中国消费金融发展及其与大数据征信的关系研究
何飞/文
一、早年中国消费金融发展历程
改革开放以来，中国消费金融市场发展阶段性明显。1979年，中国银行广东省分行与东亚银行签订协议，代理境外信用卡业务。1985年，中国银行珠海分行发行第一张信用卡——中银卡。1986年，中国银行北京市分行发行长城信用卡，长城卡也被中国银行总行指定为统一的信用卡名称。1988年，中国银行率先在全国发行信用卡。随后，中国工商银行、中国建设银行、中国农业银行也逐渐加入信用卡发行行列，中国的信用卡市场开始形成。
与此同时，在1988年第一次住房体制改革会议召开后，中国的住房信贷业务开始起步。1991年，中国建设银行、中国工商银行成立房地产信贷部，办理个人住房信贷业务。1995年，中国人民银行颁布《商业银行自营住房贷款管理暂行办法》，标志着我国银行商业性住房贷款走上正轨。1998年5月，中国人民银行发布《个人住房贷款管理办法》，扩大个人住房贷款的使用及实施城市范围，扩大办理个人住房贷款的金融机构范围，规定商业银行自营性个人住房贷款利率按照法定贷款利率减档执行，同时将审批处理时间缩短为3个星期。该政策的出台推动了我国住房贷款市场的快速发展。
在信用卡市场和住房贷款市场迅猛发展的背景下，1998年9月，中国人民银行制定《汽车消费贷款管理办法》，我国的汽车消费信贷逐步发展起来。1999年，中国人民银行、教育部、财政部发布《关于国家助学贷款的管理规定（试行）》，国家助学贷款试点工作正式在北京、上海、天津、重庆、武汉、沈阳、西安、南京8个城市启动。1999年2月，中国人民银行发布《关于开展个人消费信贷的指导意见》，提出积极稳妥地扩大消费信贷，支持国民经济发展。该《指导意见》从建立健全消费信贷职能机构、加大消费信贷投入、扩大消费信贷服务领域、开发新的消费信贷品种、合理确定利率、提供全方位优质服务、建立个人消费贷款信用登记制度等方面提出了支持个人消费信贷的具体措施，自此中国消费信贷市场进入快速发展时期。
二、近几年中国消费金融发展现状分析
2008年，国际金融危机爆发。因外部需求减弱，中国的出口受到严峻挑战，刺激消费以带动经济增长成为重要之举。2009年7月20日，为了进一步促进消费金融业的发展，规范非银行金融机构经营消费金融业务的行为，银监会发布《消费金融公司试点管理办法》。与之前政策中出现的“消费信贷”字眼不同，“消费金融”正式进入公众视野，同时也被赋予了更深层次的内涵。与消费金融一同出现的是消费金融公司的设立，在《消费金融公司试点管理办法》出台后，包括北银消费金融公司、中银消费金融公司、锦程消费金融公司、捷信消费金融公司在内的首批四家消费金融公司顺利挂牌，开启了中国消费金融发展的新篇章。
当前，中国消费金融面临前所未有的发展机遇。就政策层面而言，2013年11月14日，银监会发布《消费金融公司试点管理办法（修订稿）》，新增10个城市参与试点工作。2015年6月10日，国务院召开常务会议，决定放开市场准入，将消费金融公司试点扩大至全国。2015年7月18日，中国人民银行等十部委联合发布《关于促进互联网金融健康发展的指导意见》，鼓励消费金融机构依托互联网技术，实现业务转型升级，支持有条件的金融机构建设创新型互联网平台开展互联网消费金融等业务。2016年3月，李克强总理在政府工作报告中再一次提及消费金融：在全国开展消费金融公司试点，鼓励金融机构创新消费信贷产品。应该说，政策层面的利好将加快中国消费金融发展步伐。
就经济层面而言，早在国家“十二五”规划中，政府就提出要坚持扩大内需战略，强调要把增加居民消费作为扩大内需的重点，建立扩大消费需求的长效机制。2015年11月19日，国务院发布的《国务院关于积极发挥新消费引领作用加快培育形成新供给新动力的指导意见》更加鲜明地指出消费是最终需求，必须积极顺应和把握消费升级大趋势，以消费升级引领产业升级，以制度创新、技术创新、产品创新满足并创造消费需求。2016年3月，李克强总理在政府工作报告中指出消费对经济增长的贡献率达到66.4%。可以预计，伴随消费对经济增长贡献率的进一步上升，消费金融业务的需求将呈井喷态势。
