范，這些企業扮演著征信機構及信貸服務提供商的雙重角色，突破了征信主體獨立的約束，并且這種方式符合當前的業態發展需要，因此前景十分廣闊。

第三，數據來源的拓展。傳統征信的數據來源以銀行等傳統金融機構的借貸記錄為主，覆蓋面較窄。大數據征信的數據來源廣泛，涉及通信、社交、消費、借貸等多個方面，涵蓋面更廣。與此同時，傳統征信的數據源種類較單一，且以結構化存儲為主。大數據征信的數據源類型豐富，包含視頻、音頻、文檔等在內的多種非結構化數據，這些數據能夠更加全面地反映消費主體的行為信息，進而體現其信用狀況。

第四，技術方法的拓展。受到監管要求，傳統征信在數據采集、信用評分等環節較為保守，方法較為固定。大數據征信則更加注重大數據技術方法的運用，比如在數據采集環節，利用先進的爬蟲技術實時抓取信用主體分散的互聯網數據；在數據存儲環節，利用云平臺、分布式技術存儲更加混雜的數據信息；在數據分析環節，利用深度挖掘技術探索變量之間存在的相關關系；在評分模型構建環節，注重機器學習、集成學習的運用。

第五，服務人群的拓展。一方面，大數據征信能夠服務于央行個人征信系統無法覆蓋的群體。以藍領工人、農民、大學生為代表的長尾群體，是大數據征信的主要服務對象，而這些人之前很難享受到銀行等金融機構的信貸服務。另一方面，大數據征信同樣能夠彌補傳統征信服務過程中的不足。比如，當前央行個人征信系統收錄的信用主體信息較為片面，銀行等傳統金融機構使用的個人信用評估方法較為簡單，針對授信主體的借貸條件較為嚴苛等，這些都不利于消費金融業務的拓展。大數據征信在理念、技術、方法上的創新將為傳統征信模式的完善提供思路。

第六，應用范圍的拓展。大數據征信應用的范圍不局限于銀行等傳統金融機構，包括互聯網平臺、大型企業、電商、運營商等在內的消費金融從業主體都能夠借助大數據征信開展相關業務。除此以外，大數據征信的產出不局限于個人信用評估報告，還包括個人信用評分、個人信用評級、個人信貸指南等更具應用價值的產品。

綜上所述，在支撐我國消費金融普惠服務的過程中，傳統征信存在諸多弊端，大數據征信則能夠發揮重要優勢。可以認為，大數據征信是中國消費金融發展的基石：一方面，大數據征信有利于個人信用體系的完善，尤其可以打破信貸記錄缺失人群始終無法獲得授信的怪圈，通過收集其他可替代數據來評估長尾人群的信用狀況，從而為其提供初次授信，并基于初次授信后消費主體的還款表現，進一步對其信用做出調整，以此擴大原有個人征信體系的覆蓋范圍。另一方面，大數據征信起到連接消費金融參與主體的作用，是降低消費金融從業機構與消費主體之間信息不對稱的重要手段。大數據征信有利于實現信貸資源的普惠供應，改變市場信貸配給長期不均衡的格局，縮小不同消費主體之間享受信貸服務的差距。

與此同時，傳統征信流程通常以個人信用報告的提供為結點，忽視了對信用評估效果的考量。究其原因，主要因為傳統征信面向的人群較為穩定，其信用狀況在一段時間內幾乎不會發生變化，查詢個人信用的次數也較為有限。然而，隨著中國消費金融市場的快速發展，消費金融從業機構呈現多元化格局，消費金融產品日益豐富，消費金融場景也更為廣泛。在此意義上，消費金融發展帶來的高頻授信特征，有利于大數據征信流程的完善，有利于大數據征信效果的檢驗，有利于大數據征信模式的優化。因此，中國消費金融是大數據征信流程的重要延伸，也將促進大數據征信過程的完善。總的來說，中國消費金融與大數據征信相互促進、相輔相成。

當前，支撐中國消費金融大數據征信的理論主要有：消費理論，包括絕對收入消費理論、相對收入消費理論、生命周期消費理論、持久收入消費理論、理性預期持久收入消費理論、預防性儲蓄理論等；信貸理論，包括信貸配給理論、信貸約束理論、小額信貸理論等；信息經濟學，包括信息不對稱理論、交易成本理論、信息孤島論等；互聯網金融相關理論，包括金融脫媒理論、長尾理論、普惠金融理論、共享經濟理論等。應該說，中國消費金融大數據征信的理論支撐涉及范圍較廣，單一理論只能對其進行片面解釋。與此同時，消費金融、大數據以及征信本身都是獨立的系統體系，消費金融大數據征信是各個系統體系相互融合形成的更為復雜的系統集合。因此，復雜系統視角下的理論集合能夠更好地支撐中國消費金融大數據征信的發展：消費理論及信貸理論主要為消費金融大數據征信的數據征集提供指導，信息經濟學對于消費金融大數據征信統一標準制定、指標體系構建、評分建模分析等環節提出了更高要求，互聯網金融相關理論指明了消費金融大數據征信的主體、服務人群以及服務模式。從整體角度運用理論集合對消費金融大數據征信全流程進行指導，是本文最終希望表達的觀點。

（作者系南開大學金融學博士，互聯網金融國家社會科學基金重大項目組秘書，上海浦東國際金融學會金融學術委員會特聘專家，中國民生銀行南京分行“互聯網+”精英俱樂部榮譽顧問）