随着人类社会的进步，富含高端科技的巨量数据集合技术等迅猛发展，通过对此种巨量数据进行开发处理以及驾驭海量、高增长率和多样化的信息，能使人们具有更强决策力、洞察力和流程优化能力。

       世界经济论坛创始人兼执行主席克劳斯·施瓦布（Klaus Schwab）将大数据技术誉为“新一代革命性的信息技术”和“第四次工业革命”。对于大数据所带来的机遇、挑战与颠覆性影响，各国致力于既保护数据主体权益、又激励数据控制与处理主体对数据合法利用并提升消费者福利，同时以平台等为代表的数据控制与处理主体通过将数据应 用于不同场景与不同领域，从而提升数据效益。

      近年来，以大数据为基础而对数据主体进行信用评价的所谓的“大数据征信”即为一个应用场景。客观讲，基于个体交易而生成一定数据，以及平台等数据控制与处理主体占有该数据，这确实是一系列事实前提。但是，直接利用这些交易数据而对个体进行“描述”与“评分”，这是否属于征信意义上对个体信用能力的判断，似乎尚不能贸然或直接定性。

      不能忽视的是，征信作为一种金融活动，具有特定内涵以及制度构成，基于大数据的评价只有符合征信的要素与特征，才可被称之为征信，否则不能直接将其定义为“大数据征信”，目前有关大数据征信概念的直接使用与解读，可能是对征信制度的误认，并无法展现征信之原貌。

       因此，新场景、新事物与新运用，并不必然产生新概念、新理论与新制度，一切需留待理论与实践予以检验。

       一、中国征信体系：三序内涵与三重“门槛”

      征信，顾名思义，通过“征”而获得“信”。征信被定义为一种信息服务（credit information service），系指为（获得）授信或其他金融信用交易的需要，对信用数据进行采集、评价、利用、提供、维护以及管理等活动。

       尽管征信被描述为一种基于利用信息而产生信用评价的活动，但是其中却涵括了信息取得、利用等行为以及评价等多重内涵与要素。这意味着，征信虽然是一种信息服务，但是并非所有的信息服务均为征信。事实上，征信具有三层递进次序的内涵以及三重“门槛”。

       一是如何获得信用信息。

       征信主要内容即对债务人的信用进行评价，而评价的客体则是有关债务人信用的相关数据。因此，授信人或征信机构如何获得数据是前提，债务人为获得授信或信用评价，则需让渡与自身信用行为相关的数据。换言之，征信只采集和共享债务信息，而“不是所有的信息服务都是征信。

       共享债务人的债务信息构成征信的逻辑主线，这是在信息服务领域区分征信机构和非征信机构的基本标准”，主要目的是用于防范信用违约风险。实践中，个人为获得授信，则必须授权相应授信主体对其信用状况进行评价，而采集与获得信用信息是基于个人之授权，即存在信用交易与“授权”是授信主体或征信主体获得信息的基础与前提。

       二是如何进行评价。

       如何评价个人信用状况，则主要是如何评价个人的潜在还款能力与还款意愿，而考察的要素非常丰富，一般主要围绕信用信息这一载体与表现形式。现阶段个人负债活动及其信息记录主要存在于三个领域，分别为：

       （1）个人与持牌金融机构发生借贷融资形成的负债及偿债记录，以及为负债担保形成的或有负债记录，包括房贷、车贷、信用卡等，约占个人总负债的85%；

      （2）个人与非持牌金融机构等市场主体在各种消费者形成的负债及偿债记录，如赊购、水电气话先消费后付款形成的欠款等，以及个人之间的民间借贷，约占个人总负债10%；

      （3）公权力机关所掌握的个人在履行法定义务过程中所形成的负债记录，如欠税、欠缴罚款、应执行的法院判决等，约占个人总负债5%。

       有论者提到，“但对征信制度而言，至关重要的是信用信息，还是信贷信息。”这些信息可能主要是考察还款能力，而还款意愿则更为重要。“征信制度秉承一个基本理念，即考察借款人的信用状况，权衡其偿债意愿头等重要，偿债意愿在一定程度上决定其偿债能力。判断借款人偿债意愿的可靠依据，是其借钱还钱的历史记录，即信贷信息。”