就社会层面而言，当前我国的人口结构正面临严峻的老龄化趋势。第六次人口普查数据显示，我国60岁及以上人口占比为13.26%，比2000年上升2.93个百分点，其中65岁及以上人口占比为8.87%，比2000年上升1.91个百分点。我国当前还存在低生育率问题，即便在2015年全面放开二孩政策之后，全年出生人口依然不升反降。然而，与人口红利逐渐消失形成鲜明对比的是人们消费观念的转变。80后、90后正成长为消费市场最为活跃的群体，消费观念更加多样开放，再加上居民收入的不断增加、社保体系的逐步健全、消费环境的稳步改善，消费者变得敢消费也愿意消费。与此同时，在互联网环境下，社会主流的消费方式由传统的被动保守消费转变为主动提前消费。可以认为，适度的“寅吃卯粮”消费文化的形成有利于我国消费金融市场的全面拓展。
就技术层面而言，当前创新型消费金融业务的开展大多基于互联网平台。在2016年的政府工作报告中，李克强总理指出：“经济发展必然会有新旧动能迭代更替的过程，当传统动能由强变弱时，需要新动能异军突起和传统动能转型，形成新的‘双引擎’”。事实上，互联网技术作为新动能的代表，其对金融业的深层次变革以大数据技术为标志。根据36氪研究院的研究报告，预计2018年全球大数据市场规模将超过2500亿元，2015—2018年的年均复合增长率为21.8%。2018年我国大数据市场规模将超过500亿元，2015—2018年的年均复合增长率为47.0%，是全球增长水平的2.2倍。可以说，大数据将成为未来驱动消费金融模式创新的原动力。与此同时，云计算与大数据是互联网技术应用中的天然搭档。云平台不仅能够促进消费金融线上服务的高效运转，同时也将为消费金融资金流转保驾护航。
虽然当前政策、经济、社会以及技术环境都有利于我国消费金融的发展，但中国并不健全的征信体系以及消费金融的自身特点决定了其发展道路并不能一帆风顺。相关政策指出当前消费金融最重要的使命是为中低收入人群服务，以满足其日常生活消费需求。通常，我们将这部分人群称为长尾人群，如在校大学生、蓝领工人、农民等。一方面，长尾人群的消费需求旺盛、消费频次高、消费场景广，这些都非常符合消费金融产品的小额、分散、期限短等特征。另一方面，消费金融业务开展的前提在于对客户进行授信，但受囿于我国个人信用体系不完善的局面，央行的征信系统并未能采集大部分长尾人群的信用信息，因此，如何对这部分人进行合理的信用评估，进而有效预防信用风险，成为当前消费金融发展面临的最大困境。
三、中国的个人征信短板制约消费金融发展
事实上，我国的个人征信发展历程较短且进程缓慢。1999年成立的上海资信有限公司标志着我国个人征信体系开始建立，但这距离中国第一张信用卡的诞生已经过去将近15年。1999—2003年，我国的征信体系建设主要以地方为主，包括上海、北京、广东、浙江、江苏、安徽、辽宁在内的省市相继进行了有关布局。直到2006年，央行主导的个人信用信息基础数据库才开始运行。截至2015年年末，央行个人征信系统共收录自然人8.8亿，其中有信贷记录的3.8亿，仅占全国总人口的28%左右。与此同时，到目前为止，我国仍然没有较为全面的类似国外FICO的个人信用评分体系。相比发展缓慢的个人信用信息基础数据库建设，个人信用评级则更是处于起步阶段。
2013年，互联网金融在中国异军突起，消费金融市场全面线上化进程加快，与此同时，消费金融从业主体多元化格局逐渐形成，包括银行、持牌消费金融公司、电商、互联网金融平台等在内的金融机构以及非金融机构纷纷抢占市场份额。在此背景下，传统个人征信在消费金融应用中的短板凸显，互联网时代下消费者快速便捷的授信需求得不到满足。进一步地，由于目标客户普遍基于网上消费，消费金融中的欺诈风险不断，而造成该问题的根源也在于个人征信的不完善。
为了解决消费金融发展与我国个人征信现状存在的矛盾，在央行指导下，我国个人征信的市场化模式逐步推进。在2013年《征信业管理条例》以及《征信机构管理办法》颁布实施的基础上，2015年1月5日，央行印发《关于做好个人征信业务准备工作的通知》，允许包括芝麻信用管理有限公司、腾讯征信有限公司、深圳前海征信中心股份有限公司、鹏元征信有限公司、中诚信征信有限公司、中智诚征信有限公司、拉卡拉征信有限公司、北京华道征信有限公司在内的8家公司涉足个人征信领域。相比早已存在于市场的其他几家公司，芝麻信用与腾讯征信采取了基于互联网海量数据进行个人征信的方式，使得大数据征信概念成为市场追逐的焦点。
