研究结论：

1.酒店机票预订、网购消费、社交等产生的数据都将成为个人信用报告的一部分。民营征信机构通过采集和整合这些数据，以布局个人征信这个千亿级蓝海市场。

2.目前信贷记录仍是判断一个人履约能力和意愿的核心，社交数据只是补充。但未来社交数据对个人信用的贡献度取决于专业的数据整理能力和精准的算法技术。

3.除了积累多维度数据源、提升数据整理能力和算法技术，未来个人征信机构取胜关键在于产品化能力和应用场景。

序：民营征信机构抢滩千亿级蓝海市场

用打车软件爽约、酒店预订未入住、淘宝网购拒签收……这些看似不经意间的小细节在互联网时代都会留有痕迹。它们可能会影响我们的个人信用，并进而影响我们买车、买房时能拿到多少贷款。

个人征信，简单来讲，就是机构将数据采集过来，在合理、合法、合规的条件下对其进行整理、加工、处理、产品化，然后对外提供信用报告、信用评估、信用信息咨询等服务。

目前，芝麻信用、腾讯征信、前海征信等八家民营征信机构正期待着征信牌照的发放，他们是央行“开闸”后首批获准开展个人征信业务的机构。未来酒店机票预订、网购消费、社交等产生的数据都可能成为个人信用报告的一部分。

央行作为中国征信体系的主导者，仍是现阶段最有公信力，最为独立公允的第三方征信平台，其个人征信报告是目前所有金融机构对用户信用考核的重要标准。

近日，央行等十部委出台了《互联网金融指导意见》，明确指出“推动符合条件的相关从业机构接入金融信用信息基础数据库，允许有条件的从业机构依法申请征信业务许可，接入央行征信系统。”这将在一定程度上缓解网贷（P2P）理财欺诈乱象。

宏源证券的分析师通过对比中美两国情况，测算出中国个人征信市场规模将达1030亿元。民营征信机构正纷纷抢滩千亿级蓝海市场，比如京东金融、快线等在申请第二批征信牌照，未来有望打破央行一家独大的局面。

那么征信市场未来格局如何？民营征信机构如何在赛跑中胜出？另外，哪些数据参数或维度最能判断一个人的履约能力？

信贷记录是核心，社交数据是补充

央行在信贷数据这块有民营机构无法比拟的先发优势，而腾讯征信等民营机构也有其独特的优势，比如腾讯拥有社交数据，那么究竟哪些数据参数最能反映一个人的履约能力和意愿呢？

央行方面认为，假如一个人平时说话做事不坦诚，而他的履约历史记录却一直不错，那么授信机构仍然会相信他在经济层面具备履约能力；只有当履约记录不存在时，非经济层面的信息才会被纳入考虑范畴。

也就是说，判断一个在经济活动中是否守约，信息是分主次，按重点来分类。首先考虑个人信贷数据，假若其历史借贷良好，个人信用就高；如有拖欠水电费、通讯费等现象，也关系不大，毕竟影响这些费用的原因很多。只有找不到信贷数据时，才会依赖水电费等数据作判断。

那么越来越多的社交数据如大众点评网的评价，天猫平台退货记录，滴滴打车爽约记录等到底对个人信用会产生多大的影响？

腾讯征信负责人表示，社交数据对个人信用的贡献是毋庸置疑的，关键是这些海量数据如何处理才能发挥其最大的贡献率。比如社交数据一定程度上对验证欺诈有效，腾讯征信已推出反欺诈产品，同时财付通开发现金贷产品，有助于弥补腾讯信贷记录的缺失。

蚂蚁金服也在尝试消费信贷产品“花呗”，京东金融推出“京东白条”等产品，都希望覆盖更多的用户，摸清用户的还款或违约频次。

但问题是，信贷记录的积累需要时间，结果也需要多次验证才行。所以短期来看，数量庞大的网贷（P2P）公司并不会轻易选择芝麻信用、腾讯征信等民营征信机构。

同时，中国个人征信业务有其独有的特色。正如中智诚征信CEO李萱在2015年中国银行业发展论坛接受媒体采访时表示的那样，阿里通过天猫等电商平台积累的数据，会给ABCD机构使用；或将ABCD机构的数据搜集过来，经过加工，整理，产品化，提供给EFGH机构使用。

