丁潔

摘要：隨著互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的不斷發(fā)展，對征信行業(yè)具有強(qiáng)大的沖擊力，顛覆傳統(tǒng)征信觀念。針對目前我國互聯(lián)網(wǎng)征信仍處于初級(jí)階段，存在信用主體權(quán)益難以保障、征信數(shù)據(jù)共享困難、信息安全風(fēng)險(xiǎn)較大、大數(shù)據(jù)征信準(zhǔn)確性有待驗(yàn)證等問題，提出大數(shù)據(jù)征信體系的發(fā)展建議。

Abstract： With the continuous development of the Internet and big data technology， it has a strong impact on the credit reporting industry and subverts the traditional concept of credit reporting. In view of the fact that China's Internet credit reporting is still in its infancy， and there are problems such as difficulty in securing credit subject rights， difficulty in collecting credit data， high information security risks， and doubt in accuracy of big data credits， suggestions for the development of big data credit system are proposed.

關(guān)鍵詞：大數(shù)據(jù)；互聯(lián)網(wǎng)；征信；信用評估

Key words： big data；internet；credit reporting；credit evaluation

中圖分類號(hào)：F832.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2018）30-0224-03

0 引言

征信是指專業(yè)化的、獨(dú)立的第三方機(jī)構(gòu)對企業(yè)和個(gè)人的信用信息進(jìn)行采集、整理、保存、加工，并依法對外提供信用信息查詢和評估服務(wù)的活動(dòng)，以此控制信用風(fēng)險(xiǎn)。我國傳統(tǒng)征信體系主要依靠央行的金融信用信息基礎(chǔ)數(shù)據(jù)庫，其中企業(yè)數(shù)據(jù)為核心。而互聯(lián)網(wǎng)以B2B或B2C的形式將社會(huì)中大多數(shù)個(gè)人互相連接起來，原有的征信體系已不能滿足社會(huì)征信的需求，個(gè)人征信在征信體系中的比重變得日益重要。在傳統(tǒng)征信中，個(gè)人征信是基于銀行業(yè)金融機(jī)構(gòu)的個(gè)人金融交易行為來確定的，而隨著互聯(lián)網(wǎng)金融的快速發(fā)展，P2P網(wǎng)絡(luò)貸款、個(gè)人消費(fèi)金融的規(guī)模迅速增加，但由于缺乏有效的信用信息共享機(jī)制，導(dǎo)致多頭借貸、過度借貸、詐騙借貸等行為不斷出現(xiàn)。與此同時(shí)，在金融領(lǐng)域之外的商業(yè)信用信息數(shù)量也越來越多，這為征信業(yè)帶來較大的挑戰(zhàn)。

大數(shù)據(jù)的出現(xiàn)為征信業(yè)的發(fā)展帶來新的契機(jī)，征信可依托大數(shù)據(jù)技術(shù)構(gòu)架新的信用評估模型，通過多維度變量對個(gè)人進(jìn)行信用信息考察，將碎片化的、海量的、分散的個(gè)人信息轉(zhuǎn)化為個(gè)人的信用畫像，形成有價(jià)值的全局信息，將信息不對稱降到最低。2018年2月22日，央行正式下發(fā)我國首張個(gè)人征信業(yè)務(wù)牌照，百行征信有限公司正式獲批，以互聯(lián)網(wǎng)金融協(xié)會(huì)牽頭持股36%，芝麻信用、騰訊征信、中智誠征信等8家個(gè)人征信試點(diǎn)機(jī)構(gòu)各持股8%，整合各大數(shù)據(jù)主體的有關(guān)個(gè)人信用信息的資源，彌補(bǔ)央行征信覆蓋率不足的問題，降低征信成本，提高征信效率，完善我國的個(gè)人征信體系建設(shè)。

1 我國征信的發(fā)展現(xiàn)狀

1.1 傳統(tǒng)征信覆蓋率低且信息量不足

目前我國的征信模式主要以政府為主導(dǎo)，以中國人民銀行的金融信用信息基礎(chǔ)數(shù)據(jù)庫為核心，接入的機(jī)構(gòu)包括金融機(jī)構(gòu)、小貸公司以及部分互聯(lián)網(wǎng)企業(yè)，主要搜集信用主體在各金融機(jī)構(gòu)的借款、信用卡、對外擔(dān)保情況、逾期次數(shù)等；同時(shí)接入法院判決信息、欠稅記錄、電信欠費(fèi)信息、公積金等公共信息。央行的征信系統(tǒng)通過商業(yè)銀行及其他準(zhǔn)入機(jī)構(gòu)報(bào)送的數(shù)據(jù)，提供給銀行系統(tǒng)信用查詢和提供個(gè)人征信報(bào)告，但對于其他征信機(jī)構(gòu)和互聯(lián)網(wǎng)金融公司目前不提供直接查詢服務(wù)。

