中新網4月1日 31日，波士頓諮詢公司(BCG)發佈中國個人徵信行業報告(2015)，認為中國個人徵信行業雛形初現，有望成為一片新藍海. 報告將針對中國新創生態聚合類徵信機構，從數據、模型、産品、應用等緯度首次對該類型徵信機構作了全透視。

　　報告認為，包括芝麻信用、騰訊徵信、前海徵信、考拉徵信和華道徵信等這類新創生態聚合類徵信機構，在數據上，除了對外接入傳統徵信數據外，都大量運用了自身場景下沉的多元鮮活數據，包括支付、網際網路電商、社交、電信服務、公共服務等；在徵信評價所使用的技術上，都不同程度的運用大數據等創新技術對經典徵信模型進行了補充和完善。在産品應用場景上，都從一開始就比較注重非金融場景的開發，探索傳統信貸與創新生活場景應用兼顧的發展。

　　針對上述觀點，為了便於讀者理解，報告以當下市場上表現出眾的芝麻信用為例，將新創生態聚合類徵信機構開展具體業務的方式過程，結合報告的觀點，給出了較為直觀的範例。

　　報告提到，芝麻信用通過運用雲計算、機器學習等技術客觀呈現個人的信用狀況，並已在信用卡、消費金融、酒店、租房、租車等多個金融與生活類場景為用戶、商戶提供信用服務，使其享受到信用的便利。作為螞蟻金服旗下獨立的第三方信用評估及管理機構，芝麻信用通過建立獨立IT系統，數據單獨存儲，組織架構上禁止交叉任職，業務經營上獨立決策等，保證徵信機構獨立開展業務。

　　從數據來源看，芝麻信用評分應用電商，網際網路金融，公安部人口戶籍、最高法老賴、教育部學歷、工商註冊等政府機構數據，合作夥伴，以及廣大實名用戶自主提交的數據和資訊，從信用歷史、行為偏好、履約能力、身份特徵和人脈關係五大維度對個人經濟信用行為進行綜合評估。

　　在構建信用評分模型體系之時，芝麻信用專注經濟信用預測，並利用先進的機器學習法，實現對經典信用評估模型的改良。由於傳統評估模型如評分卡、邏輯回歸等極為依賴強相關原始數據的可獲得性，而中國大量人群缺少歷史借貸及還款行為等個人金融數據，導致沿用傳統模型方法論時，徵信機構難以克服數據源的局限性，或難以以較低的成本進行海量數據的關聯性分析。

　　新創公司業務的實際效果也是各方關注的焦點。報告總結到，在過去的一年中，許多金融機構、生活應用類商戶都與新創類公司進行了有益的內部測試或合作，收到了比較良好的市場反饋。2015年下半年起，國內多家大型商業銀行對芝麻信用産品進行測試。從實際應用成果來看，芝麻信用評分表現出了較高的覆蓋度和違約風險識別能力，對於銀行自有風控模型做出了有效的補充，其中某股份制銀行信用卡中心與芝麻信用在貸前審批、貸中監控和貸後追償等領域進行了全流程合作，助力該機構將信用卡審批通過率提高了2-3個百分點。

　　波士頓諮詢公司認為，中國個人徵信行業的服務對象將包括金融借貸場景(包括銀行借貸場景及非銀行金融機構的借貸場景)、部分非借貸金融場景(例如保險)、部分非金融領域中涉及信用風險的場景(例如租房、租車等)。各家新創公司已就此展開了提前佈局。比如在非金融領域中涉及信用風險的場景這個服務領域中，芝麻信用評分已經被引入酒店、租房、租車等生活場景，並在多個場景之間進行相互驗證，發現其信用評分模型具有較好的可拓展性與通用性。例如，某酒店將芝麻信用評分引入其入住和退房流程決策系統，對於符合一定評分的客戶施行免押金入住和免查房退房，從而將申請入住時間由平均3分鐘縮短到45秒，將申請退房用時由平均2分鐘縮短至18秒，在風險可控的前提下，有效提升了客戶體驗和酒店運營效率。

　　報告認為，以芝麻信用為代表的新創生態聚合類徵信機構能夠在中國個人徵信行業市場化發展的大潮中助力社會商業環境的信用建設。憑藉其不斷交叉驗證提升的數據品質，以及先進的演算法技術與嚴謹的模型驗證，打造強大的個人信用洞察能力，讓人與人、人與機構之間的連接更簡單、更高效。