2015年1月28日，阿里巴巴的芝麻信用正式上线，紧接着芝麻信用分别与神州租车、阿里旅游、最高人民法院、永安公共自行车、贵州省公安厅交通管理局、花田、世纪佳缘、我爱我家、杭州市政府、广州妇女儿童医疗中心等政府及企业合作，迅速拓展应用场景。除了“芝麻信用分”的成功实践，依托社交大数据建立的“腾讯信用分”、依托通信大数据建立的“甜橙信用分”、依托支付大数据建立的“考拉信用分”等大数据征信产品也在各自所属领域崭露头角。总的来看，当前依托自身数据优势开展大数据征信的实践呈现爆发态势，在大数据征信服务更加便捷的同时，大数据征信应用场景也日渐丰富。
大数据征信为消费金融信用风险防范这一最大难题提供了新的解决思路。根据中国互联网络信息中心（CNNIC）发布的第37次《中国互联网络发展状况统计报告》，截至2015年12月，我国的网民规模达6.88亿人，互联网普及率达到50.3%，其中有90.1%的手机网民。与此同时，在全球市值最高的十家互联网公司排名中，中国占据四席。依靠大数据技术采集散落在互联网环境中的海量数据，提取能够对长尾人群信贷记录缺失形成替代的特征变量，通过机器学习算法开发前沿的信用评估模型，在云平台支撑下，实现自动授信、智能决策，优化消费金融服务流程，从而提升用户体验并增强用户黏性。应该说，大数据征信是促进中国消费金融持久健康发展的核心驱动力，
尽管大数据征信在消费金融中的应用思路已经形成，但就目前情况来看，真正运用大数据征信开展消费金融业务的成功案例还很少。究其原因，主要有以下四个方面：第一，有关消费金融大数据征信的理论研究仍处于起步阶段，大数据征信的完整逻辑尚未厘清，缺乏理论指导的业界实践举步维艰。第二，中国当前存在严重的信息孤岛现象，散落在不同领域的数据资源无法实现共享，互补性数据维度的采集使用受到制约。第三，大数据普遍存在“稀疏性、高维度、弱相关”特征，而这些恰恰是传统数据处理及特征选择方式所无法应对的难题。第四，“大数据+机器学习”的建模方法掌握在少数大型机构手中，核心技术的攻克需要大量专业人才及设备支持，这成为阻碍消费金融从业主体开展大数据征信的关键所在。
四、中国消费金融及大数据征信的定义
在讨论消费金融和大数据征信这两者之间的关系之前，有必要对其进行概念辨析与界定。
近几年来，随着消费金融在世界范围内，尤其是中国等发展中国家的兴起，关于消费金融的定义变得更为丰富，界定视角也更为多元。美国联邦存款保险公司（FDIC）将消费金融界定为消费信贷，包括住房抵押贷款、住房净值贷款、信用卡以及其他个人信贷。美联储（FED）将消费金融界定为家庭金融的一部分，并给出了家庭金融的定义，包括家庭收入成长模式、家庭资产分布和负债来源状况。其中，房地产抵押贷款作为家庭金融的一部分与消费信贷分开统计。美国银行家协会（ABA）界定的消费金融特指银行消费贷款，具体包括直接性汽车贷款、非直接性汽车贷款、房屋净值贷款、房屋改建修缮贷款、游船贷款、休闲车贷款、移动住宅贷款和个人贷款8个项目。应该说，美国不同部门对消费金融的界定主要基于美国现有较为成熟的信贷模式，这与中国的信贷发展现状相比仍然存在较大差异。
国内学者也对消费金融的概念进行了相关界定。部分学者认为消费金融是指为满足居民对最终商品和服务的消费需求而提供的金融服务。还有学者认为消费金融是指由金融机构向消费者提供包括消费贷款在内的金融产品和服务。刘丹（2011）对消费金融概念进行了丰富，将消费金融定义为由金融机构通过多层次、多渠道的信贷形式，向经济个体或家庭提供消费贷款，帮助消费者实现跨期消费规划，以刺激当期消费品市场需求，促进当期消费品市场容量扩大的一种现代金融服务方式，其最终服务对象是消费品市场。
