自央行發布《關於做好個人征信業務准備工作的通知》(下稱《通知》)，個人征信市場一觸即發，上述《通知》要求芝麻信用、騰訊征信、深圳前海征信、鵬元征信、中誠信征、中智誠征信、拉卡拉信用、北京華道征信等八家機構做好個人征信業務的准備工作，准備時間為6個月。

　　這八家商業機構各有背景，除了以鵬元為代表的老牌機構外，芝麻、騰訊、前海背後的“三馬”再次聚首引發了市場的熱議，在過去的兩年，“三馬”在互聯網金融領域興風作浪，競爭也伴隨著合作，而對於個人征信這塊全新的業務，三家又能玩出什么花樣?

　　近日，《第一財經日報》記者分別采訪了三家征信業務相關負責人解讀自家商業模式，顯然，“三馬”各有側重，究竟誰在未來能夠成為翹楚，要市場的試煉。

　　優勢數據源決定方法論

　　上述《通知》發布以後，三家又開始了新一輪的忙碌，“這不是意味著牌照的下發，央行給了6個月的准備期，此後還要進行一輪檢查，看看是否達到條件。”深圳前海征信總經理邱寒在接受《第一財經日報》記者采訪時說。

　　邱寒猜測，下一步央行關注的依舊是個人信息安全和個人隱私保護，“不管是內控制度的建立、系統信息安全防范機制還是授權條例，肯定都是檢查的重點方向，這些也是前期的准備方向。”她說。

　　而就在《通知》發布之前，三家也已經基於各自現有的數據進行了大量的內部測試，平安於2012年就盯上了征信業務，當時也與央行進行了意向溝通，直到《征信業管理條例》和《征信機構管理辦法》於2013年3月和12月分別出台，商業機構申請成立征信機構才有了法律的依據。

　　平安有8000萬個人客戶，作為金融機構，平安的客戶基本都是實名制，且交易行為更多的是屬於金融行為，與個人征信所需要的數據源高度相關。

　　“其實我們之前做了一些內部測試，更多的是基於內部子公司的需求，不進入征信系統，拿到牌照後，我們會與集團各個專業公司談，但平安集團內部的金融業態非常複雜，面對的監管也不一樣，所以還需要個案處理。”邱寒說。

　　在她看來，平安一直在與風險打交道，不同的產品有不同的風險表現形式，在這個基礎上再融入新的數據源，就可以把傳統經驗提到一個新的高度。

　　“對於任何一個人未來風險的評價都是基於對於曆史的驗證，評價模型沒有經過曆史數據的長時間驗證都是無本之木，不管征信發展到什么程度，曆史數據永遠非常重要。”她說。

　　而騰訊征信總經理(籌)吳丹在接受《第一財經日報》記者采訪時表示，騰訊征信的數據是建立在騰訊自己多年數據積累的基礎之上，“騰訊內部數據非常豐富，包括社交、支付、遊戲、虛擬行為、網絡行為表現等，這些數據是傳統公司很少觸及的領域”。

　　“在過去一段時間，我們做了非常多的探索。每一天都在發現新的變量、新的模式和新的規律，同時也在驗證，觀察它對信用評分是否合適，經過科學的建模、測試之後，才會把它放到征信裏面去，作為產品對外提供。”他說。

　　據了解，目前騰訊覆蓋8億QQ賬戶，5億微信賬戶和3億支付用戶，對於外界質疑騰訊缺乏與金融直接相關的數據，如何玩征信?吳丹說，騰訊自己做過一些信貸產品，這種產品不是只針對有信用卡的客戶，有很多嘗試是針對比較草根的用戶，比如剛剛進入社會的大學生，貸款額可能只有500元、1000元。

　　“這方面的信息我們也在累積，可能金融機構或銀行認為騰訊沒有那么多直接的表現數據，事實上，這個事情我們一直在做，如今已經累積了相當量的數據，足夠讓我們做出信用模型，足夠讓我們對用戶信用判斷達到一定的程度，我們現在可以對上億的用戶做出信用評分。”吳丹說。

　　相比於前兩家，在個人征信領域，阿裏一直被寄予玩出更多花樣，芝麻信用隸屬於螞蟻金融服務集團，就在央行下發《通知》之前，螞蟻金服旗下的螞蟻微貸就聯合淘寶、天貓共同推出一項名為“花唄”的消費貸款服務。

　　“花唄還是一個試用的場景，只開放給一部分活躍用戶，無論是花唄還是微貸，背後的很多模型與芝麻信用是共通的。”螞蟻金服一位負責人對本報記者說。

　　“其實，個人信用在阿裏內部已經推進了很多年，阿裏小貸就是利用線上的數據來判斷賣家的信用，這就是征信數據，阿裏小貸的信用數據拿出來甚至可以給銀行作參考，目前，芝麻信用內部測試構建的模型已經不止上萬個。”他說。

