个人征信革新赋能信用卡数字化转型
2019/6/11 14:53:56

信用卡的数字化经营时代已来临。伴随着金融科技浪潮的风起云涌,移动互联、大数据、云计算、区块链等新一代信息技术迅猛发展,不知不觉间已渗透至信用卡经营的方方面面。所谓数字化经营,主要体现在两个层面:一个是普遍意义上的“数字化管理”,即利用数据统计技术对企业经营目标和行为进行量化管理,实现对经营发展各环节的客观评价和决策驱动;另一个是更深层次的“数字化生产”,它已不仅仅局限于“指标评价”或“决策依据”的简单定位,而是全面超越了“统计层面”,深入到“生产层面”,通过深度应用多维新兴技术,对信用卡经营模式的各个环节进行“数字化”全流程改造,包括数字化产品、数字化营销、数字化获客、数字化风控、数字化运营等,这是信用卡数字化转型的实质和关键。而数字化转型中最为重要、也最为复杂的环节,就是数字化风控。充分利用现有条件推动“传统审批授信模式”向“数字化风控模式”蜕变,将成为数字经济时代下信用卡发展的核心竞争力。个人征信市场的加快开放和迅速崛起,恰恰为此提供了无限可能。

一、时代的机遇

1.个人征信市场洪流渐次开闸

面对国家大力推行社会信用体系建设的宏观机遇,国内征信行业迎来巨大发展空间,个人征信业务市场加速开放,具备移动互联基因和大数据整合优势的第三方征信机构纷纷抢滩筹建,围绕人民银行征信数据库以外的其他“信用数据”和“非信用数据”,进一步完善客户征信画像,成为传统征信的重要补充,推动征信行业逐步迈入互联网多元化发展阶段。人民银行将首张个人征信牌照发给了“百行征信”,其由中国互联网金融协会和8家个人征信试点单位共同出资成立,保障了个人征信机构在股权层面的独立性和征信结果的公正性。虽然创建伊始的“百行征信”在一些方面仍需进一步探究,但其最大的意义在于打破了过去个人征信市场的垄断局面,表明了国家加快推进个人征信市场化发展的决心,也为后来者获取个人征信牌照提供了现实借鉴,有利于营造出更加健康有序的市场环境。因此,及时把握个人征信行业革新的红利,对于加快信用卡数字化转型具有重要意义。

2.个人征信数据广度有效拓宽

个人征信市场的加快开放、大数据信息技术的飞速发展,使得个人信用数据呈现几何式增长,为“大数据征信模式”的建立和完善提供了先决条件。过去,人民银行征信报告是信贷审批的首要甚至是唯一依据,其数据主要来源于对传统金融机构信贷数据的强制采集,虽然报告中也包含了部分补充信息,如其他授信机构的信贷信息、部分公用事业缴费信息、部分公开司法信息等,但受限于相关行业信息化程度较低、数据结构化程度不高,这些信息整体应用价值十分有限。而“大数据征信模式”在数据采集的广度和深度、数据处理效能等方面更具优势,几乎能触达人们日常生活的方方面面,金融行为、消费偏好、个人兴趣、社交网络、活动范围、出行方式等数据,都在采集范围之内,相比传统征信报告覆盖人群更广,是对人民银行征信报告的有益补充;在采得“海量”数据后,应用大数据技术对其进行清洗、分类、匹配、整合并及时更新,最终实现数据的结构化、标签化、模型化,大大提高了个人信用评估的准确性和实效性,为信用卡“数字化风控”提供了有利条件。

3.人工智能模型发展趋于成熟

有了市场环境和数据基础,接下来就要看是否具备与之相匹配的数据处理和应用能力,即高效的模型工具。早期的数据应用靠的是专家经验,在数据稀缺、工具匮乏的年代里,“拍脑袋”式的规则制定是行业通行做法。在信息技术发展初期,数据获取能力较为有限,数据规模和数据质量得不到保障,仅可通过在有限样本中建立较为简单的统计模型来进行数据处理,相关算法主要包括线性回归、逻辑回归等,由于样本的局限性,整个模型的预测效果受到了一定影响。在大数据时代,数据的广度和深度得到了充分保障,数据专家可以凭借近乎全量样本的大数据进行模型开发,人工智能、机器学习等较为先进的模型工具陆续涌现,体现出更加精准化的预测能力。比如神经网络模型就是通过模拟人类大脑的神经网络,形成多重变量的交互影响,并可根据结果自动调整模型参数;随机森林模型通过随机选择样本和变量生成千百个决策树模型,进而通过集合过程确定最终结果。人工智能模型的一个主要优势就是能够随着数据量的不断积累而持续改进自身算法,进而提升准确度。这也为信用卡数字化经营能力的提升奠定了坚实基础。