就现有定义来看，若只从消费主体的角度考虑，则消费金融似乎等同于消费者金融（家庭金融也被视为消费者金融）。但正如王江等（2010）指出的那样，实际上消费金融还与消费主体所处的金融环境密切相关，对相关环境的刻画应当成为金融研究和实务开展中的重要环节。具体的相关环境主要包括金融市场和政府，其中，金融市场主要为消费者提供金融产品、工具、技术和各种服务，政府则主要提供法律、政策、监管及赋税指导等。笔者同意王江等的观点，认为消费金融概念中应当考虑相关环境因素，尤其是在中国当前的金融发展背景下，环境因素对消费金融的影响更加明显。
结合前人观点评述以及当前业界实践，在充分理解中国消费金融发展出现的新模式、新特征的基础上，本文将消费金融定义为：由金融机构及非金融机构在相关环境中通过各种方式为消费主体提供的以满足日常消费需求为目的的金融产品和服务。进一步对该定义中包含的要素进行解析：一是消费金融产品及服务的提供商，包括银行及持牌消费金融公司等在内的金融机构，以及电商、运营商、大型企业、互联网平台等在内的非金融机构；二是相关环境，包括金融市场环境和政府行为等；三是提供产品及服务的方式，包括直接和间接方式、传统手段和互联网手段等；四是消费主体，包括个人消费者和家庭消费者，尤其需要考虑中低收入消费人群，他们才是消费金融真正需要服务的对象；五是日常消费需求，通常不包括房贷和车贷需求；六是金融产品和服务，包括具体的产品及相配套的服务。本文对消费金融的定义借鉴了消费金融体系的概念，并且涵盖了金融服务的一般性及建立在消费（涉及场景、体验等）基础上提供金融产品和服务的特殊性，与此同时，日常消费需求中购房购车的排除、产品及服务的互联网提供手段，均契合长尾消费人群（中低层收入群体）的本质特征。应该说，本文的定义既体现了消费金融的一般要义，又符合中国消费金融发展的特殊内涵。
在对大数据征信概念进行合理界定之前，首先对现有关于大数据的阐述进行分析。一些观点是从数据处理技术、数据处理时间的角度描述大数据，如：维基百科中的大数据概念是指根据常用软件工具捕获、管理和处理数据所消耗时间超过可容忍时间的数据集。研究机构麦肯锡认为大数据是指无法在一定时间内用传统数据库软件工具对其内容进行抓取、管理和处理的数据集合。研究机构Gartner指出大数据是需要新处理模式才能具有更强决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。实质上，这些概念更多是从数据量上对大数据进行阐述，而这并不能概括大数据的所有特征。
另一些观点是从数据特征的角度分析大数据，如研究机构IDC将大数据的特征概括为4V，即海量的数据规模（Volume）、快速的数据流转和动态的数据体系（Velocity）、多样的数据类型（Variety）和巨大的数据价值（Value）。大数据概念的有力推动者维克托·迈尔-舍恩伯格教授从应用角度出发，在全球畅销书籍《大数据时代》中提出了大数据的三大特征：一是分析更多的数据，甚至是所有数据，而不再单纯依赖于样本分析；二是适当忽略微观层面上的精确度会让人们在宏观层面拥有更好的洞察力；三是建立在相关关系分析方法基础上的预测是大数据的核心，只要发现两个现象之间的显著相关性，就可以创造巨大的经济或社会效益。
随着技术的发展及模式的衍变，大数据概念逐渐得到升华，不再局限于特征上的探讨。林平（2014）认为大数据是当今时代数据、技术、方法和制度深刻变革的有机集合，其中数据是基础，技术和方法是手段，制度是保证。卢芮欣（2015）将大数据引申为一种数据处理模式，即收集海量而全面的数据，并通过实验、算法和模型分析，挖掘规律、获得有价值的信息。本文同样认为大数据不仅仅只是数据量、数据维度上的体现，更是先进技术的代表，大数据应用的关键在于深度挖掘和有效处理。与此同时，大数据技术还必须和其他相关的硬件、软件及算法融合使用，从而提升处理效率及效果。
结合大数据概念，本文将大数据征信定义为：在大数据思想理念指导下，按照大数据处理流程，运用大数据技术方法，对信用主体的海量信息进行收集、整理、保存、加工，并对外提供大数据信用报告、大数据信用评分、大数据信用评级等产品服务，以帮助信用交易方判断、控制信用风险，进行信用管理的活动。在这一定义中，大数据思想理念主要包括：尽可能采集、分析更多的数据，在进行深度挖掘之前，尽可能容忍数据的混杂特征，保留最原始的数据信息，在综合运用相关分析与因果分析的基础上，更加注重弱相关关系的挖掘。大数据处理流程主要包括：数据采集、数据整合、数据清洗、数据关联、数据聚合、统一定义结构存储、数据分析、数据解释等。大数据技术方法主要包括：云存储、机器学习、集成学习等。应该说，该定义涵盖了征信的一般性及建立在大数据基础上征信的特殊性。与此同时，该定义还揭示了大数据处理流程和征信流程的高度一致性，并且表明了大数据征信更加注重大数据思想理念及技术方法应用的特点。
