原创： 谢丽莉

“芝麻信用分有用吗”？

　　最近的一篇文章提出这样一个疑问，“芝麻信用分有用吗？”主要聚焦以下几个问题：

1、蚂蚁金服从未将芝麻信用分用于贷款发放决策，决策人士越来越质疑芝麻信用能否用于准确评估个人行为。

2、大数据与强数据之间有区别，大数据不总是很为预测行为提供最相关的信息。

3、信用度是“非常因具体场景而异的，用一个分数解决所有问题，这个负担太大”。

4、芝麻平台是“光荣的忠诚卡”，鼓励消费而不是预测行为。

5、很难设计出在不同情境下具有预测能力的社会信用评分，需要实证检验，目前还没有看到这些方面。

　　针对以上疑问，笔者从一个芝麻信用分的使用者和一名十年拥有金融征信、参与近年国家社会体系建设信用评分模型的研究以及创新丰富可落地政务信用应用场景的信用工作者的角度，来尝试回答或者探讨文中提到的这些疑问，并思考近年来我国社会信用体系深化发展中涌现的各种个人信用分的何去何从，如何能做到各司其职，一起来探索一条可持续的信用分之路，好让我们的生活因信用更美好。

芝麻个人信用分的定位

　　芝麻个人信用分的数据来源于阿里集团淘宝、天猫、阿里巴巴的数据，蚂蚁金服旗下支付宝、余额宝、招财宝积累的各种各样交易数据；来自政府的数据，最高法院老赖名单、公安系统数据，还有合作伙伴的反馈数据（来自于蚂蚁金服芝麻信用产品经理廖宇奇），基于业务生态圈中的大数据来展现征信主体信用水平。因此本身芝麻信用分自身就具有天然的基因优势，基于自身业务生态链的优势，产生大量个人数据、数据的质量较真实、可靠。芝麻信用分的机制，打造消费约定俗成的信用机制，通过消费行为反馈，动态循环反馈到芝麻个人信用分数上，培养消费者按时还款、还物的诚信习惯。

　　在用户体量方面，据阿里巴巴公布的2018年财报显示，截止到2018年三月底支付宝用户突破8.7亿。每月6号，支付宝将根据用户近期借贷还款、支出收入等综合数据，整合归并后做出判定信用分是涨还是降。芝麻信用分是用户十分关注的指数，但2018年芝麻信用分增长明显放缓，甚至有部分用户信用分长时间处于原地踏步的情况。

芝麻信用分被应用在的穿住行多个生活应用场景

　　基于芝麻信用分，支付宝上可享受购物、租物、吃喝玩乐、住宿、回收、出行、通信、附近便利等优惠活动，市民的信用感知被消费行为激活。比如“信用住”，是飞猪推出的先享受后付款的体验类商品，可享受免租金、免查房、免排队，离店自动通过支付宝扣款的服务。体验“信用住”后，还可以形成芝麻粒和获得额外优惠券。支付宝系统显示，目前支付宝中已有149430人开启该项任务服务。

芝麻信用分用于贷款发放决策和预测违约行为了吗？

　　芝麻信用分在金融征信领域用于贷款性应用的产品有“花呗”、“借呗”和汽车消费贷款。“花呗”虚拟卡类信用卡业务和金融消费信贷产品“借呗”，“借呗”分买家“借呗”和卖家“借呗”，买家“借呗”属于消费型贷款，卖家“借呗”属于经营性贷款。芝麻信用用户可以申请的贷款额度从1000元～50000元不等。据《经济学人》统计，“花呗”用户在网购上多花费了 50%，“借呗”的还款最长期限为12个月，贷款日利率是0.04%，比信用卡透支日利率万分之五略低一些，可以随借随还。

　　笔者分别查询两个芝麻信用分相似的用户的“借呗”的额度，数值不同，因此对于“借呗”额度的划分应该有另外一套风控模型的支撑。根据“借呗”的产品特点，以经验推测可能是与产品强相关的信用指标标签重新建模应用于该产品，而不是将芝麻信用分总分硬套进这个特定的情景中。

