基层政府机构参与个人征信的信息推送平台建设①

宁波大红鹰学院 王乐



基层政府机构参与个人征信的信息推送平台建设①

宁波大红鹰学院 王乐

摘 要：我国个人征信体系正在快速发展，但与发达国家相比较差距还较大，在这种情况下，P2P风控中对借款人的信用审核难以获得准确的评估。而基层的政府机构（包括居民委员会）和各类对公机构由于直接和社会个体接触，对特定个体的基础信用数据有所掌握。基于此，建立一个可以通过社交网络的分布式，快速反馈这些基础数据的信息推送系统，有效降低征信成本，提高征信准确性，就显得十分必要。

关键词：征信 政府 P2P 互联网金融

1 国内外征信模式分析

欧美发达国家的个人征信体系经历一百多年的发展，已经比较完备。信用体系成为整个社会的基础，公民的信用意识强烈，市场经济可以说是运行在信用基石上的经济。

美国的个人征信体系是以商业化的“信用局”所收集、计算和发布的信用分为基础的，并在长期的竞争中逐渐形成了艾可飞（Equifax）、益百利（Experian）和环联（TransUnion）三个超级信用局三足鼎立的局面。1950年，工程师Bill Fair和数学家Earl Isaac经过研究，设计了一套名为FICO的信用分统计模型，把三大征信机构收集起来的数据，通过一套逻辑给出统一的评分，这套模型从20世纪80年代开始在美国流行，成为当今世界最为通用的个人信用评分体系，覆盖80%以上的美国民众。

相比较而言，欧洲的征信体系发展相对美国要稍晚一些。比较早的如德国，始于20世纪30年代；较晚如法国，到20世纪80年代才开始出现征信机构。和美国完全市场化的发展路径不同，欧洲大多数国家公共征信和民营征信共存，前者只对一定额度以上的贷款信息要求强制汇报，从而给私营征信机构留下了发展空间。

我国的个人征信业务发展更晚。2013年3月《征信业管理条例》的正式实施，标志我国征信业的法律建设走上正规。目前，已形成三层次的个人征信体系：第一层次是拥有大量基础信息的公共信用数据库和若干专业信用数据库，以中国人民银行征信中心管理的企业和个人征信系统数据库为代表；第二层次是掌握特定经济信用信息的政府职能部门、投资金融机构、经济鉴证类中介机构，该层次以工商、税务、海关等政府职能部门的信息管理系统为代表；第三层次是对信用信息进行搜集、调查、加工并提供信用产品的专业征信机构，包括有政府背景的地方性征信机构、民营及外资征信机构等。

2 P2P征信途径分析

P2P的征信途径，可分为“线上”和“线下”两种途径。

2.1 线上征信方面

央行的个人信用数据库是目前最权威的官方信用信息，收录约8.8亿自然人数，为世界上最大的个人征信数据库，但数据范围很窄，仅覆盖银行信贷系统，采集的数据包括个人基本信息、贷款信息、信用卡信息、及信贷领域以外的信用信息。

2015年1月，央行印发了《关于做好个人征信业务准备工作的通知》，批准芝麻信用、考拉征信等8家机构开展个人征信市场化进程，但截至本文成稿，相关牌照至今仍未能发放［1］。行业对个人征信相关业务表现出非常积极的态度，多家企业陆续提出新的牌照申请，并已有跨平台的综合数据库试运行，例如蚂蚁金服推出的“芝麻信用”［2］、盈灿资讯推出的“蜜蜂数据”［3］等。

和信用发达国家相比，我国的个人信用体系还差距甚远，技术落后，创新不足，数据共享差，以及缺乏自律等，加上民众的对信用的重要性普遍认识不足，因此，仅依赖线上个人信用数据库无法对个人信用进行准确的评价。国内P2P行业在对借款人进行信用评估的时候，往往采用线上+线下的“O2O”手段。

2.2 线下征信方面

国内P2P平台普遍采用的模式可分为4种类型［4］：直营网点模式（投哪网等）、担保小贷模式（有利网等）、商圈模式（积木盒子等）、加盟模式（翼龙贷等）。这些模式都需要进行实地审核，即派专员去借款人所在的住址、工厂、办公场所、门店等场所进行实地调查，审核相关资质，与借款人进行面对面沟通和了解。一些在线上审核难以检查出的问题（例如工作地点造假、住址造假、房产造假等）都会被一一查出。

O2O模式的征信调查，对平台的业务素质和执行能力要求较高，同时成本也较高。而基层政府和各类法人机构的天然征信作用，在目前的P2P征信中尚未充分发挥作用。

3 基层政府（及机构）在个人征信中的作用

基层政府（及法人机构）在个人征信领域有着不可替代的权威作用。我国的基层政权包括农村基层政权和城市基层政权两部分：按照宪法和地方组织法的规定，农村中指乡、民族乡、镇一级，城市中指不设区的市、市辖区一级。为了便于行政管理，我国城市基层政权一般设有自己的派出机关——街道办事处，下辖若干社区居民委员会（农村为村民委员会），或有极少数的行政村。

街道办事处和居民委员会的日常工作包括办理公共福利、便民利民、城管卫生、治安、劳动就业再就业等社区服务工作其他事业，解决生活、学习、文娱、体育和卫生保健等方面的问题，排解民间纠纷，调解一般民事和轻微刑事案件，协助维护社会治安，并且向人民政府反映人民群众的意见、要求和提出建议。