截止2017年8月，央行的征信系統(tǒng)共收錄9.3億自然人，其中有信貸記錄的共4.6億人，仍有4.48億自然人沒有信用檔案，占比達(dá)32%，無法獲得傳統(tǒng)的金融服務(wù)?？梢?，我國征信市場單一及覆蓋率低。同時(shí)，傳統(tǒng)征信的數(shù)據(jù)來源主要以銀行信貸為主，缺乏多維度的信息。

而截止2017年12月，我國有7.7億網(wǎng)民，其中，手機(jī)網(wǎng)民有7.53億[1]，人群的覆蓋面非常廣。依托網(wǎng)絡(luò)的普及率，大數(shù)據(jù)可以搜集任何網(wǎng)民的網(wǎng)絡(luò)記錄，包括電商平臺(tái)的交易記錄、社交言論、行為記錄、地理位置信息等，用機(jī)器學(xué)習(xí)模型及多維度變量方法，深度挖掘并分析個(gè)人的信用記錄，是對傳統(tǒng)征信的補(bǔ)充，使得缺少傳統(tǒng)信用數(shù)據(jù)的人群能夠獲得信用服務(wù)。

此外，央行的個(gè)人征信報(bào)告主要反映的是個(gè)人的逾期情況，而實(shí)際銀行操作時(shí)還要結(jié)合本銀行自身的信用評級(jí)作為對征信報(bào)告的補(bǔ)充手段，并且同時(shí)查詢“全國被執(zhí)行人名單”、“黑名單查詢”、“全國失信信息名單查詢”等政府平臺(tái)的網(wǎng)站來輔助了解個(gè)人全面的信用情況。由于各銀行的評級(jí)系統(tǒng)皆存在差異，評級(jí)方式主要依靠客戶經(jīng)理事前的材料搜集準(zhǔn)備、手工系統(tǒng)錄入、人工選項(xiàng)選擇，故主觀性大且人力成本高。

1.2 大數(shù)據(jù)征信發(fā)展的趨勢性

互聯(lián)網(wǎng)金融的發(fā)展，風(fēng)險(xiǎn)控制是核心，而征信是風(fēng)險(xiǎn)控制的關(guān)鍵。近幾年來，網(wǎng)絡(luò)借貸P2P平臺(tái)快速發(fā)展，而P2P公司無法接入央行的征信系統(tǒng)從而無法獲得可靠的征信數(shù)據(jù)，嚴(yán)重阻礙P2P平臺(tái)的正常發(fā)展。截止2018年4月底，我國網(wǎng)貸行業(yè)累計(jì)停業(yè)及問題平臺(tái)共4237家，占網(wǎng)貸平臺(tái)總量（6114家）的69.3%[2]。

數(shù)據(jù)作為征信業(yè)發(fā)展的核心因素，其儲(chǔ)存、分析極為關(guān)鍵。而大數(shù)據(jù)最核心的價(jià)值就是對海量數(shù)據(jù)進(jìn)行儲(chǔ)存和分析的技術(shù)。大數(shù)據(jù)征信突破傳統(tǒng)征信只搜集結(jié)構(gòu)化數(shù)據(jù)的局限性，任何數(shù)據(jù)，包括視頻、圖片、音頻等非結(jié)構(gòu)化數(shù)據(jù)以及郵件、網(wǎng)頁等半結(jié)構(gòu)化數(shù)據(jù)，都可通過機(jī)器學(xué)習(xí)、人工智能、數(shù)據(jù)挖掘、集成算法等技術(shù)，將看似與信用無關(guān)的或者關(guān)聯(lián)性弱的數(shù)據(jù)通過交叉驗(yàn)證的方法，轉(zhuǎn)化為強(qiáng)變量的征信數(shù)據(jù)。既可以評估過去的信用狀況，又能分析和預(yù)測未來的違約率。同時(shí)大數(shù)據(jù)強(qiáng)大的快速分析及驗(yàn)證能力，確保了信用結(jié)果的客觀性和可靠性，杜絕數(shù)據(jù)造假。

