隨著我國金融產(chǎn)品種類與業(yè)務(wù)的快速發(fā)展，金融市場對外規(guī)模日益擴(kuò)大，尤其是互聯(lián)網(wǎng)信用體系等的高速發(fā)展，征信業(yè)的重要性越來越大。但與金融市場迫切的需求相比，我國當(dāng)前的征信業(yè)還處于很弱的發(fā)展初期階段。

那么征信業(yè)究竟存在哪些問題，如何將其不斷完善與發(fā)展呢？我們可以從大數(shù)據(jù)對征信方法與流程所發(fā)揮的作用角度進(jìn)行討論。

征信是指為個人或機(jī)構(gòu)過去的信用歷史提供信息，從而幫助人們判斷借款人的還款可能性。對于企業(yè)，征信的任務(wù)通常是由信用評估機(jī)構(gòu)來完成的；個人的征信記錄則是由個人征信機(jī)構(gòu)來完成。

征信的意義在于，它可以幫助提供貸款的人或機(jī)構(gòu)理解借款人的信用風(fēng)險以及其還款的可能性。征信存在的理論基礎(chǔ)是，從過去人們的信用行為特征中，可以幫助判斷其未來還付貸款的可能性。但是它不能夠足夠保證借款人絕對百分之百地償還部分或全部貸款。

從方法上，個人的征信評估通常采用的是評分（Scoring）方法，它是建立在數(shù)理統(tǒng)計預(yù)測的基礎(chǔ)上的。評分方法首先關(guān)注的是相關(guān)領(lǐng)域的信息，既有來自問卷咨詢、官方信息，也包含一些半官方信息。

當(dāng)前大數(shù)據(jù)的發(fā)展應(yīng)當(dāng)說為獲取更多、更高質(zhì)量的信息提供了捷徑。但是人們不能忽略的是，獲取的數(shù)據(jù)要經(jīng)過嚴(yán)格的篩選與定性。對于成熟的征信系統(tǒng)，其獲取信息與數(shù)據(jù)要不斷隨著社會現(xiàn)象的發(fā)展而不斷進(jìn)化的。例如在德國，其征信機(jī)構(gòu)曾經(jīng)嘗試將臉書（Facebook）納入其征信信息系統(tǒng)中，將其信息用來評估個人的信用積分。

雖然擁有海量信息與大數(shù)據(jù)，征信的評估過程仍舊要有人工的參與，完全依賴機(jī)器的算法是達(dá)不到最終信用評估的結(jié)果的。

例如，從臉書中，人們可以通過人腦對信息的理解、思維、判斷等，來借助人與人之間的關(guān)系識別個人的信用度（通常借助于其謊言出現(xiàn)的頻率等）。在這一點上，只有人腦通過判斷才能夠達(dá)到目的，機(jī)器算法在這里是無能為力的。

另一方面，并不是所有這些海量的數(shù)據(jù)都有利用價值。人們首先要有一個模型，究竟哪些數(shù)據(jù)有用，哪些數(shù)據(jù)價值不高。雖然現(xiàn)代科技使得人們可以更加方便地獲得大數(shù)據(jù)，但是擁有幾個說服力強(qiáng)的模型是首要任務(wù)。只有那些與模型相關(guān)的、能夠測量信用積分的數(shù)據(jù)才有意義。

對于傳統(tǒng)的征信方法，人們專注例如姓名、住址、通訊方式等基本信息，接下來更重要的、能幫助判斷其財務(wù)能力的一些信息還包括過去的支付歷史、擁有房產(chǎn)狀況（其中包括是自有方式還是租賃方式）、銀行賬戶信息、貸款與租賃合同、信用卡信息、網(wǎng)購的客戶賬戶、貸出款項信息等。

中國人民銀行征信中心個人征信系統(tǒng)采集的信息覆蓋個人貸款、信用卡、擔(dān)保等信貸信息，以及個人住房公積金繳存信息、社會保險繳存和發(fā)放信息、車輛交易和抵押信息、法院判決和執(zhí)行信息、稅務(wù)信息、電信信息、個人低保救助信息、執(zhí)業(yè)資格和獎懲信息共計8類公共信息，涉及的數(shù)據(jù)項超過80項。與市場上存在的互聯(lián)網(wǎng)征信與信用評估機(jī)構(gòu)相比，該系統(tǒng)獲取的信息種類與規(guī)模大不相同，它比互聯(lián)網(wǎng)征信系統(tǒng)要完善得多。

征信的結(jié)果針對企業(yè)與個人，其用途也不一樣。信用評級公司為企業(yè)做信用評估的結(jié)果可以直接被用于判斷其違約可能性。而針對個人的征信結(jié)果，通常是為客戶提供參考意見。

在當(dāng)下普遍的征信體系中，消費金融歷史交易記錄是它們主要提供與參考的數(shù)據(jù)。從正面角度來說，這些消費金融的記錄有助于人們評估消費者的信用度；但是從負(fù)面來說，受制于現(xiàn)代科技安全手段的局限，常存在一些偽造數(shù)據(jù)記錄的現(xiàn)象，從而其效果也一般。

我國民間的網(wǎng)絡(luò)征信系統(tǒng)當(dāng)前競爭很激烈，但是它們在方法上需要改進(jìn)，僅僅依賴消費歷史記錄是不足的。

我們建議，如果能通過合法的途徑，增添進(jìn)去例如銀行開戶的信息、申請信用卡的信息、貸款與租賃等類別的合同信息（包含是否及時歸還按揭貸款、是否按照約定的額度歸還貸款）等方面與個人信用行為相關(guān)聯(lián)的信息，都有助于完善原有模型。

此外，尤其是小額消費貸款，其區(qū)別于普通消費貸款的一個重要特征就是：無還款意愿是其違約的主要動力。這一點必須是通過人為的審核才能夠被識別。征信系統(tǒng)要配合人為判斷，才是更好的解決辦法。

此外，從方法上我們還建議引入權(quán)重的概念。征信記錄的歷史數(shù)據(jù)，隨著時間的演變，其權(quán)重也會發(fā)生變化。人們在最開始的記錄得出信用積分，其權(quán)重要低于最新得出的信用積分。換句話說，最近的關(guān)于個人信用度的信息，其重要性要高于很久以前獲得的關(guān)于個人信用度的信息。隨著數(shù)據(jù)庫的不斷擴(kuò)大，這一點的重要性也愈加明顯。這表明數(shù)據(jù)庫的信息定期更新起著不可忽略的作用。

我們還建議，民間的網(wǎng)絡(luò)征信系統(tǒng)要采用人工智能與專業(yè)人員人為判斷相結(jié)合的方式。純粹依賴人工智能和僅有的大數(shù)據(jù)，其結(jié)果不會理想。

其原因在于，當(dāng)前人工智能的算法遠(yuǎn)達(dá)不到替代人腦的程度。信用評分的結(jié)果不僅是交易記錄得來的，它在一定程度上還依賴著數(shù)量統(tǒng)計的方法。一方面，數(shù)理統(tǒng)計幫助人腦判斷的方法存在局限性；另一方面，在有的領(lǐng)域，運用數(shù)理統(tǒng)計的方法來替代人腦在當(dāng)前還只是天方夜譚。