随着互联网金融业的快速发展,线上多样化消费金融场景的风控体系对征信、数据、模型、智能化决策系统的依赖程度也不断提高。模型作为风控数据技术的重要应用工具,一方面提高了审批的效率和信贷的自动化决策程度,另一方面起到了客观性和一致性的风险量尺作用;其应用实践和应用策略随着互联网化得深入,不断进化出自用的应用特色。
目前人行征信数据仍以银行信贷信息为核心。虽然近年来接入的农村信用社、消费金融、小额贷款等中小型金融机构也不断增加,但是随着互联网金融和网上各类助贷机构的快速发展和行业竞争的加剧,2016年我国网贷平台数量达到5000多家,未能纳入征信体系的非银行借贷信息占比较大。
在新形势下,对信用基础建设升级和扩建的需求越来越紧迫。不仅体现在新兴非银行机构信息的纳入上,还体现在社会客群的覆盖面上。当前征信数据主要覆盖的是城市化程度相对较高的社会客群,而未覆盖的客群的借贷需求,往往成为黑中介、多头借贷、恶意欺诈等不良群体包装利用和攻击的重点方向,其逆向选择带来的后果,为消费金融机构给更多下沉客户提供低成本融资服务设置了艰难的障碍。
随着金融普惠理念的深入实践,大数据和科技金融的升级,希望未来会有更多样化数据形式纳入人行征信系统,如网上支付等。随着人行征信体系覆盖范围的扩大和覆盖内容的丰富,可有效解决信息不对称带来的逆向选择的问题。而数字解读作为人行征信大数据的风险评估工具,具有跨地区、跨机构、跨产品的先天优势,不仅在系统借贷风险指数的宏观预警方面,还是在细分借贷市场的个性化征信模型方面,都有广阔的创新空间。征信评分的普及深入应用,也会为未来消费金融行业的健康发展,提供了更多大数据技术解决手段和风控方案