<img src="https://pic1.zhimg.com/5ff1490a13a6eb44ed4cc4b305f9591c_b.jpg" data-rawwidth="778" data-rawheight="267" class="origin_image zh-lightbox-thumb" width="778" data-original="https://pic1.zhimg.com/5ff1490a13a6eb44ed4cc4b305f9591c_r.jpg">
从我国的征信发展历史来看，其发展较为缓慢，长期以来并没有得到应有的重视，与此对应的是在经济社会发展中假货横行、食品安全等一系列与诚信有关的问题时有发生，社会经济生活领域存在严重的信用缺失。
未来信用体系发展展望
虽然我国的征信市场与国外差异较大，国民偏爱储蓄的行为观念也冠绝全球，与美国征信市场由于民众偏爱提前消费形成了鲜明对比，但随着国内经济的转型、刺激消费的措施不断兴起，消费领域各类贷款的持续增长，预计对征信的需求不断增长。伴随着2015 年1 月5 日央行要求芝麻信用、腾讯征信、拉卡拉信用、深圳前海征信中心、鹏元征信、中诚信、中智诚征信及北京华道征信等8 家机构做好开展个人征信业务的准备工作，预计我国未来的信用体系将以央行为主导，但一些互联网征信机构也将扮演着重要的地位。
在国内，即便是最成熟的央行征信系统也只覆盖了8 亿人，其中有交易记录可以进行征信的群体主要是那些有成熟稳定经济能力的人群，总量只有3 亿人。而另外5 亿人在央行征信系统中则只有基本信息，尚属征信的空白市场，再加上那些连基本信息都未被央行记录的人群，这反映了我们的征信系统建设仍然任重道远。从国内的发展来看，虽然目前银行有较为详细的储户数据，但仍不能将其中高风险和低风险的人群进行有效的区分，因而无法为这一群体提供信贷服务。面对这一问题，也许互联网征信可以为其提供更完善的覆盖。 互联网信用评级并不仅仅是对现有体系进行颠覆，而只是对现有体系进行补充，使金融机构对个人信用的判断更为全面更为准确。这么来形容，传统金融机构的系统是从正面来评判，但有时候一个人的正面可能不容易看见，而互联网征信则是从侧面甚至是背面来对一个人的情况进行描绘，并将其提供给金融机构，作为其判断这个人信用程度的关键参考。
以芝麻信用所构建的信用体系以及未来发展看，芝麻信用分根据当前采集的个人用户信息进行加工、整理、计算后得出的信用评分，分值范围是350 到950，分值越高代表信用水平越好，较高的芝麻分可以帮助个人获得更高效、更优质的服务。 芝麻分综合考虑了个人用户的信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度的信息。
1) 信用历史：过往信用账户还款记录及信用账户历史
2) 行为偏好：在购物、缴费、转账、理财等活动中的偏好及稳定性
3) 履约能力：享用各类信用服务并确保及时履约
4) 身份特质：在使用相关服务过程中留下的足够丰富和可靠的个人基本信息
5) 人脉关系：好友的身份特征以及跟好友互动程度
未来授权芝麻信用获取更多个人信息将可提高信用评分与个人信用状况的吻合度。
1、市场化征信机构给社会带来的改变
<img src="https://pic1.zhimg.com/2679a6889bad99964139f7679d02af68_b.jpg" data-rawwidth="753" data-rawheight="496" class="origin_image zh-lightbox-thumb" width="753" data-original="https://pic1.zhimg.com/2679a6889bad99964139f7679d02af68_r.jpg">2、未来商业信用形态展望
