大数据征信和传统征信有什么区别？
一.政策支持
2013以来，我国颁布了一系列法律法规，为征信行业的健康发展构建了法律制度框架。2013年3月，国务院发布《征信业管理条例》(以下简称《条例》)，成为我国第一部征信业法规，也是我国征信法制建设的基石。2013 12为配合条例的实施，中国人民银行发布了《征信机构管理办法》，落实了建立健全社会征信体系的要求，确立了征信业务活动的制度规范和监管依据。
此外，为提高个人征信服务水平，引入市场竞争，我国为逐步开放征信市场做了立法准备。2015 15中国人民银行发布《关于做好个人征信服务准备工作的通知》，批准8家机构做好个人征信服务准备工作。2065438+2005年7月，中国人民银行等十部门发布《关于促进互联网金融健康发展的指导意见》(以下简称《指导意见》)，提出推进信用基础设施建设，培育互联网金融配套服务体系，鼓励符合条件的机构依法申请征信业务许可证。监管改革措施为大数据征信发展创造了良好的外部环境。
值得注意的是，为加快大数据部署，深化大数据应用，推动“互联网+”国家战略实施，2015年7月，国务院印发《促进大数据发展行动计划》，2015年9月，国务院办公厅印发《关于运用大数据加强市场主体服务和监管的意见》。《促进大数据发展行动计划》中最引人注目的是开放政府数据和促进产业创新，鼓励大数据在征信行业的应用和发展。有关专家认为，大数据是征信建设的重要“矿产资源”。征信建设必须依托和支撑大数据，利用大数据在广度和深度上建立信用体系，提高信用评价的全面性、及时性和信用效率。
大数据时代，数据成为了等同于能源的战略资源，信息公开和数据开放成为了当今时代的主题。行政机关在履行行政管理和公共服务职责的过程中，掌握了大量的信息。如何通过信息公开来管理和盘活这些数据资产，成为行政机关迫切需要解决的问题。党的十八届四中全会《中央关于全面推进依法治国若干重大问题的决定》明确提出，要全面推进政务公开，推进政务信息化，加强互联网政务信息数据服务平台建设。数据公开制度的逐步建立，为社会信息资源的开放、共享和服务提供了制度保障。
这些法律、法规、规章和制度的制定，有利于加强对整个征信市场的管理，规范信息提供者、信息使用者和征信机构的行为，维护信息主体的权益。同时，其他配套制度也在逐步制定和完善，将与条例形成征信法律体系，促进我国征信业健康持续发展，更好地满足个人和企业的融资需求。
第二，市场需求
近年来，互联网金融异军突起，成为中国经济发展的新生力量。互联网金融在蓬勃发展的同时，由于成立时间短，自身风险防控能力薄弱，信用评估、风险定价、风险管理不完善，问题事件不断涌现。一方面，互联网金融的大部分用户是具有“长尾特征”的网络用户，很难被传统征信覆盖。而且由于行业组织之间缺乏信息数据的沟通和交流，“一人多贷”现象突出，整个行业面临巨大的信用风险。另一方面，由于征信体系不完善，互联网金融公司普遍依赖线下风控，大量尽职调查耗时耗力，不仅增加了自身运营成本，而且对借款人信用水平的评估也容易出现偏差，间接增加了融资成本。传统征信机制的不完善已经成为制约互联网金融发展的主要因素。互联网金融的发展为大数据征信的发展提供了巨大的应用前景，倒逼征信与时俱进，推动征信机制改革。
第三，技术支持
除了以上两个因素，大数据征信的兴起也离不开技术支持。大数据和云计算技术的进步为大数据征信的发展提供了支持和便利，人工智能算法模型为全面刻画用户违约概率和信用状况提供了有力补充。一方面，随着“互联网+”的发展，人们的衣食住行、社会交往与互联网趋于紧密结合，大量与个人信用信息相关的数据在互联网上产生和沉淀。借助大数据捕获和挖掘技术以及云计算技术，更容易收集、记录、存储和分析这些数据。另一方面，以机器学习为代表的人工智能技术相继被采用，不仅可以对从各种渠道获得的结构化和非结构化数据进行分析、归纳和总结，还可以设计多种预测模型(欺诈模型、身份验证模型、还款意愿模型和稳定性模型等。)来预测信贷主体的履约意愿和能力，降低违约风险和坏账率。
邹传伟谢平。发展独立第三方征信机构的途径。财新周刊，2017-02。
相关阅读
南湖金融科技研究百篇系列文章(33)
-大数据征信与传统征信的比较。
近年来，随着互联网金融和大数据技术的发展，大数据征信开始兴起。大数据征信具有覆盖面广、信息多维度、应用场景丰富、信用评估全面等四大创新特征。但与传统征信相比，在数据类别和内涵的效用、征信机构的独立性、隐私保护等方面仍存在诸多问题，需要引起重视。
一、征信的基本概念
