中国个人征信行业报告——应时而生、雏形初现、任重道远_mar_20xx_chn(编辑修改稿)

中国个人征信行业报告——应时而生、雏形初现、任重道远_mar_20xx_chn(编辑修改稿)内容摘要：

㔪 ᷛ⺇ チ ᷛ䎟 ⥀ 㾦䇤㸥 ⿐ 㠶ゑ 䎘㾦 ⡶ᷛ 㭞 ㈾ 䎘ゐ 㚄㾮 ᷛ㹗 䈌䎘 㾦 ᷛ⥍ 䎘㾦 ⥛㠘 䇇䇤 • ⪴ 䂌㾱 / ㆑ 㦻 〛 ᷛᷛ䎟 ⶏ〛 ᷛᷛ㡔㬣 䄖 ᷛ㸜 ᷛ ᷛ㾦 ᷛ⿆ 㑋㶙 ᷛ㯟 ゑ ᷛ ⼬㾥 㦬 ᷛ⪇䎘 ゐ ㆑ 㦻 ᷛ䎟㹒 㚻㦾 ⼮ ᷛᷛⴟ㹒 ᷛᷛ㾦 ᷛ㪛 』㼜 ᷛ㪈 ㅜ ᷛ䎘㾦 㭞 ㈾ 㭞 ㈾ ⪇㏎ • 㭞 ㈾ 㳂㦂 • 㭞 ㈾ 䓋 ⿐ • 㭞 ㈾ ᷛ㦂 㭞 ㈾ ㅉ 㚄 • 㵉 ⺞㭞㈾ ㅉ 㚄 ⼮ ᷛ㹗 ᷛ ᷛ⥍ᷛ㦬㾦 䇤㯏㠞 䎘㾦 ⥛㠘 • 㾦䇤 ᷛ • 㾦䇤 ⡉ ᷛ • ᷛ㠼䍊 ⴟ㹒 • 㾱䄖 ⼻ 㘜 ᷛ • …… • 㾦 ⫝̸ᷛ㆑ 㦻㬱 ⧂䇇䇤 • 㯟 ᷛᷛ䎟 ⶏᷛ㾱 䎟 ᷛ㏎ • 䔃 ᷛᷛ䔃 ⧖ᷛ《 㑖 ᷛ㪛 』 䇤 㾦 ⧂㈑ • …… 㬱 ⧂ • 䎘㾦 〛 ᷛ ⤯ 䈌 • ⫔ 㭞 ㈾ ᷛ㯟 䑘㳆 • 䎘㾦 〛 ᷛ • 㭞 ㈾ ⪇㏎ ᷛㅉ 㚄 ᷛ䓉䄖䓪 䁐 ᷛ㯟 • ㆑㦻〛 ᷛᷛᷛ䑘㡔 䄖 ᷛ ⷘ ㏁ 㻙 ᷛ⧂㈑ ⴟ㹒 㳂 ᷛ 㩭 ᷛ䎟 ⶏ〛 ᷛᷛᷛ㦬 ᷛ ゝ 㭖䐈 ⧦ ⫔㭞 ㈾ 䊧 ェ 㰄 数据征集：数据是征信行业的基础生产资料。 除了传统的金融信贷数据外，越来越多 的数据源被纳入到原始数据库中，政务和公共服务类数据、电信数据、生活社交类数据已 经成为个人信贷数据外最重要的补充数据。 在成熟市场中，数据征集并非产业链中最高附 加值的环节。 然而，在年轻的中国征信行业中，由于缺乏专业的数据提供商或交易平台， 数据征集在耗费着各家参与机构大量人力物力。 业内人士感叹： “ 本应该比拼厨艺的，但 现在各家都得从种菜开始 ”。 而且，公开的数据市场的缺位导致了行业的灰色地带，扭曲 了竞争格局，并不时将整个行业推向舆论争议的风口浪尖，成为当前影响行业发展的最大 瓶颈。 模型分析与征信洞察：基于原始数据进行专业清洗、聚合、储存、建模、算法和信用 洞察是整个征信价值链中的技术核心。 以 “ 大数据 ” 为代名词的新技术为行业拓展能力带 来了契机：多元数据得以处理，分布式技术带来了速度的提升和成本的优化，不断进步的 算法挖掘出更多洞察。 