       换言之，信用评价考察的是偿债能力和偿债意愿，个体信用评价也是围绕这两个关键的衡量标准与尺度。

       三是信用评价如何具有可靠性与权威性。

       征信体系与一国的社会信用文化与市场经济基础紧密相关，不同的信用文化和经济发展程度会形成不同的信用评价机制与征信体系。从世界范围看，个人征信体系大概有几种模式：

       一是以欧洲国家为代表的政府主导型，以中央银行建立“中央信贷登记系统”为主，兼有私营征信机构的社会信用体系，比如德国、法国、意大利等等；

       二是市场主导型，比如美国；

       三是会员制模式，以行业协会为主建立信用信息中心，比如日本；

       四是以商业银行基础数据为基础的政府主导型，比如中国，此种模式类似于欧洲，但私营机构基本不是主流，主要由央行征信中心监管与负责提供报告，征信市场准入与牌照发放等等由央行决定。

       与欧美发达国家相比，中国社会主义市场经济体制并未经历基于内生驱动的成熟发展历程，征信体系也无法以市场主导为基础，因此在强大的银行系统基础之上，中国征信体系形成以商业银行为基础、以央行为基本载体与监管主体，形成社会公共信用体系，并使此种“信用评价”具有公信力、权威性，具有典型的“中国特征”与“中国脉络”。同时征信与征信业又密不可分，这也就是在2013年之时，中国出台的是《征信业管理条例》，其中对征信业务之基本内容、基本架构等等进行规定。

       在以上三层内涵的基础上，征信制度与中国征信体系亦存在三重“门槛”：

       一是采集与运用数据，必须与征信目的相关，并不存在脱离授信目的的数据采集与运用，此为“第一重门槛”；

       二是信用评价不仅在于被评价的个体是否具有还款能力，更在于是否具有意愿，甚至意愿重于能力，“还款意愿”则成为“第二重门槛”；

      三是信用评价所接入的征信系统，具有公共性特征，对个体的信用评价与认可只能依据公共机构的确认，征信机构是一种特殊的金融机构，评价机构的“公共性”或“准公共性”则是“第三重门槛”。

      上述第一、二重门槛是基于征信本身性质与特征而言，而第三重门槛则是基于中国自身发展实践而言。

      在中国，尽管“公共性”似乎总会引起一定信任危机，但不得不承认的是，中国民间似乎并不存在形成强大信用文化与信用传统的基础，因此，公共信用体系的形成具有一定现实性。

      但是殊值辨识的是，征信可能并不像石油、天然气、水、电等等行业是一种自然垄断行业而具有自然垄断地位，而是具有一种公共性或准公共性特征，存在较高的市场准入门槛。

       二、大数据时代的信用评价

       数字经济时代呼之欲出，数据正在各种领域发挥重要作用，并可能会成为一种新的生产要素。目前在不少平台上，数据控制与处理主体正在利用大数据对个人进行“信用评价”，比如根据交易数据、平台信用消费记录等等形成一定信用分，并在个别领域或事项上享有一定信用免押服务等等。

       对此，有人直接将其称为“大数据征信”，并认为这可能是征信的一种新形式。而同时也有论者持反对意见，如世界银行集团Tony Lythgoe认为，“从社交网络采集的这些信息是由个人提供的，很难保证数据是客观准确的。”因此，如何看待大数据时代的信用评价，无论对于个人还是中国征信体系而言，可能都是一个难以回避的问题，洵需探讨。

       一是正当性。

       首先要讨论的问题是，数据控制与处理主体获得个人数据，是否有权利用这些数据对个人进行“信用评价”？

       这可能涉及一个数据利用规则的问题。从目前对数据利用规则来看，似乎并没有禁止数据控制与处理主体在自有平台上利用个人数据对个人进行“信用评价”，只不过此种“信用评价”事实上是区别于已被概念化并具有特定内涵的征信意义上的“信用评价”。

       同时，作为一种假设，对于某些消费者而言，如若其从未从事过相关信用交易的话，其在某些平台上的日常消费能够在一定程度上被认可为可能的、潜在的征信意义上的“信用评价”，可能既符合时代特征，也有利于增益个人权益，而并没有减损个人权益。就此，征信中“征”的范围与要素是否也应随着人们行为的发展而不断更新，也是一个值得思考的问题。

