1月5日，央行發布了《關于做好個人征信業務準備工作的通知》，要求八家機構做好個人征信業務的準備工作，準備時間為六個月。這意味著，此前一直由央行主導的個人征信體系將邁出市場化重要一步。

這8家被要求開展個人征信準備工作的機構，包括芝麻信用管理有限公司、騰訊征信有限公司、深圳前海征信中心股份有限公司、鵬元征信有限公司、中誠信征信有限公司、中智誠征信有限公司、拉卡拉信用管理有限公司、北京華道征信有限公司。換言之，這8家機構或將成為我國首批商業征信機構。

芝麻信用、騰訊征信這類基于互聯網的征信公司，可以看作是對央行征信體系的補充。除了在人群范圍和數據分析維度上進一步完善外，它們還將提供更豐富化的征信應用場景。但也有業內人士指出，這類互聯網征信公司在信貸方面的數據并未被充分驗證過，因此其模型的精準度有待時間檢驗。

征信業務大爆發

信用市場被認為是互聯網的下一個金礦。根據宏源證券[0.00% 資金 研報]分析師的預測，中國個人征信市場空間為1030億元，而目前個人征信和企業征信的總規模僅為20億元。

據了解，目前我國提供個人征信服務的“正規軍”只有央行征信中心及其下屬的上海資信公司。其中，征信中心作為央行直屬事業單位，專門負責我國企業和個人信用信息基礎數據庫的建設、運行和維護。截至2014年10月底，征信系統收錄1963萬戶企業及其他組織和8.5億自然人信用信息。而2014年前10個月，企業和個人征信系統的查詢量就分別達到8398萬次和3.27億次。

眼下，芝麻信用等八家機構只是按要求做好準備，離真正取得牌照還有一段時日。而不同的機構間，未來在個人征信業務方面也各有側重。

據悉，作為螞蟻金服的子品牌，芝麻信用體系將包括芝麻分、芝麻認證、風險名單庫、芝麻信用報告、芝麻評級等一系列信用產品，背后則是依托阿里云的技術力量，對3億多實名個人、3700多萬戶中小微企業數據的整合。

具體說來，芝麻信用通過分析大量的電商交易及行為數據，對用戶進行信用評估，判斷用戶的還款意愿及還款能力，繼而為用戶提供快速授信及現金分期服務。

螞蟻金服方面向記者稱，芝麻信用有著非常廣泛的信用數據來源，日數據處理量在30PB以上，相當于5000個國家圖書館的數據總量，其中包含了用戶網購、還款、轉賬以及個人信息等方方面面的數據。

不久前，螞蟻金服試運行的消費信貸產品“花唄”推出了賒銷服務。有的用戶能申請到幾千的額度，有的用戶能申請到幾萬，也有用戶無法獲得申請。在此過程中，阿里直接通過大數據運算分析完成評估和授信過程，判定透支額度。

騰訊也不甘落后。繼微眾銀行之后，騰訊即將推出互聯網征信體系。據悉，財付通團隊早在2年前就開始推進征信業務的探索，幫助用戶建立個人信用。公司稱，騰訊征信將基于騰訊現有的QQ、微信活躍用戶，以及在SNS、門戶、娛樂等眾多領域的群眾基礎，通過海量數據挖掘和分析技術來預測其風險表現和信用價值，同時規避隱私，讓用戶建立起“信用即財富”的觀念。

財付通表示，騰訊征信業務服務的對象主要包括兩類，一是金融機構，通過提供互聯網征信服務來為其降低風險；二是服務普通用戶，用便捷的方式幫助他們獲得信用記錄，這些記錄能反過來幫助其獲得更多的金融服務。

機遇和挑戰

那么，螞蟻和騰訊會如何在征信中掘金呢？螞蟻金服信用業務拓展的負責人鄧一鳴稱，公司在信用的應用場景上已有不少設想和研究。

在他看來，利用信用記錄申貸就是一項非常重要的應用。“過去，無論誰借錢都是一樣的利率，但在互聯網金融的環境下，情況變了。”鄧一鳴稱，“現在，許多平臺的借錢利息都是不同的，而識別利率最核心的就是信用。信用反映了你的融資能力，以及利率的優惠程度。這在未來一定有很大的空間和機會。”

第二是免押金服務。比如，用戶在租車時需要刷預授權，一些用戶沒有辦信用卡便無法租車。而芝麻信用可以為租車公司提供征信記錄，信用評分高的人可以免去押金，也不必刷預授權。

第三個場景是辦理出國簽證。眼下，不少用戶出國旅游時需要在銀行存一大筆押金，而有了信用記錄后，“那些消費記錄，你的履約能力都可以幫你做證明。”

還有招聘場景。當用戶在找工作時，許多公司都會對個人進行背景調查。此時，芝麻信用可以變成一個“信用中介”，幫助企業完成背景調查的過程。

在這些信用場景中，“最重要的是分享經濟。”鄧一鳴指出，“PP租車、人人快遞等模式都是分享經濟的產物。眼下，人人都可以是快遞員，一個人一天跑幾個點送快遞，順便賺點錢。這種模式越來越多，而這種模式下人與人之間的信任，都需要信用機制的介入。”在螞蟻金服的理想狀態下，信用體系未來能進入用戶的金融生活和方方面面，成為不可或缺的一環。

除了為集團的整體戰略服務，征信系統還可以輸出。拍拍貸CEO張俊之前曾透露，芝麻信用曾來洽談征信方面的合作事宜，芝麻信用希望向拍拍貸提供征信輸出服務，而相關用戶在拍拍貸借款后，其還款情況則需要再反饋給芝麻信用。但實際上，拍拍貸在驗證芝麻信用的模型后，發現其準確度并不高。

張俊向記者解釋說，“因為芝麻信用的數據里缺乏用戶的違約數據，即沒有用戶真實的貸款記錄，因此其模型的精準度大約只有拍拍貸的70%左右。”但記者尚無法對張俊所說的70%這個數據進行驗證。

張俊稱，在拍拍貸的風控模型里，用戶的社交數據大約只占8%到9%的權重，消費數據的權重也不到10%。相比之下，用戶的還款記錄、還款行為占到50%到60%的權重。而這一類型的數據恰是P2P公司的核心競爭力。從這個角度看，P2P公司現下與互聯網征信公司合作動力并不大。

“那些逾期和違約的數據，可以說是P2P公司用血和汗水換來的，是非常珍貴的數據。而我們不會把這些數據隨便提供給其他機構。”張俊說道。