1.3 大數(shù)據(jù)平臺(tái)快速發(fā)展

隨著大數(shù)據(jù)的發(fā)展，一些傳統(tǒng)的征信機(jī)構(gòu)開始轉(zhuǎn)型，創(chuàng)建了基于同業(yè)共享的大數(shù)據(jù)征信系統(tǒng)。例如上海資信有限公司2013年創(chuàng)建了網(wǎng)絡(luò)金融征信系統(tǒng)（NFCS），該系統(tǒng)主要解決P2P平臺(tái)無法接入央行征信系統(tǒng)，完全靠借款人自主提供其央行的征信報(bào)告，造成審核成本高、手續(xù)繁瑣、資信材料易造假這一問題。該系統(tǒng)采集P2P平臺(tái)客戶的個(gè)人基本信息、貸款信息、還款信息和特殊交易信息，通過數(shù)據(jù)共享，幫助P2P平臺(tái)了解授信對象，防止多頭借貸和惡意欺詐，規(guī)避信用風(fēng)險(xiǎn)。截止2018年4月30日，NFCS網(wǎng)絡(luò)金融征信系統(tǒng)接入機(jī)構(gòu)1153家，共收錄自然人5220萬人，其中有借貸記錄的自然人2313萬人，4月日均查詢量20.8萬次。

小額信貸行業(yè)信用信息共享服務(wù)平臺(tái)（MSP）為會(huì)員制模式，于2013年3月由北京安融惠眾征信有限公司創(chuàng)辦，主要服務(wù)對象為小貸公司、P2P公司、擔(dān)保公司，通過信息共享，幫助其會(huì)員避免過度借貸、惡意欺詐等信用風(fēng)險(xiǎn)。截止2018年4月，MSP征信累計(jì)會(huì)員數(shù)量達(dá)2431家，被收錄信貸記錄的信息主體共1122.8萬人。

一些大型的互聯(lián)網(wǎng)公司也在進(jìn)軍個(gè)人征信業(yè)務(wù)領(lǐng)域，2015年1月人民銀行因社會(huì)信用體系建設(shè)的需要允許8家公司作為第一批試點(diǎn)的市場化的個(gè)人征信機(jī)構(gòu)，分別是芝麻信用、騰訊征信、前海征信、鵬元征信、中誠信征信、中智誠征信、考拉征信、華道征信。這8家公司利用各自的數(shù)據(jù)優(yōu)勢，建立個(gè)人信用評分產(chǎn)品（表1）。這些信用評分產(chǎn)品不僅應(yīng)用于傳統(tǒng)的金融場景，還應(yīng)用于信用生活場景。如芝麻信用同時(shí)應(yīng)用于信用借還、免押金出行、免押金住宿等。

此外，互聯(lián)網(wǎng)征信機(jī)構(gòu)還致力于征信產(chǎn)品的開發(fā)，在傳統(tǒng)征信產(chǎn)品的基礎(chǔ)上衍生出信用認(rèn)證、信息核查、欺詐風(fēng)險(xiǎn)評分、欺詐信息驗(yàn)證服務(wù)等增值產(chǎn)品。

2 我國大數(shù)據(jù)征信發(fā)展面臨的問題

2.1 信用主體的權(quán)益難以保障

2.1.1 大數(shù)據(jù)信息采集的隱蔽性造成用戶的知情權(quán)和同意權(quán)難以保障

《征信業(yè)監(jiān)管條例》第十三條規(guī)定：“采集個(gè)人信息應(yīng)當(dāng)經(jīng)信息主體本人同意，未經(jīng)本人同意不得采集?！倍髷?shù)據(jù)征信系統(tǒng)主要依靠網(wǎng)絡(luò)爬蟲類技術(shù)追蹤挖掘個(gè)人的網(wǎng)絡(luò)瀏覽記錄，大數(shù)據(jù)平臺(tái)一般自動(dòng)記錄個(gè)人的電商數(shù)據(jù)、社交數(shù)據(jù)或交易記錄等信息，該過程具有隱蔽性，使得征信公司在采集數(shù)據(jù)時(shí)往往未獲得信息主體的授權(quán)。