基于上文对大数据征信的定义，结合当前中国个人信用体系尚未建设完成的现状，本文对中国消费金融大数据征信的范畴进行了界定，具体包括两大方面：其一，指消费金融产品及服务提供商通过大数据征信更好地开展自身业务。在此，消费金融产品及服务的提供主体和大数据征信活动的实践主体一致。其二，指第三方大数据征信机构为消费金融业态的相关方（消费主体、消费金融产品及服务提供商）提供大数据征信服务，以便于消费金融活动顺利进行。在此，消费金融产品及服务的提供主体和大数据征信活动的实践主体不一致。总的来说，本文对消费金融、大数据征信以及中国消费金融大数据征信概念及范畴的界定，既符合我国当前的实践现状，又有利于理论高度的提升。
五、中国消费金融发展与大数据征信的关系
消费金融，既具有金融属性，又体现消费特征。一方面，从消费金融提供商的角度出发，由于金融的核心是风控，故开展消费金融的第一要义即防控风险。另一方面，从消费主体的角度出发，和一般消费不同，消费金融中的消费是信用消费，即以个人信用换取消费某种产品或服务的权利，故消费金融的第一大风险是信用风险。由此可知，消费金融业务开展的关键在于对消费主体的信用进行有效评估，这个过程可以通过征信完成。在此意义上，征信是消费金融健康发展的前提。
随着互联网技术的快速发展，绝大部分消费金融服务提供商都实行在线授信和在线放贷，与此同时，生产商和销售商的商品流信息、送货公司的物流信息等也都通过网络形成电子记录。基于此，在联网的个人信用体系中，消费主体的个人信用处于不断更新状态。具体地，消费主体在利用信用贷款购买产品或享受服务后，如果未能正常还款，便会对其个人信用状况产生不利影响；如果还款正常，则将推动个人信用状况的提升。因此，消费金融对征信也有反向作用，消费金融会影响征信，作用的效果包括正向促进和反向抑制。
由上所述，消费金融健康发展的前提是征信。如果没有完善的征信：第一，信贷风险会提高；第二，信贷配给无法达到最优；第三，不完善的征信还会造成消费金融服务成本升高。所以，征信的完善程度直接决定了消费金融的发展状况及未来前景。
改善中国当前的征信状况，应当基于征信定义，对征信流程进行更加深入的剖析。征信的流程一般包括对消费主体相关信息的收集、整理、保存、加工，并在此基础上获得能够反映消费主体信用的相关信息，我们称之为“有用信息”。众所周知，信息的载体是数据，即有用信息内含于数据之中，并来源于数据分析。作为数据广度的延展，大数据在征信中将发挥重要作用：一方面，数据量的增加、数据类型的增加、数据结构的丰富，将扩大有用信息的总量；另一方面，包括深度挖掘、机器学习在内的先进数据分析技术的运用，将提升有用信息的质量。因此，大数据有助于征信的完善。
实际上，大数据处理流程和征信流程还具有高度的一致性，都包括数据的采集（收集）、整合（整理）、存储（保存）以及分析解释（加工）等。与此同时，大数据和征信都将带来规模经济效益，即随着应用规模的不断拓展，边际成本将递减，边际利润将递增，并且具有网络效应，即信息共享越多，所获得的收益越高。应该说，大数据与征信天然地具有联系：通过大数据的广度积累，并对所承载信息进行深度挖掘，可以改善征信中存在的信息不对称问题；与此同时，征信效果的提升将反过来促进大数据应用规模的扩大，并有利于大数据应用技术的优化，进而更好地发挥征信与大数据的网络效应和规模效应。
