“隨著催收流程越來越合規(guī)，風(fēng)控壓力一下子向貸前環(huán)節(jié)傾斜不少。”一家金融科技平臺(tái)負(fù)責(zé)人向記者感慨說。

但他遇到的最大挑戰(zhàn)，卻是數(shù)據(jù)孤島問題遲遲得不到解決，嚴(yán)重制約了借款人信用評(píng)估準(zhǔn)確。

所謂數(shù)據(jù)孤島，主要分成兩個(gè)方面，一是不同機(jī)構(gòu)自主存儲(chǔ)維護(hù)海量數(shù)據(jù)卻沒有共享，造成數(shù)據(jù)資源大量浪費(fèi);二是即便部分機(jī)構(gòu)平臺(tái)擁有大量數(shù)據(jù)，但不同來源數(shù)據(jù)在邏輯上相對(duì)孤立，造成溝通成本極高且影響信用評(píng)估效率。

為了破解數(shù)據(jù)孤島問題，這位金融科技平臺(tái)負(fù)責(zé)人曾尋找多家電商平臺(tái)開展數(shù)據(jù)合作，用于完善借款人信用評(píng)估準(zhǔn)確性。但他發(fā)現(xiàn)，數(shù)據(jù)的“跨島合作”操作繁瑣緩慢，且不少共享信息數(shù)據(jù)缺乏實(shí)時(shí)性。

“這也是金融科技平臺(tái)貸款利率居高不下的原因之一，由于無法全面準(zhǔn)確評(píng)估借款人實(shí)際信用狀況，不少平臺(tái)只能抬高貸款利率轉(zhuǎn)嫁潛在的壞賬風(fēng)險(xiǎn)。”他指出，這既增加了借款人財(cái)務(wù)成本，又使得金融科技平臺(tái)業(yè)務(wù)競(jìng)爭(zhēng)力削弱不少。

記者多方了解到，相關(guān)部門注意到這個(gè)問題。除了發(fā)起百行征信匯聚各家金融科技平臺(tái)數(shù)據(jù)，完善個(gè)人金融信用評(píng)估準(zhǔn)確性全面性之外，近年來地方政府正嘗試設(shè)立信息數(shù)據(jù)共享平臺(tái)，連接打通不同行業(yè)數(shù)據(jù)，通過金融科技等最新技術(shù)實(shí)現(xiàn)這些數(shù)據(jù)的互聯(lián)互通，從而為金融機(jī)構(gòu)與企業(yè)提供更全面的個(gè)人企業(yè)信用評(píng)估信息，完善整個(gè)社會(huì)信用體系建設(shè)。

在多位金融科技平臺(tái)業(yè)內(nèi)人士看來，不同于以往百行征信主要收集個(gè)人金融信用數(shù)據(jù)，平臺(tái)與電商平臺(tái)開展數(shù)據(jù)合作——連接打通單個(gè)行業(yè)與個(gè)人金融信用數(shù)據(jù)等操作模式，這些新的信息數(shù)據(jù)共享平臺(tái)最大特點(diǎn)就是整合不同行業(yè)數(shù)據(jù)，從而為個(gè)人信用狀況準(zhǔn)確評(píng)估提供更廣泛的參考維度。

“不過，要讓各個(gè)行業(yè)留存的海量數(shù)據(jù)在社會(huì)信用體系建設(shè)方面發(fā)揮巨大作用，首先得解決數(shù)據(jù)流通和交換問題，其中除了技術(shù)問題，還會(huì)涉及不少法律問題，比如用戶隱私保護(hù)，數(shù)據(jù)授權(quán)等，這也是當(dāng)前這些地方政府主導(dǎo)型信息數(shù)據(jù)共享平臺(tái)面臨的一大操作難題。”一位熟悉相關(guān)信息數(shù)據(jù)共享平臺(tái)運(yùn)作模式的知情人士向記者透露。

在上海市社會(huì)信用促進(jìn)中心主任傅春看來，當(dāng)前金融科技可以有效解決上述問題。以區(qū)塊鏈技術(shù)為例，它具有不可篡改性與可溯源兩大特點(diǎn)，因此每個(gè)人可以通過區(qū)塊鏈技術(shù)看到自己的信用數(shù)據(jù)被哪些機(jī)構(gòu)使用，主要使用在哪些領(lǐng)域，是否征得自己同意。