由于街道办事处和居民委员会直接和群众相接触，对辖区居民的经济、社会各层面的基本情况有最为全面的了解，因此，作为可靠的征信源，是构造居民信用信息的一个重要组分，但目前还没有可有效利用的手段或平台与之接口。

各类法人机构或带有官方背景的部队、协会等对公机构，有着与居民委员会类似的特点，即直接接触员工或成员个人，对其基本社会信息（工作情况、收入概况乃至居住、家庭、健康等情况）都有第一手的了解，可以为征信机构提供比较权威的数据。即便这些数据可能对不同的个体有所缺额，但是不妨碍征信机构运用大数据分析为征信对象做出较为合理的信用评分。

综上所述，基层政府（及法人机构）由于其独有的管理职能，可以提供权威的个人信用信息，从而有效协助征信机构或投资人了解借贷者的信用预期，及在用户违约后进行追讨。

图1 个人信用基础数据推送系统业务架构

4 面向基层机构的征信信息推送平台建设

基于上述分析，我们认为，直接从基层政府及法人机构获取的个人信用基础资料，可以为第三方征信机构或者P2P平台风控部门提供有效的征信评估依据。为实现这一目的，可以在充分利用社交网络强大的相互连接能力基础上，实现快速的征信请求和反馈。

面向基层机构的个人信用基础数据推送系统的业务架构如图1所示。通过微信微应用或Web Service接口，可以方便地将P2P平台的信息请求提交给中心数据库，后者根据请求内容进行二次派发（推送）。基层组织根据自己掌握的基础数据生成反馈信息，提交给数据中心记入日志，并回馈到请求平台。

以微信平台实现的数据中心为例，P2P平台对借款用户进行基础信用数据调查的工作流程如下。

首先，在建设阶段，通过基层政府的推动，所有对公机构关注基础信用推送系统微信公众号，以便接收数据中心推送的数据请求并提供反馈。

其次，P2P平台或征信机构通过行业协会的认可后，接入此基础信息接口，以免个人信用信息被滥用。

最后，当P2P平台需要进行信用数据调查的时候，按如下流程抽取。

（1）关注数据中心的微信公众号，接入数据中心。

（2）当需要审核借款用户“张三”的信用时，平台的风控人员将张三的基本信息（姓名，年龄，工作单位、住址等）提交给数据中心。基本信息的格式可以类似如下形式：

【张三，男，身份证号，年龄，学历，电话，家庭住址，住房规格，月收入，户籍，商业资产等】。

（3）数据中心将这些信息进行分割处理，以获取信息推送目标（即基层机构征信专用微信号）。例如：根据户籍所在地，换算成为相应的居委会和派出所；根据住址，换算成为小区物业；根据工作单位，换算成为单位人事部门等。

（4）根据上述结果，将征信请求发往对应的居委会、派出所、物业公司和工作单位人事部等的基层机构征信专用微信号。

（5）基层机构负责反馈的工作人员核对信息后将数据通过手工或自动的方式送回数据中心。

（6）数据中心记录数据日志（以构造数据仓库），并将各基层机构的反馈数据组合打包后传回发请求的P2P平台。

上述工作并不会给这些基层机构带来很大的额外工作负担，因为它需要回答的往往只是一些非常简单和基础的问题，例如：某人是否是某公司员工？工资级别是什么？有没有特殊的负债？是否居住本小区等。信息请求根据机构的职能而设，例如，小区物业仅仅负责答复是否有该用户有欠交物业费问题等，而不需要回答该用户是否开有一个水果店。由于需要调查信用用户数量很少（P2P网站大量的注册用户是理财投资者，而非借贷者），同时基础信息的类型又简单和少量，因此为数据提供者附加的工作量也较小。

5 政府在基础征信信息推送中的作用解析

有意见认为，“小政府大社会”才是当代社会的发展方向。面向基层政府机构及其他对公机构的征信推送体系，从表面上看，为基层政府增加了额外的工作，但这些工作恰恰是政府作为服务者——政府的角色是数据的提供者，而不是风险和信用的评定者，更不是相关权力的管理者——参与社会事务的一个典型范例。同时，对公机构为社会提供真实的基础信用数据，本来就是各机构对社会当尽的义务；地方政府可以对各机构针对该项工作提出强制性的统一要求，以利于此项基础信息建设工作的成功推进。

参考文献

［1］ 搜狐.个人牌照遥遥无期［EB/OL］.http：//mt.sohu.com/ 20160311/n440101672.shtml.

［2］ 蚂蚁金服.芝麻信用［EB/OL］.http：//www.antgroup.com/ page/zmxy.htm.

［3］ 盈灿咨询.蜜蜂数据［EB/OL］.http：//www.51zhengxin. com/.

［4］ P2P线下实地审核流程是什么［EB/OL］.http：//www.csai. cn/p2pzixun/795967.html.

中图分类号：F832.4

文献标识码：A

文章编号：2096-0298（2016）06（a）-179-02

基金项目：①本文受宁波市软科学研究计划项目（2014A10008）资助。

作者简介：王乐（1978-），女，河南南阳人，博士，讲师，宁波大红鹰学院，主要从事数据挖掘和金融数据分析方面的研究。