或许有人会问，既然征信与大数据联系紧密，为什么近几年才开始提出运用大数据改善征信服务？其实，回答这一问题，需要认识到大数据改善征信服务要有外在基础。虽然互联网早就出现，但诸如移动支付、云计算、搜索引擎和社交网络等现代信息技术的高速发展，还是近几年的事情。这为现在讨论大数据改善征信中的信息不对称问题提供了技术基础。事实上，当前高速发展的信息技术与数据密切相关。移动支付是产生数据的重要基础，能够记录数据的转移路径；云计算是分布式存储数据的平台，保障了处理海量数据的能力；社交网络是现实中真实关系的数据化，能够揭示相关方的内在联系；搜索引擎则是海量数据筛选与匹配的重要渠道。由此可见，代表当前互联网和信息科技的最前沿技术，无一不与数据有关，它们支撑着大数据的产生、存储、筛选、匹配、挖掘与分析。
值得注意的是，数据孤岛的打破，是大数据发挥作用的关键。我国的大数据资源相对分散，没有权威的数据服务商。以电信运营商、银行以及电商数据为例，这三类数据各有优势：电信运营商的数据涵盖了上网用户、移动手机用户的行为轨迹；银行的数据包含了用户的财务信息；电商的数据反映了用户的购物行为。与此同时，三方数据也各有不足：电信运营商的数据过于零散，过多依赖用户网络行为，缺乏用户实质性的信用记录；银行的数据源头单一，形式单调，无法了解用户的交易偏好和交易习惯；电商的数据虽然能够反映用户的购物偏好和行为，但由于受囿于自身产业圈，数据的运用范围受到极大限制。在以前行业封闭的商业模式下，不同数据拥有者几乎不会进行数据分享。但随着社会网络化进程的加快，行业壁垒被逐渐打破，行业边界日渐模糊，尤其是金融服务的模式变得更加多元，合作共赢理念下的大数据将为征信服务的改善奠定重要基础。
虽然消费金融概念起源于国外，但中国消费金融也具有一般意义上消费金融的各类特征，这些特征构成了中国消费金融发展的普遍性。据前文分析可知，消费金融发展的前提是征信，故中国消费金融的发展依赖于我国的个人征信体系建设。然而，正如前文提到的那样，中国个人征信进程缓慢，其发展远远落后于消费金融开展的需要。在此情况下，如果想要推动中国消费金融的快速健康发展，唯有寄托于征信环节的改善上。
与此同时，中国消费金融发展具有自身的特殊性，具体表现在：首先，中国真正意义上面向中低收入人群的消费金融（不包括房贷、车贷以及高端客户信用卡服务）出现在2009年，即国家进行消费金融公司试点的时候。当时在国际金融危机对我国出口造成巨大影响的情况下，依靠消费拉动经济增长成为重要之举，但由于没有经历充分的时间过渡，消费金融的开展举步维艰。其次，消费金融服务的对象往往是年轻人。中国消费金融发展的起步阶段恰好处于中国人口结构转变时期，中国社会的老龄化进程加速，年轻人在消费思想发生重要转变（更加积极的消费态度）的同时，又面临实际的生活压力，包括对“倒三角”家庭结构的恐惧等，致使虽然消费观念变得更加开放，但是否真正通过信贷方式满足消费需求，仍然困扰着年轻群体。
再次，中国消费金融公司成立的初始阶段同时也是互联网以及信息通信技术快速更迭的时期，互联网金融的迅猛发展是互联网技术融入金融业态的最好佐证。互联网及信息技术的应用，使得中国的消费金融产品及服务被赋予了更多互联网特征，消费渠道及场景也由线下扩展到线上线下并举。与此同时，互联网时代下的消费体验也变得更加重要，这些都对中国消费金融发展提出了更高要求。除此以外，当前，消费金融公司试点全面放开，形成了传统金融机构、持牌消费金融公司、大型企业、互联网平台等多元化的从业主体，政策的利好使得市场竞争激烈，同质化的消费金融产品及服务将造成恶性竞争，不利于消费金融的健康发展。由此可见，中国消费金融发展的特殊性包括：发展时间较短、服务人群特殊、网络环境鲜明以及同质竞争激烈等。
在我国个人征信体系尚未建成的情况下，中国消费金融发展的特殊性表明，传统征信方式在我国消费金融应用中的弊端凸显。主要表现在以下四个方面：
第一，传统征信的服务范围窄。传统征信使用的数据主要来源于央行个人征信系统，而最初的数据来源则是公共服务信息及商业银行借贷记录。拥有这部分信息的人群通常具有较高且稳定的收入，发展前景较好的职业，大额的房贷、车贷历史等，并且基本上都享有额度较高的信用卡授信。在此意义上，传统征信根本无法覆盖没有信贷记录、收入水平较低的大量长尾人群，而这些长尾人群又正是当前消费金融服务面向的主体。