二、面临的挑战

1.非信贷数据应用效能仍显不足

随着个人征信市场的逐步开放,技术革新带来了广泛的数字化潮流,除了已被各大金融机构娴熟应用的传统“信贷数据”以外,使用“非信贷数据”开展信用风险评估也受到了国内信贷机构的青睐。虽然整个社会的基础数据信息收集和共享环境有所改进,进入人们视野的“非信贷数据”种类日趋完善,但从数据标准化程度和应用场景来看,仍不足以支撑全面的大数据征信。一方面,是以水电气为代表的基础信息,包括社保、公积金、缴税、住房、教育、司法等在内的其他行业数据尚未实现完全联网,底层数据缺乏全面应用条件,如想使用需多点分别接入,且数据标准暂不统一,数据接入与清洗挖掘的工作量很大,应用场景和规模化应用效果有待明晰。另一方面,各类数据掌控方之间的信息是割裂的,比如各大电商拥有海量行为数据和交易数据等,都想凭借自身独有的数据优势形成“闭环”,成为行业老大,致使信息孤岛情况在部分数据类型上依然较为严重,数据共享共建存在壁垒。此外,作为社会基础性数据的公安身份信息、学历学籍信息等公共数据共享依然不足,仍需通过商业购买形式从行业管控者手中获取,数据使用成本普遍较高,不利于整体社会信用体系的建设。

2.信用评价实践效果仍需改进

信用评分是当前市场上较为主流的信用产品形式,人民银行征信中心、各家第三方征信机构纷纷推出了各自的个人信用评分,但评分与评分之间在数据基础、模型算法、变量选择、适用场景、实际应用效果等方面都存在较大差异,即使对同一个人的信用评估也存在不同结果,整体信用评价的可信赖性有待进一步探究和检验。信用评价模型的精度提升必须建立在大数据有效、充分抓取以及处理的基础上,需要不断实践反馈和反复修正。由于应用时间较短,缺乏历史数据参考,目前的大数据模型依然存在基于规则制定的情况,其中具有大量的传统征信规则,是介于大数据和传统算法的一种中间形态,未能完全体现出大数据征信的优势。此外,大数据征信的大部分数据来源于互联网,实际上就把较少使用或者不曾使用网络服务的群体排除在外,如偏远地区的人群以及年龄较大的人群等。对于上述人群的信用评价,目前还只能依赖于实地走访尽职调查,因此基于大数据的信用评价效果和范围仍存在较大改善空间。

3.信息主体权益保护机制亟待健全

伴随着个人征信市场的加速开放,对个人信息的广泛使用已经威胁到了个人隐私和安全。一方面,市场上易存在个人信息采集不规范、处理不安全、使用无约束的问题,导致个人信息满天飞,营销电话、诈骗短信等骚扰愈演愈烈。另一方面,目前法律对个人信息的财产属性尚未界定,互联网企业和商家利用服务客户的过程积累了大量客户数据,在客户不知情的情况下进行数据交易和转让,同样侵害了个人财产权益。个人信息保护的逻辑应当是既有效保护个人隐私,又不过度抑制征信行业的创新,从而达到两者的均衡,促进大数据征信实际价值的实现。大数据时代,个人数据呈现出集中化态势,同时伴随着对规模巨大的样本数据的挖掘和整合,导致对个人信息数据的防护变得困难重重,隐私保护和数据安全成为制约大数据征信发展的瓶颈,必须适时建设和完善符合大数据条件下的信息安全保护机制。

三、应对的策略

面对市场革新的机遇与挑战,信用卡数字化风控转型应着眼于四个关键词:数据、模型、自动化、专业人才。

1.数据驱动风控能力变革

数字化风险管理能力的背后是数据驱动风控效能的提升。新时代,信用卡业务应以全新的思路引领有质量的发展,立足全方位大数据实现信用卡风险管理前置,引领、协同前台业务发展。基于行内信用卡数据和非信用卡数据、行外信贷数据和非信贷数据,全面建立“基础数据+交易数据+行为数据”的综合应用模式,从数据维度协助提升欺诈和违约风险识别精度,实现对优质客户的主动定位和预授信,以扎实的数据基础驱动智能化、数字化的风险决策管理。