　　希望有机会和“借呗”的产品经理交流，看是否存在这样的风控策略，同时也探索和实践如何将一个信用分数去适应不同情境。即在没有实证分析论证的基础上，芝麻信用分做一个大而全的评价体系，是一个综合分，作为行为反馈闭环机制里的抓手，而真正应用不同场景，则是寻求场景强相关的评分来决策资源配置。等待时间和数据积累足够时，再通过数据分析实证，优化综合评价分，而场景信用分也能不断与实际结合，补充综合信用的指标数据，建立互补机制。

大数据不总是能够预测行为？

　　舍恩伯格的《Big Data：大数据时代》提到大数据的精髓是数据如此之多，以至于我们不再追求精确度，而是寻找相关性。

　　回到芝麻信用分指标，模型主要参考美国的 FICO，将芝麻信用分设置为 350 － 950 分的区间，该区间共五个等级，按分数从低到高分别为“极差”“中等”“良好”“优秀”“极好”，芝麻信用分的评分维度体现在以下五个方面。

　　对于每一个元素，芝麻信用分都做了分段，当然分段的数值是基于全量芝麻用户的数值分布确定的。五个维度的指标中信用历史、行为偏好和履约能力所占比例比较大，占80%的信用分值。

　　模型指标是指多种类数据的集合，自身业务数据、银行和运营商，政府数据等。这比目前银行征信个人信用风险评估所用的数据更丰富。建模方法采用FICO，元素指标设计从基础数据中同时衍生出新的数据指标，技巧方面值得业内人士学习。目前芝麻信用分的指标被公开，背后的大数据建模设计也有一定的实力。（此处来源于同行傅一平博士的研究）

　　芝麻信用分目前70多个指标元素，这不仅助力其公司自身开展多种业务，还帮助合作公司来判断违约可能性，从而降低交易风险，正向撮合交易。

　　综上，芝麻信用分被应用于阿里系的业态中，以及通过合作扩展到更多的第三方合作业务中，让我们可以在生活的各个领域能够感知信用，同时在消费中获得优惠，点滴信用积累，在生活里变现，信用让一切更可靠。

　　由芝麻分有用这个话题，回顾一下我国社会信用体系建设新时期，到底有哪些个人信用分，以及思考这些分如何更好的“各司其职”呢？

“百花齐放”的个人信用分

　　目前个人信用分的信用产品很多，可以主要归类为三大类。

　　第一类：服务于金融机构的个人征信评分。早在2002年，上海资信作为人民银行和上海市政府合作成立的征信试点机构，采集上海所有的金融机构金融信息，特别是信贷信息，包括上海市的一些政务方面的信息，如公积金和社保。它主要服务于上海市的所有金融机构，但不对本人开放查询，是最早开发的个人信用评分，当时叫做个人综合信用管理评分，引入美国 TransUnion在澳大利亚的机构开发的。

　　我国最权威的征信机构就是中国人民银行征信中心。央行征信中心历时10多年努力，整合国内各金融机构的信贷信息，建成世界规模最大、收录人数最多、使用最广泛的金融信用信息基础数据库（或称“央行征信系统”），并向该系统的所有接入机构，提供多样化的征信产品增值服务，包括“个人信用评分”。

　　为区别于市场上的各种信用评分，央行的“个人信用评分”也称为“个人信用报告数字解读”服务，是央行征信中心与美国FICO公司联合研究，利用金融信用信息基础数据库的信贷数据，使用决策树、逻辑回归等数据建模技术，开发出来的个人信用风险量化信息产品。央行的“个人信用评分”，可预测放贷机构个人客户在未来一段时间内发生贷款违约的可能性。除此之外，商业银行，保险公司现在都有这样类似的信用评分，用于自身信贷风控。

