大数据时代，美国/日本及欧洲大陆国家征信体系及中国征信行业格局展望

以下内容摘自中信证券研究部《 共享经济之银行篇——银行业征信专题研究报告》之 《大数据时代， 征信大有可为》。接上篇

海外经验表明， 征信大有可为。 完善的法律体系是征信市场良性发展的前提，庞大而优质的数据库则是征信机构的核心竞争力。

（ 1 ）无论是美国的市场主导型模式、欧洲的政府主导型模式还是日本的行业主导型模式，无一不是以系统而完善的法律和监管体系为基础，着重保护征信信息安全和个人隐私权，保障了征信市场的高效运转。

（ 2） D&B、 Experian 等世界著名征信机构均拥有庞大的数据库，以此为基础开展征信业务并提供高质量的信用评估产品和服务，此外还衍生出商业决策分析、市场营销与拓展解决方案等业务，已成为重要收入来源，因此数据是核心竞争力。

前景展望：金融基础设施， 重构“信用”价值。

（ 1 ） 征信行业自身成长空间广阔，受益于社会融资总量的增长、征信渗透程度的提升、征信机构的市场化、商业化以及应用场景的拓展等因素，对标美国征信普及水平，我国个人征信行业至少还有 16 倍的增长空间。

（ 2）征信重构“信用”价值，通过建立征信系统可以完善对金融主体的数据刻画，创新融资模式，满足潜在融资需求的价值更大。

（ 3）规模经济和交易成本限制促使征信市场具备天然的垄断基因，我国未来征信市场或呈现“央行公共征信系统+寡头商业征信机构”的竞争格局。

数据是征信的核心竞争力， 不同的数据优势形成不同的商业模式，我们更看好以芝麻信用为代表的互联网平台公司。 互联网征信机构有望凭借海量的互联网数据、强大的 IT 技术以及开放创新的思维建立互联网平台征信模式；而非互联网征信机构则可能依靠多年的风险评估经验、特色征信数据，深耕区域性、专业性等细分领域市场。我们认为互联网征信机构依托强大股东背景、利用平台模式快速积累数据形成先发优势、持续增加应用场景有望成倍拓展成长空间， 更有机会在行业竞争中胜出。

海外征信经验

欧美以及日本、 中国香港、 中国台湾等发达国家和地区，经历了长时间的经济发展已经形成了较为完善的征信体系。目前国际上相对成熟的征信模式包括三种：市场主导型（以美国为代表）、政府主导型（以欧洲大陆国家为代表）和行业协会主导型（以日本为代表）。 此外部分国家和地区还对三种模式进行综合，实行混合型的征信模式。

美国： 市场主导模式

在美国，征信机构均独立于政府和联储之外，按照纯市场化的方式运作，并以营利为目的向市场提供信用信息产品和服务，政府和联储仅扮演监管者的角色。美国征信机构中影响力最大的包括三大个人征信机构 Experian（益博睿）、 Equifax（艾克飞）、 Trans Union（环联） 和企业征信机构 Dun & Bradstreet（邓白氏）等，占据了美国征信市场的大部分市场份额。除美国外，英国、加拿大等也采用市场主导的征信模式。

完善的监管和法律制度是美国征信体系的一大特点，这也是其市场主导型征信模式能够高效运转的基础， 而监管的执行和法律的制定则是基于保护个人信息安全和隐私权的理念。（ 1）征信法律体系： 主要以《公平信用报告法》（ Fair Credit ActReporting Act， 简称 FCRA）为核心， 该法规定了个人信息主体、信用信息提供者、征信机构等在征信活动中的权利义务关系，并从保护消费者隐私和信用报告准确性的角度出发，规定了信用报告的合法用途、负面信用信息的保存期限、信息主体获取和要求更正本人信息的权利、征信机构对信用报告准确性的法律责任等内容。（ 2） 监管框架： 美国并未设立类似征信管理局之类的部门专门负责征信监管，而是通过立法或自然分配的形式将监管职能分配至各个部门， 在各个部门履行监管职能的过程中，依旧遵循保护个人信息与隐私权的基本原则。