第二，传统征信的技术手段弱。在征信数据采集环节，主要采取逐级呈报的方式，该方式通常存在信息滞后严重、数据可能被污染和篡改、数据内容缺失等问题；在征信数据的整理环节，主要采取基于现有维度的关键字录入方法，这种方法思想简单，重复操作次数多、频率高，容易发生错误；在征信数据的保存环节，经过整理后的数据通常以关系表的形式存放于后台服务器中，如果服务器发生故障，将造成信息的丢失；在征信数据的加工环节，即利用处理过的数据构建个人信用评分模型时，通常以基于统计的逻辑回归模型为主，选出对个人信用影响显著的强相关变量，并在此基础上通过证权转换的方式进行个人信用评分，该评分过程相对固定，操作较为简单，但技术手段较弱，效果一般。
第三，传统征信的条件要求高。首先，接入央行个人征信系统的机构必须具备一定的从业资质。在此要求下，当前很多提供消费信贷服务的互联网金融平台并不能直接查询个人征信报告。其次，传统征信产品的使用需要花费一定的成本。例如，在当前的收费模式下，个人每年自第3次起查询自身信用报告的费用为10元/次；商业银行等机构查询个人信用报告基准服务费为5元/份；享受优惠政策的金融机构，如农村商业银行、农村合作银行、农村信用社等在内的8类金融机构查询个人信用报告的基准服务费为1元/份。虽然当前服务费用已大幅降低，但由于消费金融面向的授信主体众多，故查询成本依然很高。而那些通过间接方式查询个人信用报告的从业机构则要面临更高的中间成本。除了资质和成本问题，传统征信提供的产品较为单一，以个人信用报告为主，消费金融的从业主体必须根据该报告中的信息进行合理的授信，这对于很多非专业的消费金融从业主体来说，挑战明显。
第四，传统征信的适用性能低。基于个人征信报告信息构建的逻辑回归评分模型，对于不同消费主体的信用区分度低，绝大部分消费主体都位于中间分数段，即是否对其进行授信仍需人工决定，这将大大影响授信的效率。与此同时，如果将该评分方法用于长尾人群，由于缺乏与信用状况强相关的信贷记录指标，长尾人群的评分结果堪忧，自然也就无法获得授信服务。而这对于消费金融从业主体来说，显然不是明智的选择，因为如果不能尽可能多地开展授信服务，就无法获得相应的佣金和违约情形下的违约收益，这不利于消费金融从业机构的长远发展。除此以外，由于银行等传统金融机构面向的客户群体相对固定，同时这类群体的整体状况较为稳定，因而征信数据源及逻辑回归评分模型存在的时滞现象可以得到容忍。然而，消费金融面向的消费者群体类型各异、行为变化频繁、消费场景丰富，消费者的情况不断发生变化。在此情况下，传统征信方式显然无法有效应对消费者的高频授信需求。
种种迹象表明，中国消费金融的发展必须依托征信环节的改善。鉴于大数据与征信的天然联系，大数据征信自然而然成为弥补传统征信缺陷的重要方式。概括来说，与传统征信相比，大数据征信在以下六个方面做了提升：
第一，征信理念的拓展。传统征信倾向于采集能够反映借款人还款能力的强相关数据，并认为只有这些数据才有利于判断借款人的违约状况。大数据征信则揭示了信用经济的新内涵，通俗地讲，即一切数据皆信用。比如，在数据采集的过程中，不仅关注强相关数据的作用，还要注重分析信用影响因素中的非线性特征，加强弱相关数据的信息挖掘；在特征选择环节，尽可能地对所有变量进行特征变换，减少信息损失；在指标构建环节，结合人工与统计方法，涵盖反映还款能力与还款意愿的各类指标；在模型构建环节，不拘泥于传统逻辑回归分析方法，善于用新方法提升评分效果。应该说，大数据征信的各个环节无不体现着理念创新。
第二，征信主体的拓展。传统征信通常由独立的第三方提供，例如央行建立的个人征信体系，其中立性更强，也更具权威性，但其服务面仍然以银行等传统金融机构为主。当前，互联网平台、大型企业、电商平台等纷纷利用大数据征信进行信用风险防范，这些企业扮演着征信机构及信贷服务提供商的双重角色，突破了征信主体独立的约束，并且这种方式符合当前的业态发展需要，因此前景十分广阔。
第三，数据来源的拓展。传统征信的数据来源以银行等传统金融机构的借贷记录为主，覆盖面较窄。大数据征信的数据来源广泛，涉及通信、社交、消费、借贷等多个方面，涵盖面更广。与此同时，传统征信的数据源种类较单一，且以结构化存储为主。大数据征信的数据源类型丰富，包含视频、音频、文档等在内的多种非结构化数据，这些数据能够更加全面地反映消费主体的行为信息，进而体现其信用状况。
