人口红利能否中国大数据征信实现弯道超车？.doc

《人口红利能否中国大数据征信实现弯道超车？.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、人口红利能否中国大数据征信实现弯道超车？　　“支付鸨”事件的爆发，让征信成为关注焦点，媒体、互金从业者纷纷就此发表观点，议论多围绕着支付宝乱用征信场景，为上线社交不择手段等重心，让人们对国内以芝麻信用和腾讯征信为代表的大数据征信产生了质疑甚至批判的态度。　　人口红利能否中国大数据征信实现弯道超车？　　其实，如果对照比较中美的征信市场和社会信用体系的发展和现状，我们会发现，尽管目前国内确实存在一些问题，但是大数据征信的后来居上，确实缩短了中美之间在征信领域的整体差距。这种情况也正好暗合你我金融CEO廖红

2、梅女士的观察：中国因为互联网金融的崛起，缩短了中美在金融领域的差距。　　　　市场主导vs政府主导　　　　从征信体系的模式来看，世界各国主要有三种模式：一是以美国为代表的市场主导型的征信体系，征信机构（无论是传统征信局还是大数据征信企业）基本都是以营利为目的企业，它们相互竞争，彼此融合，以独立第三方名义为企业的和个人提供征信服务。政府只是负责信用管理立法，监督信用管理法律的贯彻于执行。　　　　二是政府主导的征信体系，法国、德国都是这种模式，中国也采用这种体系。以中国为例，央行主导的征信中心是国内最大的信

3、用基础数据库，而民间的78家企业征信机构和8家个人征信机构是完善、补充央行征信中心的重要组成部分。　　　　除此之外，还有一种以日本为代表的行业协会主建的会员制征信体系类型，暂不在本文的讨论范围内。　　　　传统征信覆盖率：95%vs35%　　　　无论是市场主导的征信模式，还是政府主导的征信模式，目前都存在传统征信与大数据征信之分，以个人征信为例，如果将美国三大增信局Epuifax（艾可菲）、Experian（益百利）和TransUnion（全联）和中国央行征信中心定义为传统征信机构，那么可以总结出传统征

4、信的三个特征：一是从金融机构、公共部门等处采集借款人信息，二是征信数据采集限于金融属性信息，三是独立第三方原则。　　　　在大数据征信兴起之前，传统征信在中美两国的覆盖率差距很大，包括三大征信局在内的美国前50名信贷机构使用的FICO评分，是美国主流的征信评分模型，被绝大多数金融机构认可，该评分系统得出的信用分数范围在300分-850分之间，评分越高，说明客户的信用风险越小，数据显示，目前95%以上的美国个人使用了FICO评分。　　　　反观中国的央行征信系统，作为基础数据库的央行征信系统号称覆盖了8亿人

5、，然而其中有征信记录的只有3亿人，另外5亿人在系统中只有基本信息，没有金融属性信息，再加上那些连基本信息都未被记录的人群，未被央行征信系统覆盖的人数占比65%，也就是说国内传统征信覆盖的人口占比仅35%，远远低于美国。　　　　大数据征信：ZestFinancevs阿里、腾讯　　　　大数据征信与传统征信最大的不同，一是采集数据的范畴已经突破了“金融属性”，传统征信主要收集金融机构的借贷信息，而大数据征信则延伸到社交数据、电商数据等没有金融属性的互联网数据。　　　　二是征信机构“独立第三方”的边界被模糊。

6、传统征信机构产业链主要有三方，分别是数据提供方，包括银行、政府、公共事业单位（电信运营商等），持牌征信机构，经数据所有人同意后，对提供方提供的数据进行分析整合处理，得出征信报告或其他征信产品，提供给（有偿或无偿）征信产品的使用方，包括银行金融机构、保险机构、招聘方、房屋出租机构等。说白了，传统征信自己是第三方，与数据