在内部数据方面,商业银行应进一步深耕手机银行、服务App、中高端客户、其他资产类或负债类行内客户等自有数据,结合信用卡历史数据形成分客群“仿真画像”,提前匹配预授信额度,扩大白名单规模,提升自有数据运用效率。

在外部数据方面,商业银行应优化人民银行征信报告、公安、学历等传统外部数据的应用逻辑,深挖风险价值点,丰富可用数据标签,做好数据之间的联动响应和交叉验证;同时,应借力外部征信市场开放,重点探究引入多头借贷、网贷逾期、司法失信、通信运营商、位置信息、车产信息、房产信息、公积金/社保/缴税等其他外部数据应用,多元尝试人脸识别、设备指纹、动态个性化身份核验等科技手段,结合科技创新打通行业内外、线上线下数据边界,主动选择风险可控的优质客户,实现精准靶向营销和数字化风控。

2.模型迭代适配能力变革

模型应用能力是体现底层数据价值的工具和窗口,基于多元化征信数据,需加快建立健全专业化数字风险模型体系,积极引入人工智能模型等业内先进算法,实现对模型的动态监控和快速优化。当前,商业银行的主流做法是基于传统静态信息建立模型,未能实现引入其他多元外部征信数据变量用于模型开发。此外,商业银行的主要风险模型(传统的申请评分模型、行为评分模型等)更新频率较低,更新流程复杂,整体模型迭代更新能力亟待提升。

当前,市场瞬息万变,模型规则的快速适配能力显得十分重要,应重点提升信用卡自主模型建设和应用能力,完善建模工具,除现有标准化模型外,自主搭建信用卡特色风险模型,结合不同场景、不同客群构建差异化细分子模型,增加应用多维度内外部征信数据,做好建模资源共享与协同配合,进一步提升模型的区分度和排序能力;结合自身风险偏好和经营导向的适时调整,及时对模型进行动态监控和迭代更新,综合增强信用卡风险模型的适配效果,从而实现模型迭代适配能力的提升。

3.系统自动决策能力变革

除了数据能力和模型能力外,信用卡数字化风控的另一个先决条件是处理流程的变革,需要依托高自动化、智能化程度的系统响应,这与信用卡业务自身特点也有关系。信用卡属于轻资本业务,户数多、金额小、无抵押、审批快,对系统化、自动化能力要求较高,尤其在当前金融科技大发展的时代,必然需要改变过去以定性为主、更多依赖审批人个人能力和经验判断的传统局面,重点完善定量风险评估模式,并在系统层面持续优化审批规则,进行客户多维信息自动化精准采集,基于多元化征信数据应用和自动化科技支持,提升线上、线下系统自动化决策能力和效率,动态监控自动审批质量和效果,整体提升自动化、智能化处理能力。此外,应同步做好数字化经营配套升级,把握线上化迁移趋势特点,加强成熟科技在信用卡业务中的转化应用,综合提升线上客户身份识别和风险防控;着力打造数字化信用卡“秒批秒贷”,协同提升系统响应和处理时效;配合完善已有客户信息自动采集,精简客户信息填写项目,提升客户申领体验,加快构建信用卡大数据自动化智能决策体系。

4.数字化专业人才队伍建设

以某国际化信用卡公司为例,其总部约1000人的风控队伍中,有近300名专业人员专职负责数据和模型,这是其核心竞争力所在。专业化人才的培养,尤其是数据科学家队伍的培养,是打造数字化风控能力的核心。商业银行要想建立信用卡数字化经营机制,必然要依托于数字化专业人才队伍的建设和培养,加强大数据模型专业人员的资源投入和忠诚度培养。一方面,从快速落地的角度,商业银行应集中优化人力资源配置,通过社会招聘、人才引进等方式补充新鲜血液,加快吸纳数据模型专业化人才,快速扩充当前专业队伍,高效提升专业化能力;另一方面,应同步实施存量挖潜,充分利用卡组织、专业咨询公司、同业深入交流、外派专题学习等外脑资源,加强对存量人员的专业化培养,增强对干部人才培养的前瞻性,为信用卡数字化风控机制的高效运行奠定坚实的人才基础。