在新 技术的应用方面，以芝麻信用、腾讯征信为代表的机构基于其 股东在相关领域的多年积累，积极、大胆地进行探索和创新，引领行业进行突破。 耕耘多 年的老牌征信机构立足于服务信贷业务的用信需求，已经形成了成熟的分析与建模方法， 但同时也在尝试创新。 虽然新技术在中国征信领域的实际应用仍有待拓展，但这无疑是全 行业寻求突破的重要方向。 此外，从征信产品来看，几乎各家都拥有信用评分、信用报告和反欺诈等产品和服 10 中国个人征信行业报告（ 20xx） 20xx 年 3月 波士顿咨询公司 务，产品种类比较趋同，反映出的是全行业在差异化商业模式探索上仍处于早期的现状。 征信产品应用：目前，征信产品主要应用在金融信贷服务和部分依赖身份验证、反欺 诈、信用决策的生活类场景中，能够有效覆盖一些缺乏央行征信记录的潜在客户群体， 形成对原有央行征信体系的有益补充。 除了以银行、保险等为代表的大型金融机构外， P2P、消费金融公司、小贷公司等中小型金融机构也成为征信产品的主要用户。 此外，中 国互联网经济的爆发式增长不仅为核心征信产品带来了更广阔的应用场景，也为征信机 构发展衍生产品与服务、多元其收入来源带来了巨大的空间。 以美国三大征信巨头之一 Experian为例，经过多年耕耘 ，目前已构建了两大类别四大核心业务： • 征信服务类： ◦ 信用服务：向信贷机构提供个人信用评分和信用报告 ◦ 消费者服务：供个人查询自身信用评分和信用报告，并可进行一定程度的主动管理 • 衍生服务类： ◦ 决策分析：处理和挖掘自有、客户和第三方数据，获取有效信息辅助客户进行决策 㵝 7ᷛ㗡 ⺛ Experianゐ㵦䊻䄖㹒䇇䇤㩰䄲㬖㻷 ⷀᷛᷛ䊋 ⿐ Experian ㋮ ⿇ゑ䄖㹒㳖㼀㬶㧌 ᷛ⧪᷉20xx᷊ ⫛⢎㾵 ㋮ ⿇ 49% 21% 㾦䇤 ⴟ㹒 4% 㼜 ᷛ䎀 ⴟ㹒 16% 4% 5% 5% 9% 20% 㡅㰝 ᷛᷛ㪉㬊 ⼮ ㅭ 䈞 䄞㑧 ㅂ ㋖ ⪌㗞 ⼮㋧ゝ ⡄㻶 㡜 ⧖ 㡔䄖 ᷛ㾦 / ᷛ㑇 㒄㬼㩭 㼜 ᷛ䎀 12% 18% ㉗ ⥀ ᷛ㹗 㬱 ⧂䇋㼛 30% ㆑㦻 䄖㹒㳖㼀㬶㧌 ᷛ ⤝ ㋮ ⿇㾱䄖㬶㧌 ᷛ⤝ 䎘㾦 ⴟ㹒 ㏁ 䁽㪛 ⴟ㹒 ㏁ ㎕ 䊕 ᷛ20xx㛋 Experian㛋 ᷛ⡉ᷛᷛBCGᷛ㹗 ᷛ 中国个 人 征信 行 业报 告（ 20 15） 11 20xx 年 3月 波士顿咨询公司 ◦ 