美国企业征信领域龙头——Dun & Bradstreet（邓白氏公司）

D&B 是全球历史最悠久的商业信息服务机构。 D&B 成立于 1841 年，时为纽约第一家征信事务所，目前主要向客户提供风险管理和市场营销等领域的解决方案，产品和服务包括各类商业信息报告、合规服务、供应链管理等。 2014 年公司营收 16.8 亿美元，同比增长 1.61%；净利润 2.9 亿美元，同比增长 13.89%； 毛利率和净利率分别为 66.85%和 17.71%。

庞大的全球商业数据库是其核心竞争力。 D&B 的全球商业数据库是全世界最大的企业信用数据库，覆盖逾 2.4 亿家企业。这得益于其悠久的历史和全球化的发展战略，公司在 19世纪后期便开始在澳大利亚、墨西哥等国设立分支机构。公司数据来源渠道广泛，包括当地商事登记部门、黄页、报纸和出版物、官方公报、互联网、银行和法庭，还通过拜访和访谈形式收集相关信息。

商业模式： （ 1）风险管理业务是主要收入来源， 2014 年风险管理和销售及市场拓展两大领域分别为公司贡献了 62.7%和 37.3%的营业收入，其中风险管理主要包括信用评估等，而销售及市场拓展则主要是基于征信系统而开展的衍生和增值业务；（ 2） 全球化布局的同时北美依旧是主要市场， 2014 年北美、亚太和欧洲及其他地区收入占比分别为 74%、 11%和15%；（ 3） 高毛利同时高费用导致毛利和净利差距大， 近年来公司毛利率和净利率均保持稳定，高毛利率主要源于征信业务的规模经济，而数据库的维护等因素带来高费用率，导致净利率较毛利率低许多。

美国个人征信领域龙头——Experian（益博睿）

Experian 主要提供数据和分析工具， 帮助企业管理信贷风险、防止欺诈行为、确定营销目标，以及实现自动化决策，同时也帮助个人用户查询自己的信用报告和信用评分，并防止身份盗用。 公司总部位于爱尔兰都柏林， 营运总部分别设于英国诺丁汉、美国加利福尼亚和巴西圣保罗， 业务网络覆盖全球 39 个国家和地区。 2014/2015 财年公司实现营业收入 48.1亿美元，净利润 7.72 亿美元，净利润率 16%。

数据是所有业务的核心与基础，构成公司核心竞争力。 Experian 拥有 30 多年的征信数据管理及建模专业知识，并与全球 70 多家征信机构进行合作，目前其全球数据库共覆盖 8.9亿人和 1.03 亿家企业。数据来源广泛，包括个人和企业信用记录、保险、租赁、保健（医疗）支出及交通记录等，并不断加强数据库覆盖的广度、深度和质量。此外 Experian 拥有超过 400 位数据分析师对数据加工和挖掘。

基于征信服务和数据分析，拓展业务范围和数据应用场景培育新收入增长点。 信贷服务是 Experian 最大的业务板块， 2014 年占营业收入比重为 49.2%； 而以征信业务为基础，利用数据优势发展其他增值业务， 客户互动服务、 市场营销解决方案、 决策分析亦成为重要收入来源， 分别占 20.4%、 18.1%、 12.3%。 收入来源分行业看，金融服务业仅占 30%，而直接服务消费者、 零售行业、 汽车行业分别占 20%、 9%、 5%，亦表明公司不断拓展业务范围和数据应用场景，增加收入来源。

大数据征信代表——ZestFinance

ZestFinance 由 Google 前信息总监 Douglas Merrill 和 CapitalOne 前信贷部高级主管Shawn Budd 于 2009 年 9 月创立， 旨在利用大数据技术重塑审贷流程，帮助在传统信用评估体系下因风险高估而难以获得信贷服务的个人拿到融资，并降低其借款成本。公司已于2013 年 7 月完成 2000 万美元的 C 轮融资。 2015 年京东宣布投资 ZestFiance，并将与ZestFinance 成立名为 JD-ZestFinance Gaia 的合资公司， 致力于在中国开展消费金融业务，结合 ZestFinance 的模型技术和京东的消费数据提供信用风险评估服务。

