观点 | 征信服务与共享经济的协同化发展
过去，碍于商业征信的空白，征信服务和共享经济一直是并行发展。如今，随着征信机构牌照逐步向民间机构开放，征信服务与共享经济的融合也将逐步加深。有理由相信，完善的征信体系将有助于规避共享经济中的风险因素，共享平台所记录的行为数据也能为征信服务提供重要参考，二者的未来将是协同前进。
1 市场上有哪些个人征信服务？
征信，由第三方专业机构整合银行、政府等公共机构中所记录的信用信息，基于用户过去的信用行为，预测未来的经济活动。由此产生的信用报告，一直被认为是“经济身份证”，不仅是申请借贷服务的通行证，也是反映诚信水平的权威背书。
我国征信行业的发展一直以企业征信为主，个人征信则较为欠缺。根据数据统计，截至到2014年10月底，央行的个人信用信息数据库共收录了8.5亿自然人的记录，其中有征信记录的仅约3.2亿人，个人信用覆盖率并不高。2015年，央行首次批准八家民间机构开展个人征信业务，民营企业的加入填补了商业征信的空白，也为征信服务的市场化发展注入了活力。
此次扩容，除了老牌征信机构的下属公司，芝麻信用和腾讯征信也在列。互联网机构征信主要依赖其庞大的用户数据，通过大数据分析技术对用户行为数据进行关联处理，在用户曾经信用记录不佳或缺少信用记录的情况下也可建立较完善的个人信用报告，弥补了传统征信过度依赖银行账户记录的缺陷。
此外，互联网机构征信也使得征信手段从线下填报变为线上监测，缩减了原本层层审批的传统流程，避免了由于个人填报所带来的虚假信息。随着互联网对生活场景的渗入程度逐渐提高，以实时追踪的方式收集个人信用信息，能通过经济约束对个人行为形成震慑，从而增强陌生个体之间的信任感，提高社会交易效率。
2 征信服务为共享经济搭建信任基础
商业征信的发展同时拓展了征信服务的数据渠道和应用场景，将助力社会信任体系的形成，缓解共享经济中的信任危机。
细数共享经济中的信任问题，小则谎报信息，线上与线下资源不符已成常态；大则安全事故，Airbnb在创立之初，就发生过屋主被租户盗取大量物品的事件。2016年3月，深圳市爆出在网约车司机群体中有吸毒前科的人数已过千人，其中还不乏有精神病史以及重大刑事犯罪前科人员，再次引发公众对于共享经济安全性和可靠性的质疑。
信任危机的产生反映出当前共享经济信任体系的不足，集中表现在数据渠道受限和失信处罚不足。共享平台的信息主要来源于平台的自身积累，例如个人提交的基本信息、服务过程的互评信息。然而，更能体现个人经济信用和道德信用的原始数据均分散在政府、银行、公安系统等公共机构中，与这些公共机构的脱节，使得平台掌握的用户信用信息有限，信用信息的可获得性先天不足。此外，平台对于失信行为的惩罚方式以削减信用分为主，并不涉及具体的行为处罚和经济处罚，难以对个人行为形成有力约束，这使得平台对于服务过程的可控性不足。前端审查不够严谨，后端监督发力不足，必定会造成共享经济的信任机制存在一定的风险和漏洞。
征信服务的数据渠道恰恰对接银行、政府等公众机构，经多年积累形成一定规模的信用数据库，这些数据的加入有助于完善共享平台的前端审核。同时，一旦共享平台与征信服务形成闭环对接，用户在平台上的失信行为也将记录到信用报告中，能够对用户行为形成一定的约束力。
此外，个人征信服务的市场化运作，将推动信用服务逐步摆脱金融领域的限制，趋向于生活场景化。在此次新扩容的八家个人征信机构中，芝麻信用已将“信用分”覆盖到了生活场景，如租车、签证、酒店等；拉卡拉则聚焦职场信用，发起成立国内首个职业雇佣征信服务平台-考拉征信。信用服务应用的多元化，将提高人与人之间的信任感，为共享经济的发展奠定信任基础。
3 共享经济为征信提供新的发展路径
由于数据采集和维护的高成本，传统征信服务往往将信息源作竞争优势，其数据信息主要来源于两个渠道，一是自建数据库，对接银行、政府所提供的商业、信贷等金融数据为主；二是申请者自行提交的相关材料，由于审核渠道受限，造成信息真假难辨。目前，国内已形成以央行为主干，各部委以及区域政府为支干的信用数据库。各数据库之间往往相互隔离，信息互不流通，现已出现不少地域性和行业性的数据库。数据库的封闭式并存，不仅造成资源的浪费，也使得跨领域的失信行为难以检测。总体而言，传统征信服务受数据渠道影响较大，且多侧重于对个人当前收入和资产情况的定量分析，主要展现经济维度的信用评价。
共享经济的出现，则为征信服务的发展提供了新路径。一方面，共享经济中诸如共享出行、信用租房等多元化的应用情景，事前均会全方位的收集用户的个人信息，例如，Airbnb就要求房主提供社保信息、社交账号等；事后则通过“人人反馈”的机制，由双方互评扩充信息来源，不仅降低了信息收集的成本，也带动了数据的互动性交流。
与此同时，公共数据的开放也将加速数据共享的趋势，届时，征信机构之间竞争的焦点将从数据资源的争夺转移到数据管理与分析的层面。另一方面，共享平台所呈现的大量实时的行为记录则有助于征信机构从多角度刻画个人信用。
例如，互联网金融公司袋袋金的风控体系中就融入了员工操守指标，把道德风险纳入经济审核之中。面对这些包含个人社交行为的非结构化数据，大数据征信逐渐兴起，核心在于挖掘数据间的交叉联系，建立多维征信模型。多维征信是多维分析技术和多维评判标准的融合。技术上要实现非结构化的行为数据与结构化的金融数据之间的对接，开发新技术使得不同类型的数据可以综合处理。
目前机器学习、云计算技术正在逐步攻破这一难关。分析上需设立多维标准，不再等分权重，而是基于事件打造分析模型。例如以ZestFinance为代表的大数据统计建模征信，研发近二十种模型，建立七万种指标对用户进行授信。分析模型需根据应用的不同而做出改变，例如，相比于租车，租房所需要的信用信息就要更全面。未来的信用分析不再是一套固化模型的重复套用，而是通过多维标准的动态调整实现更具针对性的信用评价。
机遇与风险往往是并肩而来，共享经济下开展征信服务，应避免对用户信息的过度挖掘，隐私维护不容忽视，当前，行业监管体系仍有待完善，隐私保护意识也仍需提高。
杨雅清 就职于中国信息通信研究院产业与规划研究所。联系方式：yangyaqing@caict.ac.cn
推荐阅读