市场营销：基于消费者数据进行深入挖掘，洞察客户行为和偏好，进行客户画像并 辅助市场营销活动 截止 20xx 年底， Experian 的传统信用服务收入贡献已小于 50%，决策分析和市场营销 等衍生服务收入占比达 30 %；从客户行业分布来看，金融行业（不含保险）占比为 30%， 消费者服务、零售业紧随其后分别贡献了 20%、 9%左右的收入，此外， Experian 还在电 信、能源、汽车、保险、传媒、科技、医疗健康、公共设施和教育等各个非传统信贷领域 拓展服务（参阅图 7）。 八 大 准 个 人 征 信 机 构 差 异 化 定 位 初 现 端 倪 从首批八家准个人征信机构披露的信息来看，各家在数据、技术和客户业务理解能力 等三大核心竞争力上各有所长，初步显露出一定的差异化定位（表 1）： • 经典类征信机构：以鹏元、中诚信、中智诚等三家机构为代表。 三家老牌征信机构继 承了海外成熟市场个人征信行业的经典理念，从金融反欺诈、个人信贷等业务需求出 发，通过征集传统征信数据及部分特色行业或区域数据，采用经典、成熟的征信模型 和技术，深耕金融服务领域。 相较于其他从业者，尽管这类机构尚未大规模的使用多 元数据和创新技术，但是都在以积极开放的态度进行不同程度的研究和探索。 此外， 虽然这三家征信机构都拥有良好的行业口碑，但其完全独立的第三方定位也导致缺乏 直接、广泛的数据源，覆盖人群有一定局限性，数据和系统能力、应用场景建设等方 面面临一定发展约束。 • 新创生态聚合类征信机构：包括 芝麻信用、腾讯征信、前海征信、考拉征信和华道征 信等。 从数据上看，新创类公司除了对外接入传统征信数据外，都大量运用了自身场 景下沉的多元鲜活数据，包括支付、互联网电商、社交、电信服务、公共服务等。 从 征信评价所使用的技术来看，五家公司都不同程度的运用大数据等创新技术对经典征 信模型进行了补充和完善。 从产品应用场景上看，新创机构从一开始就比较注重非金 融场景的开发，探索传统信贷与创新生活场景应用兼顾的发展。 在过去的一年中，许 多金融机构、生活应用类商户都与新创类公司进行了有益的内部测试或合作，收到了 比较良好 的市场反馈。 尽管对于更多元鲜活数据、创新技术和生活场景的应用，行业 内仍存异议，但毫无疑问这些尝试给刚刚起步的个人征信行业带来了更多发展可能和 更感性的认知，为普惠金融的发展作出了积极的贡献。 