傅春指出，在社會(huì)信用推進(jìn)過程里，這類信息數(shù)據(jù)共享平臺(tái)要發(fā)揮巨大作用，迫切需要建立的，是一個(gè)中間橋梁，即信用指導(dǎo)手冊(cè)，它相當(dāng)于信用行業(yè)的交規(guī)，讓各個(gè)市場(chǎng)主體能以合乎規(guī)范的方式分享使用不同行業(yè)數(shù)據(jù)，只要這個(gè)問題得到妥善解決，未來金融機(jī)構(gòu)將更快地開展一系列基于場(chǎng)景化、定制化、個(gè)性化的信用服務(wù)和信用產(chǎn)品，進(jìn)一步完善社會(huì)信用體系建設(shè)。他指出。

數(shù)據(jù)孤島待解

多位金融科技平臺(tái)人士透露，面對(duì)數(shù)據(jù)孤島問題，多數(shù)金融科技平臺(tái)主要采取兩種方式嘗試解決：一是通過百行征信獲取更多黑名單數(shù)據(jù)完善自身反欺詐數(shù)據(jù)庫，從而提升對(duì)借款人信用狀況評(píng)估的準(zhǔn)確性;二是與更多電商等場(chǎng)景服務(wù)平臺(tái)開展數(shù)據(jù)合作，獲取第三方數(shù)據(jù)完善自身智能風(fēng)控模型建設(shè)。

上述金融科技平臺(tái)負(fù)責(zé)人對(duì)此指出，在實(shí)際操作過程中，上述做法效果未必理想。比如并不是所有金融科技平臺(tái)都向百行征信提供自身所有的黑名單數(shù)據(jù)，導(dǎo)致個(gè)人金融信用數(shù)據(jù)不全，影響平臺(tái)的風(fēng)控效率;此外不少電商平臺(tái)所提供的數(shù)據(jù)存在較強(qiáng)的局限性，只有在特定消費(fèi)場(chǎng)景下，這些數(shù)據(jù)才能發(fā)揮提升個(gè)人信用狀況評(píng)估準(zhǔn)確性的作用，一旦脫離這些場(chǎng)景，相關(guān)數(shù)據(jù)的“價(jià)值”大打折扣。

一家國內(nèi)大型金融科技平臺(tái)產(chǎn)品總監(jiān)也坦言，他們?cè)槍?duì)不同消費(fèi)場(chǎng)景搭建了不同消費(fèi)信貸產(chǎn)品運(yùn)營模型，如今這些產(chǎn)品落地遇到的最大短板，就是數(shù)據(jù)孤島問題，導(dǎo)致很多有價(jià)值的產(chǎn)品研發(fā)變成空中樓閣。因?yàn)檫@些產(chǎn)品運(yùn)營模型背后的數(shù)據(jù)支撐都是模擬出來的，一旦投入實(shí)際使用未必“有效”。

在傅春看來，這也是相關(guān)部門推動(dòng)不同行業(yè)數(shù)據(jù)分享交換，助力社會(huì)信用體系建設(shè)的主要原因之一。

“其實(shí)，不同行業(yè)之間的數(shù)據(jù)是存在交叉與互補(bǔ)的。通過將旅游行業(yè)、房產(chǎn)行業(yè)、金融行業(yè)、教育行業(yè)等數(shù)據(jù)進(jìn)行流通交換，可以更準(zhǔn)確全面地描繪個(gè)人、企業(yè)當(dāng)前的信用狀況、經(jīng)濟(jì)實(shí)力與未來消費(fèi)需求等，從而助力各行業(yè)機(jī)構(gòu)提升精準(zhǔn)營銷與風(fēng)險(xiǎn)管理水準(zhǔn)。”傅春指出。

記者多方了解到，在相關(guān)部門支持下，上海社會(huì)信用促進(jìn)中心采取“政府+市場(chǎng)”的雙輪驅(qū)動(dòng)模式，已聯(lián)合銀聯(lián)，螞蟻金服、萬達(dá)征信等不同行業(yè)平臺(tái)，匯聚眾多行業(yè)的數(shù)據(jù)。

