1.互联网金融模式和信用服务需求

目前，我国互联网金融模式主要可以分为五类：一是金融互联网，即传统金融利用互联网实现的业务升级，代表产品有手机银行、微信银行、互联网保险等；二是第三方支付的金融产品结算，代表产品为支付宝、财付通、拉卡拉等；三是基于交易的信用程度开展的微型信用贷款，代表产品为蚂蚁借呗、微粒贷、苏宁金融等；四是互联网投融资服务，代表产品为P2P融资模式、众筹、供应链等；五是互联网金融门户，代表产品为地方政府金融服务平台、ppp融资模式等。

互联网金融背景下信用市场主要有三方参与，债权人、债务人、征信公司。对债权人来说，信用需求主要体现为以大数据、云计算、移动互联网技术为基础，挖掘与分析潜在客户信息并进行信用风险管理，从而进行风险定价；以点对点的交易形式进行资金配置，全面实现业务流程的在线化，降低交易成本。对债务人来说，信用需求主要体现为通过专业的征信服务获得公平借贷的机会和充分的信贷便利。征信作为互联网金融体系中的基础设施，是互联网金融业务风险控制、产品定价的基础

2.我国互联网金融模式下信用服务市场

信用服务市场现状，互联网金融背景下催生了信用服务市场的大爆发，从出身背景来看，既有巨头孵化的征信平台，例如阿里、平安等利用自身积累的海量交易数据构建的商业模式；也有涌现的大量第三方创业机构，利用大数据技术切入征信领域。代表性的信用服务机构如下表：

表：互联网代表性信用服务机构

信息来源：作者整理。信用服务机构为2017年毕马威发布互联网金融征信50强企业征信公司。

3.存在问题

1、数据孤岛不利于持牌机构发展

有效数据的采集场景包括公共数据和市场数据。来自政府、监管机构和公共事业单位的公共数据，以及部分封闭性较强的行业市场数据，如金融数据不愿公开和共享，形成数据孤岛，信用服务机构只在某个场景挖掘，难以获取全面数据。

2、数据质量不高

一方面，缺乏统一提供信息的格式，中国并没有统一的数据采集和处理标准标准，通常会在基础环节，出现数据录入错误、信息缺失、冗余重复、信息主体不明等问题。另一方面，缺乏专业的数据提供商或交易平台，现实交易中，下游数据供应商提供给征信机构的数据往往质量不高，机构根据一个标准卡号得到的结果有可能是混乱的，即使经过清洗也无法使用。

3、商业价值尚未体现，盈利模式单一

从数据产业链看，各征信机构在征信产业链并没有明确的分工，大多数征信机构的业务囊括了数据采集和处理、分析和建模。从产品上看，大部分征信机构都拥有信用评分、信用报告和反欺诈等服务，产品种类比较趋同，但从全国整体市场来说，尚未出现一个被大范围使用、极具权威性的评分模型。除此之外，目前所提供的金融信贷服务，包括部分反欺诈、身份验证、信用决策等模型，都需要市场来验证准确性，目前国内大多数信用服务机构，所提供的服务仍集中在基础征信服务方面，收入主要来源于数据调取量，而其它评分等产品信用服务的商业价值没有体现，收入并不理想。

4.美国互联网金融背景下典型信用服务场景

4.1.Credit Karma——信用中介服务

CreditKarma的商业模式是：给消费者提供一些信用卡、贷款或保险的推荐，若消费者采取了其中一种方案，银行或者贷款提供商会向CreditKarma支付一定费用。Credit Karma会根据用户的信用报告和信用评分向消费者推荐贷款产品（包括信用卡、个人贷款、汽车贷款、住房贷款、学生贷款、企业贷款等）和车险产品，也会给出消费者申请相应信贷产品的通过概率。

CreditKarma数据及信息来源：提供很多免费服务。比如免费报税业务，直接异议提请和催收等。报税过程中可以获得企业单位名称，财务情况，股票交易记录，存款利息，动产和不动产投资损益，房产税，婚姻状况，家庭人口数量和年龄结构等等私人信息；异议申请和催收过程中相当于获得企业授权征信局的数据和更新后的数据，以及企业的财务状况。