传统征信是通过固定模式定向收集金融和金融交易信息，并对信息进行加工、处理和报告的专业信用管理服务。传统的信用调查兴起于国外。在美国，以Dunham & Company为代表，成立于1933。在中国，主要以中央人民银行征信系统为代表，这是中国乃至国际上通用的征信格式。在中国设立征信机构、开展征信业务受《征信业管理条例》约束，需要申请相应的牌照。
大数据征信是指对海量、多样化、实时、有价值的数据进行收集、整理、分析和挖掘，利用大数据技术重新设计信用评估模型算法，多维度刻画信用主体的“画像”，将信用主体的违约率和信用状况呈现给信息使用者。
大数据征信活动的本质仍然是在《征信业管理条例》界定的征信业务范围内，对信用主体信息的采集、整理、保存、加工和发布。但与传统征信相比，它突出了大数据技术在征信活动中的应用，强调了数据量大、表征维度广、信用状况动态交互等特点，可以作为征信体系的有益补充。
二、大数据征信的创新特征
表面看来，大数据征信和传统征信只是数据获取渠道不同。前者主要来源于互联网，后者主要来源于传统线下渠道，但两者有很大的区别。大数据征信的创新主要表现在四个方面:覆盖人群广、信息多维度、应用场景丰富、信用评估全面，带来征信成本的降低和征信效率的提升。
首先，它涵盖的人群很广。传统的征信主要覆盖在持牌金融机构有信用记录的人群。大数据征信通过大数据技术捕捉传统征信覆盖不到的人群，利用互联网痕迹辅助信用判断，满足P2P点对点借贷、第三方支付、互联网保险等互联网金融新业态的身份识别、反欺诈、信用评估等征信需求。
其次，信息维度多样。互联网时代，大数据征信的信息和数据来源更加广泛和多样。大数据征信数据不再局限于个人基本信息、账单信息、信用记录、逾期记录等。由金融机构、政府机构和电信提供，但也引入了互联网行为跟踪记录、社交互动和客户评价等数据。这些数据可以在一定程度上反映信息主体的行为习惯、消费偏好和社会关系，有利于全面评估信息主体的信用风险。
再次，应用场景丰富。大数据征信将不再单纯用于经济金融活动，还可以将应用场景从经济金融领域拓展到日常生活的方方面面，如租房租车、订酒店、签证、结婚、求职、办理保险等需要信用表现的生活场景，在营销支持、反欺诈、贷后风险监测预警、催收账款等方面都有良好的应用表现。
最后，信用评价是全面的。大数据征信的信用评估模型，不仅注重对信用主体历史信息的深度挖掘，更注重信用主体信息的实时性、动态性和互动性。基于对信用主体行为轨迹的研究，可以在一定程度上准确预测其履行职责的意愿、能力和稳定性。此外，大数据征信在整合传统建模技术的基础上，运用大数据技术和机器学习建模技术，从多个评价维度对信用主体的信用状况进行评价。
第三，大数据征信的问题
借助大数据技术，大数据征信可以更全面地了解征信对象，减少信息不对称，增加反欺诈能力，同时更准确地对风险进行定价，从数据维度和分析的角度提升传统征信水平，可以使征信更加科学严谨，是必要的补充。但从数据类别和内涵的效用、征信机构的独立性、隐私保护等方面来看，大数据征信仍存在诸多问题，需要引起重视。
第一，数据的类别和内涵已经突破了“金融属性”，其效用还有待验证。传统征信的数据主要来源于金融机构和公共部门组成的数据循环，以银行信用信息为核心，包括社保、公积金、环保、欠税、民事审判和执行等公共信息，数据相对完整、权威。大数据征信数据的范畴突破了“金融属性”。数据主要来源于电商平台、社交平台和生活服务平台，涵盖线上交易数据、社交数据和互联网服务过程中产生的行为数据。这些数据大多与借贷行为关系不大，权威性较弱，各平台的数据完整性也不一样。因此，能否作为判断信用主体信用状况的主要指标，还有待市场验证。
第二，数据收集和使用没有遵循“独立第三方”的基本原则。传统征信坚持独立的第三方征信原则，征信机构是“市场中立的”——不与信息提供者或信息使用者发生直接的商业竞争，也不干预或影响信息提供者或信息使用者在各自细分市场的竞争。但大数据征信突破了“独立第三方”的边界，征信机构对数据的采集和使用多来源于并应用于自身业务，征信的有效性无法得到保障，可信度受到质疑。而且，如果信息提供者或信息使用者控制了征信机构，很难约束其滥用征信数据或损害个人征信权利。另外，征信机构会在无形中获得一定的市场影响力，可能扭曲信息提供者和信息使用者的行为，控制收费。因此，大数据征信的发展应坚持独立第三方征信的基本原则，保持“市场中立”。
第三，隐私保护形势日益严峻。大数据时代，数据挖掘和爬虫技术被广泛应用，信用主体的全方位信息数据可以被完整采集。海量信息数据的采集给信用主体的隐私带来巨大挑战，隐私保护变得更加困难。比如，特定场合使用的信息数据被用于其他商业用途，不同机构之间对信息数据的交叉验证大大增加了侵犯隐私的风险。
(作者单位:南湖互联网金融学院李雪婷)