　　第二类是市场化征信机构推出的信用分。2015年，央行确定第一批8家个人征信试点机构，分别是芝麻信用、腾讯征信、深圳前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用、北京华道征信。这些征信机构各自推出了独具特色的个人信用评分，如“芝麻信用分”，“腾讯信用分”等。但各家征信机构主要根据自身数据，建模方法和标准多样，得出一个信用分，也就是同一个人在不同的市场征信机构可能有着迥异的信用评分，市场呈现“各自为战”局面。目前，互联网征信机构处于刚起步阶段，各机构以各自的优势采集数据，开辟独特的数据来源渠道，相互之间基本没有共享或分享数据，通用性较差。但在各自生态下，各自信用分的应用依然呈“百花齐放”状态。

　　2018年 2 月，百行征信正式挂牌营业，但目前还未对外开展业务。曾经热闹一时、充满想象的“信用分”市场偃旗息鼓。各家信用服务企业纷纷将其“信用分”产品更名，例如“芝麻信用分”更名为“芝麻分”，“腾讯信用分”更名为“腾讯支付分”，等等。但笔者认为，这种民间的结盟数据打通的难度大，共享数据形成的新的信用分产品质量难以预测。建议保留各家征信主体形成的信用分产品，这对于各家信用产品应用更加符合市场规律，有利于创新衍生出更多的便民惠民场景。

　　第三类是城市个人信用分。自2015年以来，在国家信用城市示范创建工作的推动下，国内逐渐兴起了城市“信用分”的概念，个人信用分的覆盖率也成为了推进城市信用体系建设的一个硬指标。截至目前，首批12个信用城市中发布城市“信用分”的有7个，如杭州“钱江分”、厦门“白鹭分”、苏州“桂花分”、宿迁“西楚分”、威海“海贝分”、义乌（县级未定名）、荣成（县级未定名）。此外，也有其他城市推出，如福州“茉莉分”、无锡“诚信阿福分”、芜湖“乐惠分”、舟山“自在分”、肇庆“七星分”、濮阳“龙都分”、贵阳白云“云信分”、东营垦利“诚垦分”等等。

　　纵观目前发布的各个城市信用分，信息来源没有统一的标准，主要是公共信用信息良好信息和不良信息，在评分方法上大多采用的是综合积分法，指标筛选的原则是体现守信激励、失信惩戒。评分对象主要是有户籍登记的市民。作为市民诚信分，这些分应用在社会管理、公共服务、市场监管等各种场景中。

关于个人信用分的思考

　　第一类与第二类的个人信用分，是应用特定的场景、是资源提供方可直接配置资源，对资源具有独立主导性，因此应用的操作性、灵活度、持续性和可实现性非常高。

　　而第三类主要由发改委牵头，基于公共信用信息平台而建设的城市个人信用分，主要应用方向是惠民，政务应用的场景主要集中在公共资源的配置和社会管理方面。以公共资源配置提供为例，需要借助其他部门的力量，每一个场景都有其特定的场景需求，需要能够满足该场景的业务条件和信用需求，才能得到对应的业务主管部门的认同，因此要落地城市个人信用分的政务应用，目前难度大。另一方面，国家倡导的“信易+”系列场景，需要的是个人信用分能够灵活覆盖多样化场景，如果单靠政府主导，持续性不强，资源有限。

　　基于芝麻信用分的应用启示，以及对多地城市信用分的研究，在多类应用场景设计和需求调研的工作经验基础上，对我国城市个人信用分提出以下建议：

一、创新完善公共信用信息评分模型。即由公共信用信息平台归集的数据只能形成公共行为信用积分。公共行为信用分目前采用正负积分的模式，而正负积分这种建模方式有别于征信评分建模，而类似于社会学范畴的以管理目标为出发的，一种积分管理机制。不同场景产生的信用需求不同，根据相关业务部门信用需求，形成场景积分。

二、基础分和场景分结合。通过信用标签建模形成的公共行为信用分作为基础分，在应用时各相关委办局或市场主体可配置场景应用信用分，该场景分由第三方信用服务机构提供，最终形成综合信用分，从而推进信用分在政务应用场景的落地。

三、引入市场主体丰富信易+系列场景。建议由政府牵头、由市场主体参与，达到信用之花“百花齐放”。市场主体信用服务机构将自身的信用分和推出的惠民产品和服务纳入城市服务中来，建立可运营的信用生态，通过公共服务app和其自身资源媒介向市民提供服务。