因此，在正当性这个维度上，利用大数据进行“信用评价”似乎并无不妥，当然对于是否属于征信意义上的“信用评价”，将在下面相关问题中讨论。

       二是合目的性。

       接下来要讨论为什么要对主体进行信用评价。

       诚如本文第一部分所讨论的，“征信”是一个具有特定内涵的概念，也具有特定运用场景，即基于特定信用交易目的（尤其是与资金相关）而获得信用评价。有论者认为，征信产品的运用场景应该主要是信贷领域，而不是什么领域都能用征信产品。而目前平台的信用评价可能基本上并不具有此目的，大多数可能还是在自己的平台上进行循环或者是基于商业合作而享有一定信用服务，与获得真正意义上的如银行授信等信用交易事实上并无太多关联。

       当然，不可否认的是，随着大数据技术的发展，平台的此种“信用评价”可能在一定程度上会极限地接近于考量个体信用交易目的的方式与手段。因此，尽管本文认为当下的“信用评价”无法符合征信目的，但是或肯或否、非此即彼的定性判断可能都不够客观，将之看作是一个开放式问题，可能更为妥适。

       三是合理性。

      上述正当性与合目的性旨在讨论的是平台信用评价的外部问题，而合理性则讨论此种信用评价的合理性，是一种自身内容与体系上的观察与评价。

       有论者认为，大数据征信模型与传统评分体系有所不同。此种信用评价深度融合了传统信用评估与创新信用评估，开创了大数据征信模型。在模型中，信用历史是非常重要的一项，其他维度包括身份特质、履约能力、行为偏好和人脉关系（此项分数比重稍低）。通过这五大维度，建立了刻画个人信用全貌的模型。

       持相反观点者则认为，大数据不是征信，征信和诚信也有区别。比如，现在利用大数据可以掌握的信息很多，一些机构根据这些信息对个人“画像”，描述其身份、社会地位、生活习惯、消费能力等特征，并对其进行信用评分。作为一个商业组织，通过这种大数据“画像”方式做市场营销无可厚非。

       但是，假如做征信，把社会公众“画成”三六九等，会导致对部分群体作出歧视性安排，这种做法不仅经不起科学推理，而且有悖社会公平和正义。而且征信机构要从保护个人信息、保护个人隐私权益方面出发，所有信息使用应该授权，应该特定用途，特定授权，不能一次授权反复使用、多次使用、无限使用。

       回到信用评价的根本与内涵，应是偿债能力与偿债意愿并重，而偿债意愿更为重要，比如目前存在的各种不履行生效法律文书的“失信被执行人”等等，就将他们纳入社会信用评价体系之中，而目前大数据所可能产生的“评价”一般只能说明个体的消费能力，或者可能在一定程度上体现其偿债能力，虽然在一些平台信用类产品上也能如信用卡等等实现一种信用交易，或者说一定程度上能够体现偿债意愿，但从整体的信用评价来看，确实无法较为充分地体现个体的偿债意愿。

另外，关于此种信用评价之可靠性与权威性。尽管在数据十分充分的时代，人们可能会批评和质疑如若不将其运用于信用评价等领域，认为并未实现数据的“物尽其用”，甚至可能是一种浪费。

       但是无论如何，依靠强大的传统的银行交易信息对个人进行信用评价具有较强的可靠性与权威性，其实也是具有效率的。而同时，如第一部分所论，中国并不存在民间信用体系，也基本上不存在能够形成此种体系的经济、社会与道德基础，毋宁说第三方平台是否能形成具有权威性的信用评价，即便是商业银行之间，他们各自对授信的判断也并不通用，仅仅是一种参考作用。

       因此，信用评价具有公共性，并且仅认可依据市场准入而取得资质的主体所作出的信用评价，在中国也具有相当的现实意义。

       可见，大数据的运用于信用评价之时，事实上可能并不符合征信之自身逻辑与特征，而并非实质意义上的征信。只能说二者在抛却目的性、权威性和被认可度等因素之外，在技术处理方式有某些相似之处，但如果考虑体系化以及与社会信用体系的接入等问题，其实质差异则可能是南橘北枳。