客户定位：没有信用记录或信用评分较低的人群。 这部分群体往往信用数据不足，因此在传统的信用评估体系下信用水平容易被低估，很难获得正常的金融服务。 ZestFinance 一方面可以直接为这部分人提供小额贷款，另一方面也可以为其提供信用评估服务，帮助他们从其他机构获得贷款并降低借贷成本。 而 ZestFinance 能够实现这一目标的原因在于可以运用其特有的大数据模型更深入、 全面地识别借款人的信用风险，可以在同样通过率（注：获得贷款的通过率）的情况下降低坏账率，或在同样坏账率的情况下提高通过率。 对于金融机构而言，在风险可控的前提下更多的贷款意味着更多的收益。

数据来源： 传统的结构化数据和大量非传统数据共同构建数据基础。 ZestFinance 数据来源十分丰富，除了传统的信贷记录等数据，还包括大量交易信息、法律记录、租赁信息、网购信息等数据， 能够更全面地刻画每个人的属性， 公司的数据来源主要包括第三方、网络数据、直接询问用户等。

优于传统机构的大数据挖掘技术和多维模型算法才是核心竞争力。 不是数据多了就叫大数据， 能够利用 IT 技术将碎片化的信息整合起来才能形成真正有用的大数据。 ZestFinance的优势在于：（ 1 ） 基于海量数据生成大量的风险变量，然后输入不同的预测模型（如欺诈模型、身份验证模型、还款能力模型等），每一个模型会从不同的角度预测个人的信用状况，而 ZestFinance 会不时地推出新的模型，然后形成多样化的业务，如信用评估、市场营销方案等；（ 2）对于“缺失数据”，与传统数据处理方法不同的是，其认为数据缺失本身也是一种信息， 充分利用丢失数据之间的关联、和正常数据的交叉， 寻找数据丢失的原因，进而获得有用的消费者信用信息。

从 ZestCash 到 ZestFinance——由单纯的提供贷款向信用风险管理的其他领域扩展。公司前身为 ZestCash，主要运用自身的大数据技术提供借贷服务，初始定位于发薪日贷款（ payday loan）和高利贷的替代产品。 2012 年 ZestCash 变更为 ZestFinance，主要变化在于：（ 1 ）开始向其他信贷机构提供信用风险管理的产品和服务，如 2014 年 2 月推出基于大数据分析的收债评分（ Collection Score）， 即用于汽车金融、学生贷款、医疗贷款一款新的评分系统；（ 2）原来 ZestCash 的借贷服务将与 Spotloan.com 共同开展，相比于 ZestCash仅覆盖 6 个州， Spotloan.com 可以在全国范围内提供借贷服务。

欧洲大陆国家： 政府主导模式

德国、法国、意大利等国均主要依靠国家和政府组建征信机构，因此欧洲大陆国家的征信体系发展遵循的是政府主导模式。该模式的特点在于：、

（ 1）征信机构组建——主要的征信机构并非由私人部门投资和经营，而是由政府部门组织成立和运行；

（ 2）信用信息获取——商业银行等金融机构被强制性地要求定期向公共征信机构提供企业和个人的信用信息；

（ 3）信息数据范围——公共征信系统的数据主要包括企业和个人的借贷信息，与市场化的征信机构相比该系统的信息范围要窄许多，对诸如企业地址、业务范围、所有者名称等信息基本不搜集；

（ 4）信用信息使用——只有被授权的央行职员或金融机构职员才能通过公共征信系统查询相关信息，其他任何人均不能在未得到授权的情况下通过该系统直接查询企业和个人信用状况；