《征信業(yè)監(jiān)管條例》第十四條規(guī)定：“禁止征信機(jī)構(gòu)采集個(gè)人的宗教信仰、基因、指紋、血型、疾病和病史信息”，由于互聯(lián)網(wǎng)中隱藏了大量的個(gè)人敏感信息，征信公司在數(shù)據(jù)收集時(shí)很難避免采集到這些法律嚴(yán)令禁止和限制性的信息，因此個(gè)人信用信息采集范圍的合法合規(guī)性難以界定。

與此同時(shí)，還存在被迫或無意間同意授權(quán)的行為，以芝麻信用為例，在用戶查詢支付寶年賬單時(shí)，在未看清的情況下無意勾選同意“芝麻信用服務(wù)協(xié)議”，給予授權(quán)；還有部分用戶因無法理解個(gè)人信息采集的真正用途，且認(rèn)為除點(diǎn)擊同意外并無其他選擇而偽授權(quán)。

2.1.2 信用主體的異議權(quán)難以實(shí)現(xiàn)

由于大數(shù)據(jù)征信技術(shù)性極高，造成普通信用主體難以理解大數(shù)據(jù)征信模型及評分的標(biāo)準(zhǔn)，以至于難以發(fā)現(xiàn)其中的信息不準(zhǔn)確或遺漏問題，個(gè)人信用主體無法及時(shí)進(jìn)行信息更正，異議權(quán)難以運(yùn)用。

2.1.3 信用主體的信譽(yù)重建權(quán)難以保障

《征信業(yè)監(jiān)管條例》第十六條規(guī)定：“征信機(jī)構(gòu)對個(gè)人不良信息的保存期限為5年，超過5年的應(yīng)當(dāng)刪除”，但互聯(lián)網(wǎng)征信機(jī)構(gòu)的數(shù)據(jù)記錄遍布網(wǎng)絡(luò)及網(wǎng)絡(luò)終端，難以刪除，且目前互聯(lián)網(wǎng)征信公司的產(chǎn)品協(xié)議中并未對用戶信用信息的使用時(shí)限做出明確的規(guī)定，造成信息主體很難進(jìn)行信譽(yù)重建。

2.2 征信數(shù)據(jù)共享困難

目前我國央行的金融信用信息基礎(chǔ)數(shù)據(jù)庫、政府職能部門如司法、工商、稅務(wù)、海關(guān)、民政局等相關(guān)信息、P2P平臺(tái)的網(wǎng)貸信息未能實(shí)現(xiàn)數(shù)據(jù)共享，信息孤島問題嚴(yán)重。同時(shí)各行業(yè)均按照自己的標(biāo)準(zhǔn)建立征信體系，國家并未統(tǒng)一信息采集標(biāo)準(zhǔn)、接口交換標(biāo)準(zhǔn)、征信服務(wù)標(biāo)準(zhǔn)，且征信數(shù)據(jù)被各征信機(jī)構(gòu)視為商業(yè)秘密及其核心競爭力，嚴(yán)重阻礙我國征信的發(fā)展。

以8家個(gè)人試點(diǎn)征信機(jī)構(gòu)為例，這8家機(jī)構(gòu)都依托互聯(lián)網(wǎng)形成自己的業(yè)務(wù)閉環(huán)，分割了市場的信息鏈，造成每一家的信息覆蓋率都受到限制，而且信息不廣、不全面也同時(shí)造成了產(chǎn)品的有效性不足。因此，央行拒絕下發(fā)個(gè)人征信牌照。

2.3 信息安全風(fēng)險(xiǎn)較大

大數(shù)據(jù)征信機(jī)構(gòu)海量采集數(shù)據(jù)，這些數(shù)據(jù)涵蓋個(gè)人的身份信息、社交信息、交易信息、受保護(hù)的醫(yī)療信息等，如何保證在采集、儲(chǔ)存、傳送時(shí)信息的安全性。2016年商業(yè)銀行2起個(gè)人征信信息泄密事件都是因?yàn)檠胄姓餍艌?bào)告查詢所接入的機(jī)構(gòu)范圍有限以及征信信息的價(jià)值高所引起的，而大數(shù)據(jù)征信機(jī)構(gòu)的數(shù)據(jù)庫價(jià)值量更高，很容易被不法分子當(dāng)做目標(biāo)，進(jìn)行攻擊、利用。如何對服務(wù)器進(jìn)行安全防護(hù)，防止未經(jīng)授權(quán)的人員進(jìn)入系統(tǒng)竊取、篡改數(shù)據(jù)，影響用戶的個(gè)人信息安全，是大數(shù)據(jù)征信機(jī)構(gòu)所面臨的難題。

