文/同盾科技董事长兼CEO蒋韬

本文分析当前中国的信用体系建设情况，认为社会效率的提升依赖信用体系的建设，同时指出大数据在构建该体系中是至为重要的一环。

党的十八大对诚信建设提出了具体要求，指出要“加强政务诚信、商务诚信、社会诚信和司法公信建设”，这要求每一个人都以建设者的姿态参与到诚信社会的建设之中。

经济增长新常态需要新信用——随着中国经济的腾飞，特别是互联网使得世界变得扁平，数据信息可以瞬间无远弗届，尽快建立中国的信用体系迫在眉睫。信用记录的重要性和信用记录的缺失日益激化，如何解决这对矛盾已刻不容缓。

构建信用体系 提升社会效率

当前，信用状况差是我国社会主义市场经济发展的一个薄弱环节，已成为影响和制约经济发展的突出因素。社会信用体系的核心作用在于，记录社会主体信用状况，信用体系可以充分调动市场自身的力量净化环境，降低发展成本，降低发展风险，弘扬诚信文化。中国正在构建信用体系，以信任为链接，为整个社会效率的提升打下基础。

身边很多人都有过一样的体验：想要买一样商品，搜索关键词，唰的一下，跳出几十个一模一样的照片，点进去不厌其烦地对比它们的价格、照片、产品信息等等，看到头昏眼花，最后用了两个小时，打开了二十几个网页，还是下不了一笔单。有人称此叫“选择恐惧症”，但为什么我们会对选择感到恐惧呢？设想一下，如果是你的朋友告诉你“嘿，这东西我用过了，真的挺不错的”，你是不是就可以更迅速地下单，然后等着隔天收快递呢?其实不仅仅是网购，生活效率低下，其实大多来源于不信任。

对于现代的市场交易环境而言，信用是一种建立在信任基础上的能力，不用立即付款就可获取资金、物资、服务的能力。接受信任的一方在其应允的时间期限内为所获得的资金、物资、服务而付款，而上述时间期限也必须同时被授予信任的一方认可。没有信用，就没有秩序，市场经济就不能健康发展。

以当前大金融环境而言，加快市场经济效率能有效提升社会效率。回到笔者所从事的大数据风控行业，对于市场经济结构调整的重要性就在于两方面——防控风险和提升效率，其中后者更是效果明显。

例如，银行信用卡部门反映，很多信用卡几年后就“沉睡”了，只能通过大数据来分析用户的职业、购物习惯等信息，挖掘客户需求来盘活“沉睡卡”，同时为银行网上商城导入流量，实现大面积的消费升级，为经济发展提供持续动力。再例如，未来可利用机器学习、智能分析的技术帮助保险行业提升效率，不但解决理赔、反欺诈等问题，还能为保险产品做精准定价。

大数据结合人工智能相比传统手段来说，其最核心的优势就是快。快速分析，快速测算，快速调整，快速决定，由此极大提高了商业效率以及客户体验。大数据的便利无处不在。这种来自于底层的技术推动力，能够帮助顶层设计克服掉诸多障碍，助力政策落地，提高整体社会效率。

信用，先有“信”，另一个是“用”。不难想象，未来社会，信用将成为硬通货，而诚信体系建设正是基于信用建设的，其对社会效率的提升将带来翻天覆地的变化。

美国的街道上车辆违章很少。不是因为当地人的素质高到不违章，其实深究下去是因为他们“违章”的成本很高，“违章”的记录将记载进信用记录，深深影响一个人的就业、贷款、租房，甚至婚姻。与欧美国家相比，当前中国的信用体系建立并不完备，而国人的“违约”和“欺诈”成本并不高，对失信的惩罚也并不高，这让整个社会信用体系的建立极其不利。设想一下，当中国已经建立和欧美国家这样完备的信用体系，当“信用”成为未来的个人资产，整个市场经济和社会运转速度和效率将有多少大的改观。

大数据：构建信用体系的重要一环

回到中国，有个现象值得注意，多年来不温不火的征信行业正在被互联网的浪潮所推动。电商供应链金融、消费金融平台、第三方支付的兴起，都在倒逼征信业的进步，进而倒逼整个社会信用体系的建立。

大数据如何在信用体系建设发挥关键作用？以互联网金融为例，其参与客户、产品形态、交易方式以及业务流程都发生了深刻的变化，传统的信用体系显然已经无法满足新常态背景下互联网金融业务发展的需要。

中国信用体系正在经历一次演进：首先，评估维度多元化。从单纯依托金融体系数据向跨领域跨行业融合数据演进；其次，参与机构多元化。作为央行的补充，细分领域的各类企业共同参与转变；最后，应用场景多元化。通过市场化不断推动信用产品和应用场景的创新，最大限度发挥信用的价值和作用。

而信用体系的建设需要大数据深度参与这一点毋庸置疑：

第一，必须“人人”有信用，也即信用评估的包容性和广泛性。目前，征信体系中有几亿“陌生人”的存在，导致这些小微弱势群体的需求无法得到满足，也催发了消费金融市场的爆发式增长。从长期来看，构建一套基于普惠理念的覆盖全民的诚信评估体系迫在眉睫，那这些“陌生人”就需要必要的大数据。

第二，信用深度依赖数据，而数据需要广泛性。从理论上来说，人们的每次行为都会在无形中成为对个人信用的一种表达，除了金融信贷，还包括商业行为、社会行为和社交行为等，比如：电商购物是否恶评、开车是否遵守交通规则、社交行为是否存在行骗、叫车软件是否爽约、旅游是否有失信行为、手机号码是否经常更换等，都能从一定的角度对全面衡量个人信用做出一定的指向性。

特别是在互联网化的金融背景下，个人信贷记录较少、开放仍有不足，商业、社会、社交行为数据几乎成为理性放贷支撑的基础。但截至目前，数据孤岛问题广泛存在，未来数据整合和共享将还有很长的一段路需要走。

第三，数据要有效，数据也要“智能”。信用评估结果并非一成不变，也不应该一成不变，要求我们既要用动态的眼光去看待客户信用，也要实现在客户发生异动时能真正地洞察客户行为的原因，并做出信用决策。机器学习及人工智能在这个领域的应用能有效解决这个问题，大数据参与诚信体系建设必须是“智能”的，我们说建设诚信生活体系是第一步，往深度来说，中国需要建立智能的“诚信网络”，通过大数据智能分析，来使整个社会效率极大提升。

第四，数据需挖掘，即基于大数据的信用价值挖掘的科学性和技术性。诚信评估的新体系下，由于海量多源的数据存在，数据从清洗到转换、挖掘，价值挖掘的好坏特别依赖于大数据挖掘技术应用是否到位，而擅长大数据技术的公司在信用评估领域也将具有得天独厚的优势。

在这场大数据技术深度参与社会变革的道路上，考验的是企业极致的专注力、创新力和耐力。社会信用体系的构建任重道远，而通过构建社会信用体系提升社会效率成为下一个社会领域的变革。

本文刊发于《清华金融评论》2017年4月刊