第四，技术方法的拓展。受到监管要求，传统征信在数据采集、信用评分等环节较为保守，方法较为固定。大数据征信则更加注重大数据技术方法的运用，比如在数据采集环节，利用先进的爬虫技术实时抓取信用主体分散的互联网数据；在数据存储环节，利用云平台、分布式技术存储更加混杂的数据信息；在数据分析环节，利用深度挖掘技术探索变量之间存在的相关关系；在评分模型构建环节，注重机器学习、集成学习的运用。
第五，服务人群的拓展。一方面，大数据征信能够服务于央行个人征信系统无法覆盖的群体。以蓝领工人、农民、大学生为代表的长尾群体，是大数据征信的主要服务对象，而这些人之前很难享受到银行等金融机构的信贷服务。另一方面，大数据征信同样能够弥补传统征信服务过程中的不足。比如，当前央行个人征信系统收录的信用主体信息较为片面，银行等传统金融机构使用的个人信用评估方法较为简单，针对授信主体的借贷条件较为严苛等，这些都不利于消费金融业务的拓展。大数据征信在理念、技术、方法上的创新将为传统征信模式的完善提供思路。
第六，应用范围的拓展。大数据征信应用的范围不局限于银行等传统金融机构，包括互联网平台、大型企业、电商、运营商等在内的消费金融从业主体都能够借助大数据征信开展相关业务。除此以外，大数据征信的产出不局限于个人信用评估报告，还包括个人信用评分、个人信用评级、个人信贷指南等更具应用价值的产品。
综上所述，在支撑我国消费金融普惠服务的过程中，传统征信存在诸多弊端，大数据征信则能够发挥重要优势。可以认为，大数据征信是中国消费金融发展的基石：一方面，大数据征信有利于个人信用体系的完善，尤其可以打破信贷记录缺失人群始终无法获得授信的怪圈，通过收集其他可替代数据来评估长尾人群的信用状况，从而为其提供初次授信，并基于初次授信后消费主体的还款表现，进一步对其信用做出调整，以此扩大原有个人征信体系的覆盖范围。另一方面，大数据征信起到连接消费金融参与主体的作用，是降低消费金融从业机构与消费主体之间信息不对称的重要手段。大数据征信有利于实现信贷资源的普惠供应，改变市场信贷配给长期不均衡的格局，缩小不同消费主体之间享受信贷服务的差距。
与此同时，传统征信流程通常以个人信用报告的提供为结点，忽视了对信用评估效果的考量。究其原因，主要因为传统征信面向的人群较为稳定，其信用状况在一段时间内几乎不会发生变化，查询个人信用的次数也较为有限。然而，随着中国消费金融市场的快速发展，消费金融从业机构呈现多元化格局，消费金融产品日益丰富，消费金融场景也更为广泛。在此意义上，消费金融发展带来的高频授信特征，有利于大数据征信流程的完善，有利于大数据征信效果的检验，有利于大数据征信模式的优化。因此，中国消费金融是大数据征信流程的重要延伸，也将促进大数据征信过程的完善。总的来说，中国消费金融与大数据征信相互促进、相辅相成。
当前，支撑中国消费金融大数据征信的理论主要有：消费理论，包括绝对收入消费理论、相对收入消费理论、生命周期消费理论、持久收入消费理论、理性预期持久收入消费理论、预防性储蓄理论等；信贷理论，包括信贷配给理论、信贷约束理论、小额信贷理论等；信息经济学，包括信息不对称理论、交易成本理论、信息孤岛论等；互联网金融相关理论，包括金融脱媒理论、长尾理论、普惠金融理论、共享经济理论等。应该说，中国消费金融大数据征信的理论支撑涉及范围较广，单一理论只能对其进行片面解释。与此同时，消费金融、大数据以及征信本身都是独立的系统体系，消费金融大数据征信是各个系统体系相互融合形成的更为复杂的系统集合。因此，复杂系统视角下的理论集合能够更好地支撑中国消费金融大数据征信的发展：消费理论及信贷理论主要为消费金融大数据征信的数据征集提供指导，信息经济学对于消费金融大数据征信统一标准制定、指标体系构建、评分建模分析等环节提出了更高要求，互联网金融相关理论指明了消费金融大数据征信的主体、服务人群以及服务模式。从整体角度运用理论集合对消费金融大数据征信全流程进行指导，是本文最终希望表达的观点。
（作者系南开大学金融学博士，互联网金融国家社会科学基金重大项目组秘书，上海浦东国际金融学会金融学术委员会特聘专家，中国民生银行南京分行“互联网+”精英俱乐部荣誉顾问）