（ 5）央行地位——既是公共征信机构的发起者，同时也是征信市场的监管者。

前述欧洲国家中只有法国没有私营征信机构，是典型的政府主导模式。 法兰西银行于1946 年组织成立了法国唯一一家征信机构——信用服务调查中心， 由其建立中央信贷登记系统（包括企业信贷登记系统和个人信贷登记系统）。

法国企业征信体系——法国的企业信贷登记系统于 1984 年开始运行，根据法律规定所有被法兰西银行监管的单位，即商业银行、财务公司、保险公司等均必须接入企业信贷登记系统，并报送企业客户的信用信息（包含正面信息和负面信息），经过分析和整理后在反馈
给各金融机构。同时法兰西银行也从其他公开的非金融渠道获取企业信用信息。

法国个人征信体系——法国于 1989 年颁布《防止以及解决个人贷款问题的法案》，设立了个人信贷登记系统，所收集数据主要是个人信贷信息，且只提供个人的负面信息。根据相关法律规定，银行、融资代理公司、租赁公司等金融机构都必须向个人征信系统报送个人在信贷、租赁、分期付款及信用卡等方面的逾期、拖欠或透支情况，此外该系统还通过法院、媒体等渠道采集个人负面信息。因此法国的个人征信系统相当于一个全国性的个人贷款不良行为档案库。

日本： 行业协会主导模式

日本的征信体系划分为三个类别——银行体系、消费信贷体系和销售信用体系，分别对应三大行业协会——银行业协会、信贷业协会和信用产业协会。目前三大行业协会的信用信息服务基本上满足了会员单位对个人信用信息征集和查询的需求。其中，银行业协会组建了非营利性的会员制征信机构，即日本的个人信用信息中心，而地方性的银行即是该“信息中心”的会员。

日本企业征信体系

日本的企业征信体系主要包括两类机构：行业会员制征信机构和商业征信机构。（ 1 ）银行会员制征信机构不以营利为目的，一方面会员银行必须如实向征信机构提供客户的信用信息，而征信机构也会为此支付一定的信息采集费用，另一方面征信机构负责为会员银行提供各类企业征信服务，而为了维持机构运营也会收取一定费用。（ 2）商业征信机构在日本的企业征信领域业广泛存在，其中规模最大的为帝国数据银行（即 TDB 公司），不仅对外提供信用信息、催收账款、市场调查及行业分析报告等服务，还可为委托人进行“现地现时”的方式进行信用调查服务。

日本个人征信体系

日本各行业协会共同出资组建个人信用信息中心，为会员单位提供各类信息查询服务，同样不以营利为目的，而各会员单位也必须将其所掌握的个人信用信息上报至信息中心。当前日本较大的个人信用信息中心包括：

（ 1）全国银行个人信用信息中心（ KSC），由全国银行业协会组建。 KSC 以商业银行、非银金融机构、银行附属公司等金融机构为会员， 该数据中心还与其他协会的数据中心就消费者的不良信用记录进行业务交换，建立了企业信息的交换制度和系统。

（ 2）株式会社日本信息中心（ JIC），由全国信用信息中心联合会管理。 全国信用信息中心联合会的股东会员则是 33 家地方信息中心，这 33 家信息中心本身都是独立的公司，各地区的消费金融公司是其股东。

（ 3）株式会社信用信息中心（ CIC），由日本信用卡行业协会组建。 CIC 主要向商业信用授信机构（如赊销厂商）提供消费者信用调查，业务量在日本消费者征信体系及其产业中是最大的，其前身包括以汽车系统和流通系统的信用卡公司为中心的“信用信息交换所”和以家电系统的信用公司为中心建立的“日本信用信息中心”等， 会员主要是由各信用销售公司和信用卡公司组成。