<img src="https://pic1.zhimg.com/df577430fb17d3866a66780778396248_b.jpg" data-rawwidth="732" data-rawheight="379" class="origin_image zh-lightbox-thumb" width="732" data-original="https://pic1.zhimg.com/df577430fb17d3866a66780778396248_r.jpg">
我国的征信业一直以来的缓慢发展，则与政府未能对自身在征信市场中的角色做出明确的界定密切相关，但是随着十八大对政府与市场关系的重新明确，中国征信业尤其是企业与个人征信业的发展已迎来重点转折。
发布于 2015-06-14
添加评论
感谢
分享
收藏
•
没有帮助
•
举报
•
作者保留权利
收起
3
赞同
反对，不会显示你的姓名
H Howard，银行风险管理十年,CFA,CPA
Verallen、江西早、康仔
赞同
征信有两种，一种是Fico评分模型。其中的核心数学模型就一个，根据借款信息预测，再根据不同的客户群体应用不同的算法，预测客户的违约概率。 不同的变量不同的参数，是FICO的核心技术。用途是银行贷款审批风险定价等，夸张的情况，在美国没有信用的人寸步…
显示全部
征信有两种，一种是Fico评分模型。其中的核心数学模型就一个，根据借款信息预测，再根据不同的客户群体应用不同的算法，预测客户的违约概率。
不同的变量不同的参数，是FICO的核心技术。用途是银行贷款审批风险定价等，夸张的情况，在美国没有信用的人寸步难行，租房子找工作都需要看征信报告 ，评分高的人车贷保险都要便宜。
顺便说一句，次贷危机不是fico失败，是银行太贪婪，降低标准，滥用了。
一种是没有任何信用记录的人，如农民工社会底层就很难，这些人只能找高利贷征信系统zestfinance。主要是通过类似人肉搜索方法通过散落在各个网站论坛的借款人网络活动信息，非财务信息挖掘出信用相关的信息。
从数据科学家的角度来说，银行小额贷款都是数据创造者，数据必须分享，例，如银行都把数据提供给人民银行，人民银行生产征信报告。
大数据征信不是一个概念，起码要几年的数据，能分布式运算能力的机房，懂算法的几人团队。
一个银行或者信贷公司建个网站就是大数据征信，那就是炒作。
征信产业链全景梳理
征信产业链包括上游的数据生产者、中游的征信机构及下游的征信信息的使用者，其中中游的征信机构运行模式主要有采集数据、加工数据、数据分析及销售产品。上游数据生产者往往也是下游征信信息使用者，但下游征信信息使用者涵盖更广
中国征信产业链上游主要是数据生产商，主要参与者有各类银行、各级政府部门、电信运营商、电商企业、社交平台、个人等，数据类型包括基础身份、银行交易、运营商数据、电商数据、社交数据等;中游主要是征信服务机构，包括中国人民银行征信中心、主要从事个人征信业务的机构如百行征信、主要从事企业征信业务的机构如中诚信征信、鹏元征信等;下游主要是征信服务的各类应用场景，包括银行贷款、电商贷款、信用租赁、个人小额贷款、招聘征信查询等。
征信产业链区域热力分布地图
由于中国征信行业绝大多数企业业务布局为区域性布局，少有布局全国性的征信企业，所以依靠企业注册地位置数据，可以从区域集中度来分析中国征信行业区域布局。截至2022年8月末，在中国人民银行备案从事企业征信业务的机构共136家，其中，北京注册公司最多，有35家，其次是上海21家，广东11家，浙江8家，四个区域合计占比55.15%。中国征信行业目前仍集中在经济较为成熟、经济发达的北京、上海、广东、浙江地区。
从代表性企业分布来看，依然是北京、上海和广东三个地区企业分布更为密集。其中，上海的外资征信机构最多，有上海邓白氏以及科孚上海;广东地区有全国第一家拿到个人征信业务牌照的百行征信，以及鹏元征信等老牌征信机构。
征信行业代表性企业业务布局情况
在企业征信领域，截至2022年8月末，在中国人民银行备案的企业征信机构共有136家，数量较少且未有实力非常强劲占据绝对市场份额的企业征信机构，较具代表性的机构有中诚信征信、鹏元征信、上海邓白氏等，在征信数据、企业征信服务等业务均有布局;在个人征信领域，目前我国只有2家征信机构获得个人征信业务牌照，分别为百行征信有限公司、朴道征信有限公司，二者均获得个人和企业征信牌照。