在信用算力董事長(zhǎng)兼CEO張建梁看來，要將不同行業(yè)數(shù)據(jù)連接打通并打破數(shù)據(jù)孤島問題，一個(gè)關(guān)鍵問題是能否找到合適的技術(shù)讓這些數(shù)據(jù)“物盡其用”。

“比如人工智能技術(shù)的核心在于海量豐富的數(shù)據(jù)，若數(shù)據(jù)孤島依然存在，將會(huì)很大程度限制人工智能技術(shù)使用效果。”他認(rèn)為，整合不同行業(yè)數(shù)據(jù)的好處是盡早洞察到個(gè)人、小微企業(yè)資金運(yùn)作風(fēng)險(xiǎn)的某些規(guī)律，幫助平臺(tái)提前做好風(fēng)險(xiǎn)防范。比如，德國中小企業(yè)在出現(xiàn)破產(chǎn)風(fēng)波前兩年，企業(yè)經(jīng)營現(xiàn)金流會(huì)迅速下滑，但中國中小企業(yè)在出現(xiàn)經(jīng)營風(fēng)險(xiǎn)前兩年，其現(xiàn)金流反而不會(huì)很差，原因是中國中小企業(yè)很難從銀行拿到貸款，只能從民間或親戚朋友處借款，因此這類隱性借款很難在經(jīng)營性現(xiàn)金流體現(xiàn)。但金融科技平臺(tái)若能匯總大量中小企業(yè)破產(chǎn)前發(fā)生的狀況，通過AI深度學(xué)習(xí)與大數(shù)據(jù)分析技術(shù)可以找出不少企業(yè)經(jīng)營惡化跡象，從而及時(shí)做好貸后風(fēng)險(xiǎn)管理措施。

此外，不少個(gè)人借款額不高，導(dǎo)致還款違約的主要因素不是還款能力，而是還款意愿。因此金融科技平臺(tái)可以“交換分享”借款人在餐飲、旅游、購物消費(fèi)、房貸等不同領(lǐng)域信用消費(fèi)記錄，有效識(shí)別這類風(fēng)險(xiǎn)。

但記者多方了解到，要實(shí)現(xiàn)不同行業(yè)數(shù)據(jù)的交換流通，并非易事。當(dāng)前整個(gè)信用行業(yè)依然缺乏不同行業(yè)數(shù)據(jù)交換流通的操作準(zhǔn)則，導(dǎo)致平臺(tái)之間基于自身利益，不愿拿出所有數(shù)據(jù)進(jìn)行“分享”，影響整個(gè)數(shù)據(jù)交換流通的“公平”效率。

傅春告訴記者，目前上海市社會(huì)信用促進(jìn)中心已成立信用大數(shù)據(jù)聯(lián)合實(shí)驗(yàn)室，實(shí)驗(yàn)室主要從業(yè)務(wù)場(chǎng)景、社會(huì)應(yīng)用、制度建設(shè)、產(chǎn)業(yè)發(fā)展等四個(gè)方面開展工作，對(duì)信用大數(shù)據(jù)應(yīng)用產(chǎn)品建模、交易規(guī)則和定價(jià)等一系列相關(guān)問題進(jìn)行探索、促進(jìn)信用大數(shù)據(jù)新產(chǎn)品、新服務(wù)和新技術(shù)的研發(fā)。同時(shí)，實(shí)驗(yàn)室也著手專門研究跨行業(yè)和領(lǐng)域的信用信息共享的相關(guān)標(biāo)準(zhǔn)。

銀行的努力

為了打破數(shù)據(jù)孤島對(duì)個(gè)人企業(yè)信用狀況評(píng)估準(zhǔn)確性的制約，傳統(tǒng)銀行也在嘗試融合不同領(lǐng)域數(shù)據(jù)。

一位國有大型銀行零售業(yè)務(wù)部門主管向記者表示，當(dāng)前銀行在研發(fā)針對(duì)小微企業(yè)與個(gè)人的消費(fèi)貸款產(chǎn)品方面也遇到數(shù)據(jù)瓶頸。究其原因，銀行內(nèi)部主要匯聚個(gè)人或企業(yè)的金融信息，對(duì)他們公共事業(yè)繳費(fèi)、社交網(wǎng)站行為等數(shù)據(jù)缺乏了解，難以全面了解他們生活行為特征，導(dǎo)致消費(fèi)信貸產(chǎn)品風(fēng)險(xiǎn)定價(jià)未必精準(zhǔn)。