而对于非经典技术应用的深度 和广度，未来市场的选择和时间会给出更加合理的答案。 总体而言，八家征信机构在数据源、技术能力、覆盖人群、主要应用场景等方面虽然 已经初步显现特色，但未来其在数据源、人才、场景等方面的争夺会愈演愈烈。 作为首批 进入牌照发放流程中的民营征信机构，八家企业如何在各自发展的同时共同塑造行业的整 体健康发展，找到竞合的平衡，将是一个值得深思的问题。 12 中国个人征信行业报告（ 20xx） 20xx 年 3月 波士顿咨询公司 ➬コ 䓝 ᷛ㦬䎘㾦 〛 ᷛ⡩ㅰ 〛 ᷛ ᷛ㏁ 䎘 㾦 〛 ᷛ 㭞 ㈾ ㎕ 䊕 㭞 ㈾ ⪇㏎ ゝ 㭖 䑘 䄋 ⥛㠘 ⼮ ⴟ㹒 䇇 䇤 ㈎ ᷛ ㏁ 䐱 ⧰ 㾦 䎘 㾦 䑘 䄋 䄡 ㋠ 〞 ㎼ ᷛ䅙 㾱 ᷛ䄞 㑧 ᷛ⡄㻶 ᷛㅭ 䈞 ᷛ㾦 㻃 ᷛ䄵 ゑ ⼰ 䔘 ᷛᷛᷛ㾵 䐱 㾂 ㆑ 㦻 〛 ᷛ⼮ 㡔 䄖 㠞 㲉 䄵 䓵 䑘 ᷛ㑃 䁱 ᷛᷛ㾦 䇤 㠡 ᷛ㰄 ᷛ 㸋 〚 ⪂ᷛ〞 れ 㲞 㰘 ⫔㭞 ㈾ 㾦 䇤 㠡 ᷛゝ 㭖 ᷛ䐝 䊻 ㅌ ⪌ 㵔 ㅉ 㚄 䈌 ⫔ 㭞 ㈾ ㅉ 㚄 䇱 〛 㦻 ⼰ 㶓 㼔 ᷛᷛ㾦 䇤㳆 㻖 ㅉ 㪉 ᷛ㾦 䇤 ⡉ ᷛᷛ㾦 䇤 㾦 㻃 䂊 䐅 ᷛ 䅙 㾱 ᷛᷛ㩭 ᷛ P2P㠞 㲉 ᷛ㾂 ⫝̸ ᷛ 㯟 ᷛ ㋮ ⿇ 㞕 䊋 䎘 㾦 ⼰䔘㆑㦻〛 ᷛᷛⷘ ᷛ䎟 ⶏᷛ ᷛᷛ㬣䄖 ᷛ㸜 ᷛ 䄵 ⧪㭍 ᷛ⪌㵔䑘㒘䎘㾦㚄㾮㳆㻖 㸋 〚 ⪂ᷛㆂ ⼰ ⪕㾣 ⫔㭞 ㈾ 㵻 ㉓ ㅉ 㚄㰄 ᷛᷛ㏜ 䇤㣑䁹 ⼄㑠㭞㈾ ⪇㏎ ゴ ᷛゝ㭖 ᷛ㦬㾦䇤 ⡉ ᷛ㏁ ⥛㠘 ᷛ㪎 ᷛ㦰䐅 ㏁ ⥛㠘 ᷛ㠡 ᷛ㏁ ⥛㠘 ᷛ㾦㻃 ⼬ ⥊ ㏁ ⥛㠘 ᷛ㵔ェ䐙㭞 ㏁ ⥛㠘 ᷛ䓵 ᷛ 䎘㾦 ㏁ ⥛㠘 ᷛ⿆㑋㶙 ⴟ㹒 ㏁ ⥛㠘 ᷛ 䅙㾱 ᷛ323㠞 㲉 ᷛ㾂 ⫝̸ ᷛ 㯟 ᷛᷛ㧞 ᷛ 䐈 ᷛᷛ㼜 ᷛ ᷛ㠻ゑ㡅㰜 ᷛ㆑㦻㒍䈓 ᷛ ᷛ㩭 ᷛ 䐱 䐨 ⧰䎘 㾦 䑘 䄋 䄡 ㋠ ⼰ 䔘 ᷛP2P㠞 㲉 ⼮ 㡅 㰜 ᷛ㧞 ᷛ〛 ᷛ 㦌 㤓 ᷛ䇱 ᷛ䐱 㸥 㚄 ⽞ 㠆 㞅 ゝ 㭖 ᷛ ᷛᷛᷛ㵦 ゝ 㭖 ᷛ〚 䇻 㩭 䄖 䅙 㾱 ᷛ 㠼 䍊 䄖 㹒 ᷛ䄪 㯧 㵦 【 㠼 䍊 䓉 コ ⺇ 䋓 ゐ ᷛ㲞 㰘 ⫔ 㭞 ㈾ ゝ 㭖 ᷛ㦬 䎘 㾦 㠡 ᷛⴟ㹒 ᷛ㪋 㤌 ᷛ㠼 䍊 ⴟ㹒 ᷛ㦌 ⺛ ᷛ㘒 㪎 ᷛ㾦 㻃 㦰 䐅 ⴟ 㹒 ᷛ P2Pᷛ㼜 ᷛ㆑ 㦻 ᷛᷛㅌ。 