个人征信监管机构允许不同业态的八家机构同时存在，交给市场来筛选，这是一种明智的做法。在美国，有三大跨国征信巨头益百利、艾可菲和全联公司，企业主通常会选择一到两个征信机构，而各个征信机构相互竞争，他们的数据源和算法模型，使得信用评级也有所差异。

产品化能力是取胜关键

央行征信中心党委书记王晓明在本月的银行征信系统建设座谈会上发言时称，未来征信体系要考虑更多新元素，比如数据分析维度的延展，征信应用场景的丰富，及信息主体范围的扩大。

同时，王晓明认为，海量的网上交易数据和网络社交平台行为信息的集聚，是对征信系统数据的“注水”过程，所以数据清洗能力和分辨力都至关重要。那么征信机构在赛跑中靠什么制胜？

首先，多维度数据来源。

传统征信数据主要源自信贷领域，而在互联网时代，数据源更广，种类更丰富，时效性更强。交易数据、社交数据等也能反映客户社会关系和经济行业的特征，间接反映个人信用状况。

拿央行来举例，它的一个短板是其征信系统无法覆盖主流用户之外的个人信用情况，所以央行正在不断完善征信系统新数据新信息的收集和补录工作。

央行越来越注重采集非银行信息，与海关、税务、社保等数据源单位接洽，多渠道、多维度地判断信息主体的信用状况，以建立全面、准确、实时的数据库，以防范金融机构的信贷风险。

另一案例是美国P2P领头羊Lending Club，其创始人雷诺middot;拉普兰切(Renaud Laplanche)曾表示，他们通常会采集25项数据源，包括银行信贷记录，Facebook、Twitter等社交数据，Yelp等点评网数据，UPS、FedEx等物流数据，多维度判断借款人的信用。

但值得注意的是，对于准确性不高的数据源，事先就不该采用，否则后期的异议处理会使征信活动很不划算，也可能间接影响到征信机构的公信力。

其次，数据整合能力及算法技术。

批量数据采集后，只有经过精准的分析、整理、保护、加工才能成为决策的依据。通常情况下，信息量大免不了数据会相对琐碎或杂乱，加上数据不连贯不持续，数据噪音会相应增加。

这时就需要进行数据筛选和清洗，挖掘出容错数据，分析出破坏性最大的变量，并将其去掉。同时，建立模型，增强模型预测的准确性。

比如，美国征信巨头益百利（Experion）采用多层次数据挖掘技术和云计算技术，筛选并清洗批量数据，建立算法模型，最终提升其风险的预测力和分辨力。

目前已有部分企业在积累大数据和构建精准模型算法上下了不少功夫，比如芝麻信用有交易数据、腾讯征信有社交数据、京东金融的消费数据、中诚信的银行信贷数据等。

假若数据是征信机构的核心要素，那么对于那些目前还处于同一起跑线上的征信机构，未来凭什么在激烈的市场竞争中胜出？数据究竟该如何发挥价值？

这就涉及到最后一点：产品化能力和应用场景。

未来可能真正考验征信机构的是其产品化能力。美国三大征信巨头益百利、艾可菲和全联公司都十分注重产品创新和多元化，提供反欺诈产品、信用评级产品，及其他风险解决方案。

央行征信中心也已经开始聆听市场需求，优化产品，以提升服务能力，比如开发小微企业信用报告，提供重要信息提示服务，推出个人征信评分“个人信用报告数字解读”服务等。

征信活动本质上是一个商业活动，能折射出一个社会对信用本身的认知，个人征信的发展突破也必将对整个社会诚信体系的构建大有裨益。