免费的服务不仅让CreditKarma用极低成本获得了数千万高粘度客户，还带来了海量的用户信用记录，财务数据和行为信息。

4.2.ZestFinance——风控模型服务

ZestFinance是对美国传统评分模型FICO评分的补充，以大数据技术为基础采集多源数据，，充分考察借款人借款行为背后的线索及线索间的关联性，提供真正全面且的数据分析服务，最终给出准确的消费者信用评分。

ZestFinance目前服务的客户群体主要分为两类，一类是因FICO评分接近或低于500而基本信贷需求无法得到满足的人群，ZestFinance基于收集到的相关数据，帮助这类不符合银行借贷资质，但又具备还款能力的人能在互联网领域完成借贷。另一类则是信用分数不高而借贷成本高的群体，ZestFinance假设每一位客户都能按时偿还贷款，针对他们需求的贷款类型不同建立了不同的分析模型，通过大数据挖掘出他们的信用信息，再运用模型进行信用分析评分，帮助信贷信息不完整的客户给出他们真正的信用状况，最终帮助客户享受正常的金融服务。

5.互联网金融背景下信用服务市场发展的建议

5.1.公共信用信息为基础的信用服务

针对互联网金融机构（债权人）的信用需求，通过大数据分析进行风险定价，全面业务流程在线化面临的主要问题包括：一是贷前无法通过数据分析企业主的经营情况，需要线下核实房产信息、租赁合同、厂地购房合同、水电费单据、管理费、存货、经营单据、发票等，二是贷后无法获得企业主及关联人的联系方式进行穿透分析和风险跟踪。

因此，从机构的需求角度出发为机构提供以公共数据、运营商数据为依托的信用服务，需要以政府部门为导向，探索交换、共享公共数据的模式，培育专业独立的第三方征信公司开发以公共信用信息为基础的信用应用服务分析模型，满足金融机构的有效信用需求。

5.2.信用中介服务

针对企业（债务人）的信用需求，现实交易中小微企业无法清楚的获悉自己的信用程度和信用价值，企业在借款过程中付出的信用成本和借款成本巨大。新形势下探索小微企业金融服务模式，为企业提供信用中介服务，具体思路如下：

1、综合运用金融产品，收集市场上资金产品方的信用贷款产品（信贷、租赁、保理、众筹等多种金融服务手段）进行准入分析和信用条件（业务流程、还款期限、还款方式、融资利率）分析；

2、为企业提供贷款申请资金产品选择和概率的信用价值分析。通过系统地对企业进行信用分析和产品通过率概率评估，企业可以明确自己的信用价值，第三方征信机构提供定制化的信用中介服务，形成可行的小微信用商业模式。

5.3.聚焦供应链金融应用场景

互联网金融的下一个聚焦点从消费金融、汽车金融向小微金融、供应链金融转变，市场用户也从TO C向TO B升级。

供应链金融产业集群的特征是，其上下游小微企业普遍缺乏抵押物，但却具有完整的上下游供应链。小微企业存货变现与金融机构的信息不对称在于如何验证存货的真实性和动产质押的监管。针对小微企业的存货，信用服务机构可以开发“货易融”、“融易管”等产品为导向的信用服务，提供数据验证、分析、业务处理以及关联方主体资信数据报告，同行营运数据、上下游交易订单数据交叉验证。提供反欺诈、法律诉讼调查、模型量化征信依据、信用评分等，解决金融机构业务开展的不同需求，降低风险，提高业务效率。

5.4.以技术为驱动的信用服务

大数据可以分为数据和计算，拥有数据的平台和拥有计算能力的企业都在一定程度可以满足信用服务市场的需求。信用服务市场的发展，最重要的是技术和产业的结合。借助于互联网形态与大数据等新兴技术，可解决海量征信数据的采集和存储问题，通过机器学习和人工智能方法可深入进行征信数据挖掘和风险分析，借助云计算和移动互联网等手段可提高征信服务的便捷性。只有数据、计算能力和对行业的理解三者结合起来，才能形成一个既有技术的先进性，又具备产业化能力的解决方案。以技术为驱动的信用服务，它不仅仅可以让商业做的更好，而且有拓展商业边界的能力。