更新时间:2019-03-04 10:36点击:
对此,美国人霍塞在《出卖上海滩》一书中曾提到:“他们的营业是以主顾的个人信用为基础,他们自有一种调查信用的特别方法,他们弥补了黄浦滩和四万万中国人之间的空缺”。
这里所指的“他们”正是钱庄专设的岗位 “跑街”,其负责信用调查,如探询顾客的身家是否可靠,营业是否发达,财产是否殷实等。
可见,社会发展至此,大家对个人信用的衡量靠的依旧是各自的主观判断,但会建立在靠自己能力搜集到的有关对方过去各种表现证据的基础上,开始讲究真凭实据。
到了2006年,在经过近三年的精心准备后,央行的征信中心正式在全国联网运行。
自此传统金融机构在提供服务的过程中,开始将个人征信报告作为最主要的信用评判依据。这份由央行出具的报告包含了个人基本信息、信贷情况、公共数据及个人信用报告查询记录。
其中的不良信息则会被红字或红框标出,比如最近5年内的贷款、贷记卡逾期记录,以及准贷记卡透支超过60天的记录。
显然,个人征信报告的问世,让个人信用实现了数字化解读,更让信用评价有了更广泛、更客观的依据。
然而,央行个人征信系统虽已发展得相当成熟,但其覆盖面毕竟有限—那些在银行没有信贷业务,甚至不使用信用卡的人,其信用记录为零,也就无从判断其个人信用的好与坏。
这一短板,随着互联网金融的发展而愈加凸显。
于是,为了更好的服务“长尾客户”,各大互联网机构纷纷借助新科技的力量,开始大力发展大数据征信。
所谓的大数据征信,即利用数据挖掘、云计算等网络技术,将个人在不同场景的支离破碎数据进行采集、整理、分析和挖掘,并在综合传统建模技术的基础上采用机器学习建模技术,从多个评估维度来评价信用主体的信用状况。
对比央行传统征信中主要依赖线下渠道的数据,大数据征信有着很大的优势。其信息来源更广泛,种类更多样,时效性更强,继而有效弥补了传统征信体系在信息不对称、反欺诈能力以及精准风险定价方面的不足。
大数据征信的兴起,也让个人信用评分在中国得到了快速发展。
截至目前,世界上应用最广泛的个人信用评分方法是Fair Isaac公司开发的FICO评分系统。其打出的信用分数范围在300-850分之间,分数越高 ,说明客户的信用风险越小。
中国众多的互联网机构,则在引进FICO信用评分方法的基础上,纷纷打造出了各具特色的信用等级评分体系。
拥有十余年消费金融服务经验的维信金科,便应用FICO评分建模方式建立了自己的评分模型。
其开发出的50多张独特的评分卡体系使用“信用+补充”数据设计,在基于中国人民银行征信的同时,也利用大数据技术对申请人身份信息、信贷账户的历史记录以及外部数据进行识别和采集,成功对个人的信用风险实现了精准量化,并在此基础上为不同用户提供定制化、个性化的消费信用服务。
正是在各大互联网企业的积极重视和开发下,如今信用分的概念早已深入人心。公众在谈及个人信用时,往往不再会详细提及央行信用报告中是否有逾期记录,而是直接比较信用分的高低。