此外这三家征信机构在为各自的会员单位提供信息服务的同时，还合资建立了消费者信用信息网络系统（ CRIN），致力于三大机构间的信息共享。

征信行业前景展望：金融基础设施，重构“信用”价值

我国征信行业空间探讨

征信作为金融体系的基础设施，其价值不仅在于自身具备广阔的成长空间，更在于将重构“信用”价值，促进融资模式的创新和潜在融资需求的满足。

征信行业规模测算——潜在空间巨大

征信的基本功能在于为信贷融资提供信用评估产品和服务。 尽管我国经济总量和融资规模均实现了快速增长，但征信行业规模依旧较小，原因在于：（ 1）尚未建立完善的信用体系，导致信用经济的渗透率处于较低水平；（ 2）目前商业银行等金融机构的信用信息需求主要由央行征信系统满足，且信用风险管理往往不依赖外部机构，导致无法通过市场交易的形式体现价值。 据央行统计，截至 2012 年底我国有各类征信机构 150 多家，当年行业收入规模约20 多亿元。相比之下，同期美国最大的企业征信机构 Dun & Bradstreet 营业收入 16.63 亿美元，其中风险管理业务 10.48 亿美元；三大个人征信机构中 Experian 和 Equifax 的营业收入分别达 44.87 亿美元和 21.61 亿美元，其中信用服务类业务分别为 21.33 亿美元和 9.17亿美元。

因此我们认为未来征信行业的发展空间将取决于：（ 1）社会融资规模的增长；（ 2）征信渗透程度的提升；（ 3）征信机构的商业化和市场化；（ 4）应用场景的拓展，包括金融场景、生活场景和商业场景等。 除了围绕信贷融资提供信用评估服务外，以大数据基础衍生的诸如决策分析、市场营销方案、供应链管理等都有望成为重要收入来源。

（ 1 ） 个人征信： 如果能达到美国的征信普及水平，则我国个人征信市场规模尚有 16倍的增长空间。 央行个人征信系统 2014 年查询 4.02 亿次，此外商业征信龙头的鹏元征信提供超过 7000 多万份信用报告，合计相当于人均查询 0.34 次。而美国最大的个人征信机构Experian 当年日均查询 380 万次，而其征信业务 47%由北美地区贡献，考虑到三大征信机构占据美国个人征信市场绝大部分份额且 Experian 规模最大，故假设其市场份额为 30%，由此计算得到美国个人征信市场 2014 年人均查询次数约 5.79 次。 因此我国个人征信人均查询量仅有美国的 1/17。

（ 2） 企业征信： 经济增长驱动企业融资规模扩大，进而引发征信需求，因此企业征信规模应与经济总量成正比。 2014 年美国 GDP 为 17.35 万亿美元，企业征信规模（以 Dun &Bradstreet 的征信收入代替）占 GDP 比重约 0.00608%，照此比例计算中国 2014 年企业征信的潜在规模约 40 亿元。 我们认为随着中国经济总量的持续增长，以及小微企业融资需求得到满足，企业征信的规模将远不止上述规模。

征信价值探讨——提升信用经济渗透率，支撑起更大的社会融资规模

征信是现代金融体系的基础设施，伴随着征信体系的逐步完善，更多潜在的融资需求将得到满足，进而驱动社会融资总量的增长，这便是征信的价值所在。 分场景看， 基于居民消费（如信用卡、消费贷款、汽车金融等）和企业投资（如供应链融资、小微企业融资）的融资需求而产生的各类创新融资模式都有望在征信的刺激下，规模实现量的飞跃。

（ 1） 信用卡： 信用卡是满足个人消费融资需求的重要工具，截至 2014 年底我国信用卡累计发卡量达到 4.55 亿张，同比增长 16.4%，人均持卡量约 0.33 张，而美国人均信用卡持卡量已达到约 4.7 张的水平。 如果我国的信用卡人均持卡量能与美国持平，则有望刺激消费信用爆发式地增长。

（ 2）消费贷款： 消费贷款往往具有笔数多、金额小、纯信用等特点， 对金融机构而言信用成本较高， 因此对信用评估服务需求强烈。近几年我国消费贷款规模一直保持两位数的增长， 2014 年达 15.37 万亿元（同比增长 18.5%），约合人均 1.12 万元。 而同期美国消费信贷规模为 3.32 万亿美元，约合人均 1.04 万美元。 未来随着居民消费支出的持续增长，以及信用消费渗透率的提升， 消费金融的规模将具有巨大的增长空间。