2.4 大數(shù)據(jù)征信的準(zhǔn)確性有待驗(yàn)證

大數(shù)據(jù)征信通過多維度變量及交叉驗(yàn)證海量數(shù)據(jù)，將碎片化的信息轉(zhuǎn)化為個(gè)人的信用畫像，理論上較傳統(tǒng)征信準(zhǔn)確性提高。但我國大數(shù)據(jù)征信還處于初級(jí)階段，目前市場上的征信機(jī)構(gòu)提供的產(chǎn)品很多，但其采集數(shù)據(jù)的來源大多來自于本集團(tuán)旗下或本行業(yè)領(lǐng)域，往往會(huì)造成本集團(tuán)的忠實(shí)用戶評分較高，而一般用戶評分較低。例如芝麻信用分，如果該用戶經(jīng)常使用淘寶、天貓、支付寶，在阿里系的電商平臺(tái)進(jìn)行消費(fèi)、交易，該用戶很容易獲得較高的信用評分；而對一些活躍度不高的用戶，其信用評分一般較低，由于芝麻信用分對該類用戶采集的信息十分有限，由此得出的信用評分的準(zhǔn)確性往往有所偏頗。

除此之外，傳統(tǒng)的征信數(shù)據(jù)模型如FICO評分是經(jīng)過幾十年的反復(fù)修正才得確認(rèn)模型的有效性，而大數(shù)據(jù)征信模型的預(yù)測能力有待時(shí)間的驗(yàn)證。

評估個(gè)人的信用水平主要需考量信用主體的還款能力及還款意愿，在傳統(tǒng)征信評估模型中一般以信貸數(shù)據(jù)為核心對信用主體展開分析，而目前我國8家個(gè)人試點(diǎn)征信機(jī)構(gòu)均使用社交數(shù)據(jù)于個(gè)人的信用評估模型中。一方面，通過用戶在社交網(wǎng)站上發(fā)布的狀態(tài)、評論，能夠比較準(zhǔn)確地預(yù)測出個(gè)人的興趣愛好和性格特征，從其人脈網(wǎng)絡(luò)，能夠從側(cè)面反映個(gè)人的還款意愿；同時(shí)，信用主體在社交網(wǎng)絡(luò)或朋友圈發(fā)布的有關(guān)飲食、旅行、出行的照片，也可以觀察出個(gè)人的消費(fèi)水平，間接估算個(gè)人的還款能力。但對于一些較注重隱私或者人為操控社交數(shù)據(jù)的個(gè)人，其還款能力較難評估，也就會(huì)影響到信用評分結(jié)果的準(zhǔn)確性。

3 我國大數(shù)據(jù)征信體系發(fā)展的對策建議

3.1 完善法律法規(guī)，加強(qiáng)對信息主體權(quán)益的保護(hù)

根據(jù)目前征信業(yè)的發(fā)展?fàn)顩r，完善征信業(yè)的法律法規(guī)，同時(shí)出臺(tái)對于大數(shù)據(jù)征信的監(jiān)管細(xì)則。一是推動(dòng)制定《個(gè)人信用信息保護(hù)法》，明確個(gè)人信息采集的范疇、渠道、手段，防止觸犯個(gè)人隱私。二是通過立法建立互聯(lián)網(wǎng)征信數(shù)據(jù)采納授權(quán)制度，確保信用主體的知情權(quán)和同意權(quán)，防止信息過度采集或者數(shù)據(jù)未經(jīng)授權(quán)提供給第三方機(jī)構(gòu)使用。同時(shí)，可借鑒國外法律，增加信息主體的數(shù)據(jù)遺忘權(quán)，以建立互聯(lián)網(wǎng)征信下個(gè)人的信譽(yù)重建制度。三是建立互聯(lián)網(wǎng)征信機(jī)構(gòu)的異議處理崗，增加數(shù)據(jù)處理的透明度，互聯(lián)網(wǎng)征信機(jī)構(gòu)應(yīng)充分披露其采集的信用信息、數(shù)據(jù)分析的方法，向信用主體解釋其信用評估模型的算法，方便個(gè)人進(jìn)行信息查詢并且進(jìn)行信息更正，以確保異議時(shí)處理的及時(shí)性和有效性。