四、思考与建议

1.聚焦个人信息保护立法进程

美国《华尔街日报》曾发文指出,相比于西方消费者,中国消费者对数据隐私不太关注,中国公司有更大余地去挖掘消费者的个人信息。其实不然,规范保护个人信息,是金融生态可持续发展的必然要素,是征信行业健康、稳健发展的基础保障。Facebook就因为数据泄露事件惹上了大麻烦,之后Facebook试图将多达15亿用户服务条款的主体变更至其美国公司,来规避欧盟于5月25日正式实施的史上最严个人资料保护法——《欧盟GDPR法案》。与传统的民法、刑法不同,个人信息保护立法与全球信息通信技术的发展紧密相关,每一次技术的重大飞跃都会造成法律的不适应,从而推动立法进程。随着大数据应用的普及,数据安全、个人信息保护在法律体系中的地位日渐凸显,但我国尚未出台个人信息保护的专门法规,在法律层面仍存在问题:一是法律层级低,体系不完善,在落地执行时存在适用范围、效力层级十分有限的困境;二是缺少一部专门的个人信息保护法,关于个人信息保护的条款散落在相关法律法规中,高度分散的法律文本停留在纸面上难以落实,监管部门职责有待进一步明确,缺少常规性行政执法、处罚和保护。

2.加强个人征信机构准入监管

随着个人征信机构市场化开闸,监管问题也随之而来。根据《征信业管理条例》,人民银行通过颁发个人征信业务经营许可证对个人征信机构实施准入管理。对标国际标准,对银行业实施审批准入制度也是国际通行的做法,由于银行业牌照管制模式的差异,审批准入制度可以分为以美国为代表的宽松型和以英国为代表的严格型。在美国,联邦政府和州政府均有权发放银行牌照,并按照“谁发放牌照谁承担主要监管责任”的原则实施机构准入监管,其优点是有利于行业充分发展,缺点是催生了“影子银行体系”,加重了后续监管负担;在英国,监管当局对经营银行业务和接受存款的机构采取了许可审批制,并按照谨慎性原则不断对其进行评估和考察,使得获取银行牌照的机构必须持续满足《银行法》规定的授权标准,其优点是便于监管,缺点是过于严格的准入制度导致市场固化,并最终凸显出金融市场的脆弱性。参考国际经验,建议我国在个人征信机构准入监管方面要张弛有度,既要划定清晰的征信信息边界,坚持独立性、公正性和隐私保护原则,切实维护信息主体合法权益,以达到准确识别“合格者”的目的;又要找准不同的功能定位和业务类别,严格筛选“最优者”进入市场,最终处理好第三方征信机构与人民银行征信中心的互补关系,建立一个种类齐全、功能互补、竞争充分的个人征信市场。

3.强化征信机构之间的兼容共享

个人征信行业目前面临着这样一个窘境:政府等有公信力的机构在能力、技术和产品快速迭代方面有所欠缺,而有能力、有技术的机构却没有公信力。从数据角度来看,个人征信数据类型激增,传统征信的数据来源以银行等金融机构为主,涉及范围较窄;大数据征信的数据来源更加广泛,涉及网购、转账、支付、理财、水电气缴费、租房租车、社交关系、客户评价等多维数据。与此同时,传统征信以结构化数据为主;大数据征信的数据来源广泛、形式丰富,包含视频、音频、地理位置等多种非结构化数据,这些数据能够全方位、多角度地反映消费主体的信用状况,但数据来源差异化大,标准化程度低,共享和复用难度大。从机构角度来看,不同类型的第三方个人征信机构之间合作空间有限,比如互联网金融公司、金融科技公司等,多以各自平台上沉淀的非传统信贷数据为核心竞争力,借此进行信用风险的评估和控制。在合法合规的前提下,建议各类征信机构能够从市场共建和竞合发展的角度出发,在数据共享、数据监控、标准共建、技术互通、资源互补等方面共谋发展,协力加快我国个人征信市场有序发展。

本文转载目的在于知识分享,版权归原作者和原刊所有。如有侵权,请及时联系我们删除。

展开全文
相关阅读
资讯查询取消