（ 3） 供应链融资： 供应链融资特点在于将核心企业及其上下配套企业作为一个整体，根据交易关系和行业特点制定基于货权及现金流控制的整体金融解决方案。供应链融资模式得以顺利开展的前提是成员企业间的长效信任（信用）机制，而这种信任（信用）仅仅依靠企业间的产业关联是远远不够的，征信系统作为金融基础设施能够发挥更重要的作用。

以农业金融为例： 农村金融因服务成本高（金额小、笔数多、周期长、回收慢）和资产风险大（缺乏有效担保品、自然灾害风险、信用环境差）的问题，一直是全球金融业公认的难点。对农户进行有效的信用评估，有助金融机构在降低信用风险的同时，扩大融资规模、增加盈利空间。

基于长期跟踪农业生产数据建立征信系统。 征信体系的建立数据是关键，而农业相关数据往往高度分散、非标准化、不连续，因此基于合作社模式（如蔬菜种植合作社、生猪养殖合作社等） 长期跟踪收集农业生产数据，以此为基础建立农业征信系统。

农户消费和经营融资需求是蓝海市场。 农业征信系统的建立将有助农村普惠金融的发展，并满足农业规模化发展趋势下的产业加杠杆需求， 并培育金融业务新蓝海。根据中信证券研究部农林牧渔研究小组测算，全国生猪养殖行业正常运转至少需要近万亿资金， 年融资至少能达到近 4000 亿元的规模（平均资产负债率 40%），而剔除养殖产业之后，仅其他种养殖环节融资规模、农民消费信贷余额理论上分别能达到 6400 亿元、 1.08 万亿元的水平。

行业格局展望：未来将呈现寡头垄断竞争格局

规模经济和交易成本的限制促使征信市场具备天然的垄断基因。 一方面征信市场呈现明显的规模经济特征，随着数据库规模的扩大以及使用次数的增加，征信业务的平均成本逐步降低，因此拥有大规模高质量数据的征信机构有望胜出；另一方面征信主要基于信贷等金融业务而开展，因此交易成本存在上限，出于降低成本的考虑，全社会需要大而优的征信机构而非小型机构。

海外成熟征信市场大多经历了“充分竞争→优胜劣汰→寡头垄断” 的发展过程。 海外成熟征信市场在早期发展阶段都有数量众多的征信机构，但分散经营和过度竞争最终都促使行业整合的到来， 仅少数几家能够留存，如美国的 1 家企业征信机构和 3 家个人征信机构占据了征信市场大部分的市场份额。

监管政策短期内将影响行业规模和竞争格局。（ 1 ） 对征信信息的保护将影响数据规模，进而影响到征信行业的规模。（ 2）《征信业管理条例》规定个人征信实行审核制，因此短期内的竞争格局将由央行所发牌照而定，且获得牌照时间较早的征信机构将会获得先发优势，更容易在未来竞争中成长为行业龙头。

我国未来征信市场或呈现“央行公共征信系统+寡头商业征信机构”的竞争格局。（ 1 ）公共征信领域， 央行征信系统作为央行履行金融监管职能的重要手段和工具仍将存在，并继续发挥重要作用。（ 2）商业征信领域，目前已有 78 家企业征信机构在人民银行完成备案，预计短期内备案的征信机构数量仍会增加， 而个人征信机构牌照数量则由央行决定， 但长期看具备数据优势、资金优势、综合金融优势的征信机构有望通过并购整合成长为绝对的行业龙头，而小型或专业性的征信机构则或被收购或成为大型机构的供应商，进而实现行业集中度的提升。

具备数据优势的征信机构将脱颖而出

数据是征信的核心竞争力

通过对国外成熟征信市场和征信机构的分析，可以发现： 数据是一切征信产品和服务的基础，也是征信机构的核心竞争力所在， 而美国三大个人征信机构之间的竞争，其实就是对于数据的管理、加工、保护、风险判断的竞争。 我国目前已经完成企业征信备案和正在进行个人征信准备工作的征信机构大致可以分为两类——传统征信机构（含资信评级机构） 和互联网公司。 两类机构有望依托各自资源， 形成不同的数据优势。