　　據了解，目前螞蟻金服已經有3億實名制用戶，“外界一直在說，我們只有電商數據，但其實，電商數據伴隨著一系列行為：注冊、收貨、物流、認證、基於金錢的社交工具、理財、訂酒店、訂航班、交水電煤費用，電商是中間的一個點，圍繞這個點發散出來的東西是非常豐富的。”上述螞蟻金服負責人說。

　　建模能力決定有效性

　　盡管三家都認為自己積累了行業內最為豐富的大數據，但僅有數據來源是不夠的，其背後是數據處理能力和研究，如何在海量的數據裏建立評判個人信用的模型，且被驗證行之有效，是關鍵所在。

　　“所謂的大數據分析，其實就是找出不同數據之間的關聯性，找出因果關系，有很多時候，這些因果關系在我們的常識裏是很難想到的，在傳統征信領域，判斷一個人的信用狀況維度很簡單，比如收入高低、地位高低、有房否，有車否，但在互聯網領域，一個你從未關注過的維度可能就與信用正相關或反相關。”上述螞蟻金服負責人說。

　　那么，如何搭起這種維度與維度之間的相關性，就成為擺在三家征信機構面前的首要問題。

　　“信用是很複雜的，比如兩個人今天買了同樣的手機，但不代表兩人是一樣的，可能他們的消費觀不一樣，前一個人比較節約，所以買了這個手機，但他本身很有錢，後一個人比較鋪張浪費，買完手機後口袋空空，兩個人的信用肯定不一樣，所以要用曆史數據作為參考系驗證這種規則是否有效。”邱寒說。

　　“模型的建立其實沒有太多特別，但這些模型最終是否有效，是否適合用戶，這是需要驗證的，模型只是一種呈現，重要的是建模的能力、分析的能力。”邱寒說。

　　她認為，人是非常複雜的，單獨從任何一個方向來評價都不足夠，要把各種維度串聯起來，尤其是與金融相關的維度，金融維度更為重要。

　　吳丹也表示，建立行之有效的信用判定模型非常困難，要在各個變量中一個一個嘗試，“上萬個變量，都要經過驗證，”吳丹表示，騰訊的互聯網大數據征信主要運用社交網絡上的海量信息，比如在線、財產、消費、社交等情況，為用戶建立基於互聯網信息的征信報告。

　　具體說來，征信體系將利用其大數據平台TDBANK，在不同數據源中，采集處理相關行為和基礎畫像等數據，並利用統計學、傳統機器學習的方法，得出用戶信用得分，形成個人征信報告。

　　在大家眼中，社交軟件上往往缺乏真實性，如果拿來作為征信數據的參考系，是否有效?對此，吳丹解釋，社交數據的有效性在國內外都是很前沿的課題，業內也有很多不同的聲音，“但對我們來說，社交數據肯定有用，我們做過的探索和模型能夠證明這一點，目前我們研究的是社交數據多有用以及如何用起來，如何令其在評分裏更加穩定。”

　　他舉例道，比如一個QQ賬戶是虛擬身份，雖然我們可能不知道這個用戶背後的人是誰，但不能說這個賬戶是沒有價值的，一個稀缺的QQ號碼在黑市上的價格可能是幾萬或十幾萬，這個賬號本身就產生了價值。

　　“如果這個賬戶背後的人有一天對銀行說，我把這個賬戶抵押給你，能否給我500元的借款?我們認為可以做，這就是虛擬財產的價值。”吳丹說。

　　“芝麻信用構建模型不止上萬個，這些模型也是核心競爭力，沒有一個公司會泄露模型的構成，模型一旦泄露，一是涉及商業泄密，二是可能造成信用套利。”螞蟻金服內部人士表示。

　　“比如，我們發現，一個消費者的捐贈行為豐富，信用通常非常好，而且兩者的比例是保持不變的。我們會跟市場講，如果經常獻愛心，信用就會好，但我不會告訴你一個月要獻多少次愛心，金額多少，算信用好。”他說。

　　“我們有開放式的、分布式的數據平台系統，把這些數據進行一些整理、運算以後，會得出用戶的畫像，包括他的資金往來關系等等。測試後發現，無論是人群覆蓋度還是對業務場景信用的區分程度上都有一個很好的表現。”螞蟻金服內部人士表示。

　　該人士解釋，芝麻信用能夠參考的維度包括淘寶、支付寶錢包、信用卡、繳費、支付、消費、年齡、性別、職業、家庭、狀況、注冊信息、是否實名認證、興趣偏好、物品檔次怎么樣、有沒有黑名單記錄、資金、支付的渠道、資金往來的人脈關系，等等。“人脈關系有很多場景，我們可以聊天，加一個好友，但資金是最確切的，那些可能和你發生資金關系的人一定比普通與你聊天的人更密切。”他說。

　　另外，芝麻信用把這些個人信用評判系統開發出來，還要和外部的數據進行雙向流動，使得反饋數據再回流到芝麻信用，從而修正或積累這個人的信用情況。