ㅴ 㧌 䅙 㾱 ⼮ 㡜 ⧖ ㆑ 㦻 ᷛ㯟 ᷛ 㾣 ⪕ 㪛 㲍 ㈼ ⼰ ㏁ 䐆 㕊 㾦 䇤 ➃ ㏐ ᷛ㩭 ᷛ㕍 䄰 ㆑ ⴟ ᷛ䇤 ⿇ 㩰 ⪌ᷛ⼰ 䔘 ᷛ⿆ 㑋 㶙 㠞 㲉 ᷛ ㆑ 㦻 〛 ᷛ⼮ ᷛᷛ〛 ᷛᷛ 䊧 ェ 㰄 ゑ 〛 㡘 䁈 㻑 ᷛゝ 㭖 ᷛ⟝㎉ 㕀 ゎ ⿹ ⺊ ᷛ㉗ ⥀㭘 ᷛ㰇 〛 㩎 㑷 ᷛ 㚄 㾮 㰄 ᷛᷛ䐆 㕊 㠡 ᷛ䈌 㗡 ⺛ FICO 㾦 䇤 㠡 ᷛ㏁ 㯧 䐆 㕊 㾦 䇤 㠡 ᷛᷛ㾦 䇤 ⡉ᷛᷛᷛ㠼 䍊 ᷛ㾱 䄖 ᷛ䓃 㘜 ᷛᷛ ㆑ 㦻 〛 ᷛᷛ 㪛 』 ㏁ 㩭 ⿇ ᷛ 㲻 䁗 䎘 㾦 ⼮ 㸃 㾦䇤 ⿇ ᷛ⤧ᷛ㵉 ᷛ䇤 ⿇ 㩰 ⪌ 㭞 ㈾ ᷛ㈊ ᷛᷛᷛ㧞 ᷛ ⼰ 䔘 㠞 㲉 ㏜ 䇤 ⫔ 㭞 ㈾ 㠞 㲉 TD B A N K ᷛ⤪ ゐ ⪇㏎ 㼁 ᷛ㾱 㸋 ⼮ 〚 ⪂⿎ 㼒 ᷛ㭞 ㈾ ᷛ⤃㏜ 䇤 㵔 ェ 䁈 ᷛ⪌ 㵔 〛 㡘 䁈 㻑 ᷛᷛᷛ 㡀 ㋦ 㾨 㠡 ᷛᷛ㆑ 㦻 ᷛ㠼 䍊 ᷛ㾦 䇤 ⡉ ᷛᷛ㦬 㑔 㬗 ⢑ ㆑ 㦻 〛 ᷛᷛ ᷛ ㆑ 㦻 〛 ᷛ ᷛ㠶 㵉 䇤 ⿇ 㣑 ⼄ 䎘 㾦 㠞 ➓ ゐ 㵦 䓼 ⼰ ㆑ 㦻 㭞 ㈾ ᷛ⼰ 䔘 ᷛ㧈 䅙 㑋 ᷛ㾂 ⫝̸ᷛP2P㭞 ㈾ 䓵 䇱 䓉 䄖 ⫔㭞 ㈾ 㵦 ᷛᷛ⤃〞 れ 䈌 ⼄ 㚻㶃 ᷛッ 䁈 㭖 〛 ᷛ䍚 ㋋ 㪏 㧌 ⼰ 䔘 ᷛᷛ㦬 㠡 ᷛ⤪䇤 䈌 㗡 ⺛ FICO㶋 㦌 䄜 䐣 ᷛ㠡 ᷛ⢋ 䓝 㭞 ㈾ ㏁ ᷉㧈 ⴈ㻶 ᷛ㳂 㬟 ᷛ⼤ 㾦 ᷛ ᷊ᷛᷛ䊧 㻖 㵔 ᷉㾦 ⫝̸ 䊧 ᷛᷛ㠼 䍊 䊧 ᷛ ⫀ 㬶 䊧 ᷊ᷛᷛᷛ㚽 ⥆ミ ᷉⼤ 㾦 䄸 㪋 㤌 ᷛ⼤ 㾦 㦰䐅 ᷛ㪛㹐 㲹 䎘㬗 ⢑᷊ ㆑ 㦻 〛 ᷛᷛ ⿆ 㑋 㶙 ㆑ 㦻 ᷛ㯟 ᷛᷛ ㆑ 㦻 〛 ᷛᷛ ㋝ ㎎ 䎘 㾦 ㎎ ㋉ ㎎ ゐ 㵦 㻣 㭕 ᷛᷛ㦬 䐈 ᷛᷛ㡔 䄖 䐈 ᷛᷛ㾂 ⫝̸ ᷛ⡄ ㏎ ᷛ P 2 PᷛO 2 O㪈 㤙 ᷛ㩭 ᷛ䅙㑋 ᷛ㡅㰜 ⼰ 䔘 〛 ᷛ⼮ ᷛᷛ〛 ᷛ ㏜ 䇤 ⪌㵔 ᷛᷛᷛᷛᷛᷛ⿹ ⺊ ᷛᷛ ㏁ ᷛW eb㵻 ㉓ ⼮ 㪒 ㈎ 㶙 㕈 ゝ 㭖 ᷛ ㆂ ⼰ ⫔㭞 ㈾ ゝ 㭖 ㆙ 㾱 㭞 ㈾ ⪇㏎ ⼮ ᷛㅨ ᷛ䔊 ⼰ ㅉ 㚄 ᷛ㋝ ㎎ ᷛ䈌 㗡 ⺛ FICO㠡 ᷛ㏁ 㯧 ㋝ ㎎ ᷛ P 2 Pᷛᷛ㩭 㠞 㲉 ᷛ㾂 ᷛ⫝̸㌏ ᷛ㯟 ᷛ ⿋ ᷛ 䎘 㾦 䅙 䐏 ㅽ ㆑ 㦻 ⴟ㹒 㳆 㻖 ᷛ䄻㗡 㧎 㵉 ᷛ䄧 ᷛ㩭 㹒 㠞 㲉 ᷛ㾣。