互联网公司——海量的互联网数据优势。 互联网公司能够依靠自身特色的业务，产生可观的数据流量，比如芝麻信用依托电商流量（淘宝天猫）、腾讯征信依托社交流量（微信 QQ）。而基于互联网支付而产生的各类生活场景也都能成数据来源， 如购物、缴费、交通、通讯等。除了海量数据外，互联网公司的优势还包括：（ 1 ） 开放和创新的思维， 可以通过扩大外部合作和应用场景实现数据量的几何式增长， 例如招财宝的平台模式，以做大流量、 做活流动性取胜；（ 2）强大的 IT 技术， 构建信用评估模型。

传统征信机构——长期数据积累及风险分析经验优势。 传统征信机构的优势在于多年的征信数据积累和风险评估经验，以及与金融机构的合作关系，这是互联网公司目前所欠缺的。除了征信机构之外， 其他一些非互联网机构从事征信业务也具备各自的优势，例如担保公司对当地企业情况更为了解、行业协会拥有专业经验和产业数据优势等。

数据优势不同决定差异化的商业模式

互联网平台公司——个人与小微融资和生活场景信用服务

基于互联网公司的优势，我们认为其未来的征信业务很可能以平台模式（即征信生态圈）开展：

（ 1）数据来源： 除了自身所依托的流量数据外，由外部机构负责采集数据也可能成为其选择，采用收入分成或支付费用的方式；

（ 2）数据加工： 利用自身强大的 IT 技术对数据进行分析，形成信用评估产品，正如 ZestFinance 所做的，不断推出新的模型以完善对个体的刻画；

（ 3）产品与服务： 向信贷类的金融机构提供信用评估报告和服务，并且不排除反向从金融机构处获得数据的可能；

（ 4）应用场景拓展： 除了金融领域外， 生活场景（签证、 租车等）、 商业场景（企业间贸易往来） 等都有望成为征信服务的目标领域；

（ 5）与公司原有互联网金融业务相结合： 一方面由征信平台为其提供信用评估服务，另一方面原有互联网金融业务亦可扩大征信数据来源。 平台模式的核心在于平台本身与其他主体之间不是单向关系，而是互动关系，以此聚集流量形成数据积累，并通过征信服务的形式反馈给其他主体。

个人与小微征信有望成为互联网公司优势领域。 一方面个人和小微融资风险较高，例如银行近几年发生的不良很多来自小微、商贸领域，因此传统银行等金融机构往往授信条件都比较严格（如房产抵押等增信条件），导致这部分融资需求尚无法完全满足；另一方面，以阿里和腾讯为代表的互联网公司的商业模式恰恰契合了个人和小微融资“数量多且金额小”的特点，有望真正解决这部分融资需求。

芝麻信用——国内大数据征信的领导者

2015 年 1 月芝麻信用开始在部分用户中进行公测，并推出芝麻信用分，这是我国首个个人信用评分。 芝麻信用分与国际通行的信用评分类似，分区间设定为 350 分至 950 分，分数越高代表信用程度越好，违约可能性越低。

基于互联网大数据的征信模式：（ 1） 数据来源： 优势在于互联网数据，包括淘宝、 天猫的电商交易数据和蚂蚁金服的金融数据。用户通过支付宝缴纳水电煤气费、信用卡还款以及物流信息等也是重要的数据来源，此外还包括用户自主上传的数据和合作伙伴回流的数据；（ 2） 模型算法： 五个维度刻画个人信用状况——信用历史、 身份特质、履约能力、行为偏好和人脉关系； （ 3）接入机构： 除了蚂蚁金服旗下的“花呗”、“借呗”之外，招商银行旗下的招联消费金融也与其达成合作，预计未来会有更多的金融机构接入。