3.2 推進(jìn)征信標(biāo)準(zhǔn)化建設(shè)，促進(jìn)信息共享

一是制定統(tǒng)一的征信技術(shù)標(biāo)準(zhǔn)，包含信息分類標(biāo)準(zhǔn)、數(shù)據(jù)采集標(biāo)準(zhǔn)、信用報(bào)告格式標(biāo)準(zhǔn)、信用評價(jià)標(biāo)準(zhǔn)、異議處理標(biāo)準(zhǔn)、接口交換標(biāo)準(zhǔn)，為信用信息共享提供標(biāo)準(zhǔn)化的技術(shù)參考，促進(jìn)數(shù)據(jù)共享。并且征信標(biāo)準(zhǔn)應(yīng)隨著互聯(lián)網(wǎng)發(fā)展及大數(shù)據(jù)技術(shù)的發(fā)展不斷完善和修正，以確保征信技術(shù)標(biāo)準(zhǔn)的實(shí)時(shí)有效性和適用性。二是建立征信大數(shù)據(jù)庫，以百行征信為未來的發(fā)展契機(jī)，匯總央行和各征信機(jī)構(gòu)的數(shù)據(jù)，接入P2P網(wǎng)貸平臺(tái)，融合地方政府建立的信用黑名單，推進(jìn)政府職能部門的相關(guān)信息和公共部門的信息采集，形成較為完整的社會(huì)信用體系。

3.3 加強(qiáng)監(jiān)管制度，保障信用信息安全

一是完善大數(shù)據(jù)征信的監(jiān)管制度，明確制定大數(shù)據(jù)征信的相關(guān)細(xì)則，特別是對互聯(lián)網(wǎng)征信機(jī)構(gòu)服務(wù)器的監(jiān)督管理辦法，嚴(yán)格監(jiān)督其信息采集及使用行為，有效防止個(gè)人信息販賣、互聯(lián)網(wǎng)欺詐等違法犯罪行為。二是加強(qiáng)信息安全管理，政府應(yīng)給予相應(yīng)的技術(shù)支持，通過實(shí)名身份驗(yàn)證、數(shù)字證書、電子簽名等安全認(rèn)證技術(shù)，同時(shí)采用臉部掃描、指紋、密碼等方式，確認(rèn)為信息主體本人，保護(hù)個(gè)人的信息安全，防止泄露事件。

3.4 提高數(shù)據(jù)采集質(zhì)量，增加評估模型的準(zhǔn)確性

首先，大數(shù)據(jù)征信發(fā)展的核心在于技術(shù)，要不斷更新、研發(fā)新的技術(shù)手段，解決大數(shù)據(jù)獲取信息不完整和不準(zhǔn)確的問題，確保數(shù)據(jù)的有效性。其次，要不斷檢驗(yàn)和修正信用評估模型，大力發(fā)展機(jī)器學(xué)習(xí)、區(qū)塊鏈、數(shù)據(jù)挖掘等技術(shù)，提高評估模型的準(zhǔn)確性。同時(shí)，對于一些網(wǎng)絡(luò)活躍度不高的用戶，也要研發(fā)適合其的信用評估模型，以擴(kuò)大信用評估的范圍。

參考文獻(xiàn)：

[1]中國互聯(lián)網(wǎng)絡(luò)信息中心.2018年第41次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[EB/OL].[2016-08-03]http：//www.199it.com/archives/685063.html.

[2]網(wǎng)貸之家.P2P網(wǎng)貸行業(yè)2018年4月月報(bào)[EB/OL][2018-05-01].https：//www.wdzj.com/news/yc/2364214.html.

[3]戴洋，季琳琳.大數(shù)據(jù)在征信領(lǐng)域應(yīng)用的國際經(jīng)驗(yàn)及啟示[J].金融縱橫，2018（1）.

[4]劉桂榮.金融創(chuàng)新、金融科技與互聯(lián)網(wǎng)金融征信[J].征信，2018（2）.

[5]張赟，肖羽，朱南.社交數(shù)據(jù)在個(gè)人征信中的可靠性初探[J].上海金融，2016（3）.

[6]王秋香.大數(shù)據(jù)征信的發(fā)展、創(chuàng)新及監(jiān)管[J].國際金融，2015（9）.