       三、大数据信用评价的公共性准则

       现如今，海量数据存储于第三方平台，但是有关这些数据的性质、产权归属等问题，却多有争论，比如有认为这些数据具有财产权性质，属于平台企业、或者某些权能属于企业、或者属于企业的资产等等。无论数据产权如何争论，最大化利用数据却始终是共识。因此，在征信中如能更好地使大数据发挥作用，则无疑对于个体、企业和国家都有益。

       第一，平台数据可以成为信用评价的来源之一。

       从个体角度而言，人们在意欲获得授信之时，最希望的是授信机构能够“最大化”地去判断自身的还款意愿和还款能力。相比以前的传统交易，人们惯常使用现金，而现在网购、无现金交易越来越多，能够形成记录的资金方面的记录越来越多，那么在个体申请信用交易或者申请授信之时，既希望自己与银行之间的资金记录能够证明还款能力和意愿，也希望其他的消费记录能辅以证明还款能力与意愿。

个体也希望日常消费能够进一步“增值”个人信用，成为一种可能的信用证明。

       第二，平台信用评价尚需深入挖掘与建构。

      之所以平台的信用评价受到质疑较多，主要是因为并非所有的大数据都具有评价意义。比如当然，对当下很多具有“描述性”特征的大数据方面的利用而言，基本上是以“精准营销”为目的，对于信用评价则并不具有意义。

       但同时，必然有一些数据是对信用评价具有意义的。比如有一些产品具有借贷特性、在一定程度上能够持续观察、获取一些有关个人的偿债意愿与偿债能力等数据，这种产品就可以进行改造而成为更接近于信用评价的工具。

       但在实践中，有的人用平台之内的借款工具而偿还信用工具，在一个平台上形成了“自体循环”，这种情况就完全无法判断个体的信用能力，与传统的信用卡产品等等存在很大不同。

       再比如，目前有银行就与第三方平台合作，进行一些消费贷款（快贷）业务的信用评价考察等等，这也不失为一种先行先试的商业化尝试。因此，目前某些平台产品只能说是初具雏形，尚需深入挖掘建构。

       第三，信用评价的公共性衡量。

       事实上，此种公共性链条分为两段：一为大数据本身所具有的公共性特征；二为利用大数据所产生的信用评价亦具有公共性特征。尽管对于大数据权属颇具争议，但是数据控制与处理者占有这些数据，仍然具有一种占有意义上的绝对优势。

       不得滥用数据、保护个体权益，此为数据利用规则本身之内在要求，而此种数据也在利己性与利他性之间共存协调，具有一定公共性特征。而大数据信用评价的公共性特征，既表现为评价机构应当是独立的第三方、并且保持客观、公允，同时又表现为只有进入社会公共信用体系，才可认为此种评价具有公共性。

       目前信联的作用到底能发挥到何种程度，可能尚需时日观察，因为从技术层面来说，各平台数据架构互不相同，数据如何导入及汇总真正实现共享也是难点之一。

       从微观的信用评价构成或信用报告而言，我们尝试做一种假设或预测，第三方平台的数据或信用评价应如何设置评分机制，可能需先行讨论，大致可以存在以下几种方案：

       第一种方案：第三方平台信用评价成为个人信用报告的一个部分，切割、分配出一定的比例，比例多少可以摸索，1%、2%……10%；

       第二种方案：第三方平台信用评价成为个人信用基础信息的一个部分，成为征信体系的一个有益补充部分，不占比，但是作为必要性的参考依据；

       第三种方案：成为个人信用基础信息的一个部分，成为征信体系的一个有益补充部分，不占比，但是作为可选择性的参考依据。

       上述几种方案可在定性或定量层面分别观之，可根据实践发展情况作动态系统调整。

       综上，大数据时代应充分发挥数据所带来的“增益”与福利，但是其接入任何制度或体系之时，都要尊重和遵循事物与制度的本质与核心特征，征信制度亦是如此，实现“数据尽其用”，同时也使征信制度更加丰富、完善、具有时代特色。