征信是蚂蚁金服金融布局的重要一环，芝麻信用通过对接其他金融板块积累数据和风控经验。 在蚂蚁金服的金融体系中，芝麻信用将承担基础设施的职能，对接原有的互联网金融业务，如银行、 P2P、信托、保险等板块，一方面提供信用信息产品与服务、协助风险管理，另一方面接入各板块的信用数据、扩充数据来源，并不断修正完善信用评估模型，积累信用风险评估经验。

开放征信平台，输出信用服务增加应用场景，拓宽未来成长空间。 芝麻信用旨在搭建一个开放数据共享的云计算平台，并基于此输出数据服务、信用服务。 基于个人行为数据而产生的信用评估产品，将不仅仅适用于金融领域，在生活领域亦可发挥重要作用。因此芝麻信用除了对个人用户进行信用评分， 还围绕着评分进行产品开发，如在租车、租房、签证等多个领域的拓展应用，如领英、神州租车、网易花田等机构已开始与公司合作。

非互联网公司——深耕细分领域征信市场

传统的资信评级业务发展空间有限。 传统的征信机构主要从事企业征信和资信评级业务，对个人征信鲜有涉足。我们认为资信评级未来的发展空间有限，原因在于资本市场本身透明度较高、信息披露充分， 针对这些企业和单位出具信用报告或提供相关信用信息服务，为信息使用者所带来的增加值并不高。

区域性、专业性的细分领域征信服务可能是非互联网征信机构的突破点。 对于传统征信机构而言，一方面多年积累的对信用风险的分析和研判经验是其优势，另一方面与央行征信系统（央行系统大而全）和互联网公司（在互联网金融领域有绝对优势）相比又都存在明显劣势。 如前所述， 包括传统征信机构在内的非互联网公司，其优势在于区域性、专业性的细分领域以及多年的风险分析经验积累，因此我们认为这部分征信机构未来的发展方向在于做区域性、 专业性的征信服务，基于对本地经济社会特征或本行业产业链特征的把握、对本地或本行业企业的了解和渗透能力，获得独有、稀缺的数据信息并开展征信服务（如针对供应链金融的征信服务），有望成为企业征信业务新的增长点。

更看好以芝麻信用为代表的互联网平台公司

2015 年 1 月央行通知 8 家机构做好个人征信的准备工作，这 8 家征信机构有望依托不同的优势形成不同的商业模式， 其中芝麻信用、腾讯征信、拉卡拉征信和前海征信更可能以互联网平台模式开展征信业务，而鹏元征信、中诚信征信、中智诚征信和华道征信预计更适合细分领域的征信模式。 在这 8 家征信机构中，我们更看好以芝麻信用为代表的互联网平台公司的成长空间，更重要的是其在发挥金融基础设施作用、 满足潜在融资需求上的价值。

（ 1） 依托强大股东背景优势赢在起跑线上。芝麻信用、腾讯征信和拉卡拉征信依靠阿里、腾讯和拉卡拉支付等大型的互联网公司，而前海征信则依靠平安集团（包括陆金所）。这些征信机构有望与各自股东的电商、社交、支付、 金融等业务板块形成良性互动，提供征信服务的同时获取相应的数据。而相比之下，鹏元征信、中诚信征信、中智诚征信和华道征信的股东本身业务相对单一且缺乏金融业务， 并仅能提供有限的数据支持。

（ 2） 互联网平台模式发展空间更大，快速积累数据形成先发优势。 平台模式的核心在于共享开放， 并与外部机构双向互动，任何外部机构都可以接入实现信息共享。 优势则在于聚集流量、为征信快速积累数据，并形成先发优势。

（ 3） 应用场景持续增加，有望成倍拓展成长空间。 应用场景的增加既能增加征信机构本身的规模，而更重要的是扩大数据的数量和维度，更准确、 更全面、 更深入地刻画金融主体，才能更好发挥金融基础设施的作用。 如芝麻信用已对接消费金融公司、租车公司、求职平台等，而腾讯征信也与银行信用卡中心、网贷公司等开始合作。