因此這些年他所在的銀行開始嘗試引入第三方數(shù)據(jù)，比如通過與第三方機(jī)構(gòu)合作“獲取”企業(yè)納稅信息與公共事業(yè)繳費(fèi)，從而判斷企業(yè)在貸款存續(xù)期間的經(jīng)營狀況;近日他們還開展與政府相關(guān)部門合作，通過獲取企業(yè)員工的社保基金繳費(fèi)數(shù)據(jù)，側(cè)面了解企業(yè)員工薪資水平漲跌，進(jìn)而判斷企業(yè)的業(yè)務(wù)發(fā)展?fàn)顩r好壞。

記者多方了解到，為了持續(xù)提升個(gè)人企業(yè)信用狀況評(píng)估準(zhǔn)確性，部分銀行正與當(dāng)?shù)胤ㄔ号c公安機(jī)關(guān)展數(shù)據(jù)合作，將失信個(gè)人與企業(yè)等公開資料信息納入貸款風(fēng)險(xiǎn)評(píng)估模型，一旦貸款企業(yè)與這些失信人(或企業(yè))存在業(yè)務(wù)往來，銀行風(fēng)控模型將迅速提示潛在的貸款風(fēng)險(xiǎn)。

這位國有大型銀行零售業(yè)務(wù)部門主管坦言，盡管銀行積極嘗試引入不同領(lǐng)域行業(yè)數(shù)據(jù)，但當(dāng)前被銀行采納的數(shù)據(jù)占比并不高。究其原因，一是銀行擔(dān)心數(shù)據(jù)來源的合規(guī)性，比如部分金融科技平臺(tái)利用爬蟲技術(shù)“采集”借款人大量個(gè)人隱私信息。但這些隱私信息需要個(gè)人授權(quán)才能使用，因此銀行擔(dān)心一旦個(gè)人問責(zé)，銀行也會(huì)受到牽連;二是數(shù)據(jù)局限性比較強(qiáng)，比如不少場(chǎng)景服務(wù)方所提供的數(shù)據(jù)僅限于特定的消費(fèi)場(chǎng)景，一旦離開特定消費(fèi)場(chǎng)景，其使用效果就大打折扣。

“這背后，也折射出銀行自身風(fēng)控模型開發(fā)不足的短板。”他指出。要解決這個(gè)瓶頸，還需要銀行加大引入不同領(lǐng)域行業(yè)數(shù)據(jù)，在加大風(fēng)控模型研發(fā)投入同時(shí)采取系統(tǒng)化操作方式持續(xù)壓低運(yùn)營成本，從而塑造自身消費(fèi)貸款業(yè)務(wù)核心競(jìng)爭(zhēng)力。

“不過，即便融合大量不同行業(yè)領(lǐng)域數(shù)據(jù)，銀行風(fēng)控模型能否見效，仍是未知數(shù)。”多位業(yè)內(nèi)人士透露，這考驗(yàn)著數(shù)據(jù)采集的質(zhì)量。事實(shí)上，相比個(gè)人消費(fèi)者的數(shù)據(jù)與用戶畫像相對(duì)容易獲取，不少小微企業(yè)數(shù)據(jù)往往難以連續(xù)有效，且無法通過現(xiàn)場(chǎng)調(diào)查了解企業(yè)真實(shí)的經(jīng)營狀況，因此銀行要健全小微企業(yè)的大數(shù)據(jù)風(fēng)控模型，除了引入員工社保基金繳費(fèi)、企業(yè)水電費(fèi)與企業(yè)繳稅等數(shù)據(jù)，還需要結(jié)合各個(gè)行業(yè)最新數(shù)據(jù)對(duì)行業(yè)發(fā)展前景進(jìn)行研判，從而提前洞察不同地域不同行業(yè)潛在的經(jīng)營風(fēng)險(xiǎn)，才能最大限度提升相關(guān)企業(yè)信用評(píng)估的準(zhǔn)確性全面性。

關(guān)鍵詞： 個(gè)人企業(yè) 信用 金融