不久前的7月18日，百度宣布投资美国金融科技公司ZestFinance，更早前的去年6月份，ZestFinance还曾获得京东集团1.5亿美元投资。得到中国两大互联网巨头的同时青睐，ZestFinance最吸引关注的应该要属它的互联网金融个人征信体系。
另一方面，阿里旗下芝麻信用早已经在这一领域开疆拓土，腾讯微信也凭借社交平台积累的大量个人用户的基础数据，开始发力这一领域。作为互联网金融发展的重要基础，成熟的大数据征信体系将释放巨大的金融衍生场景，势必成为巨头鏖战的新战场。
不久前，媒体曝光了一些平台向女大学生提供“裸条”借贷的问题，引发社会广泛关注。而在这些事件背后，除了犯罪活动之外，也体现出在中国这么一个巨大的消费信贷市场，商业征信缺失的事实。
《每日经济新闻》记者的采访调查显示，距离2015年1月5日央行发布《关于做好个人征信业务准备工作的通知》已经有一年多了，首批8家个人征信企业准备时间也已经远超彼时预计的6个月，虽然牌照发放至今未有时间表，但不管如何，征信体系是中国未来信用消费市场的巨大支撑。目前，全国有100多家机构已经在事实上开始从事商业征信活动，阿里系和腾讯系则在大数据的逻辑下开始捉对厮杀。
需求：15万亿消费信贷催生巨大征信市场
“中国的消费信贷余额规模达15万亿之多，并保持着20%左右的高速的增长，这一增速在未来几年内仍不会有放缓的态势。对于消费信贷而言，消费者的征信评价和风险控制是最核心的要素和保证资金安全性的关键因素。庞大且高速成长的中国消费信贷市场并没有一个与之相对应的消费者征信体系，现在传统的征信体系并不完善，发展也远未成熟，这其实为各类金融融资企业带来了巨大的隐患，也是各类非银行融资途径中的坏账高企不下的最主要原因。”CIC灼识咨询执行董事王文华接受《每日经济新闻》记者采访时表示，从征信体系的供给方来看，政府主导的社会征信体系数据源单一，并且共享性存在很高的门槛，并不是任何企业平台都能够获取这一体系中的信息和数据，征信的供给端缺乏实时有效并且准确的信息源头，也是导致征信牌照受到热捧的原因。
另一方面，征信系统对于企业和个人的覆盖率整体偏低，目前央行的金融信用信息基础数据库是我国最主要的征信系统，截至2014年底，共收录自然人8.57亿人和企业及其他组织1969万户，覆盖率仅为62.6%和28.4%，未来仍有很大的成长空间。
王文华认为，无论从市场需求、供给层面还是政策导向上看，社会的征信体系都亟待发展，这也为更多企业提供了巨大的市场空间，这也是众多企业积极布局其中的原因所在。
作为互联网金融发展的重要基础，征信正成为金融圈一个新的热点。各大巨头纷纷发力互联网金融领域之时，其在大数据征信方面的布局也在悄然升温。
只不过，这一业务范畴大多属于互联网金融的“基础设施”建设，投入期长，效益却不会马上体现在这一业务本身。但无论如何，商业大数据征信在兴起，可以有效补充央行征信记录的不足，而成熟的征信体系将释放巨大的金融衍生场景，在互联网巨头纷纷发力金融领域之时，征信也势必成为必争之地。
争锋：阿里系和腾讯系各据“山头”
就在近日，芝麻信用宣布已经通过企业征信业务经营备案，正式推出包含企业信用报告、风险云图、信用评分和指数、关注名单、风险监控预警五大产品的小微企业信用洞察“灵芝”系统，希望能够更好地连接小微企业和银行，解决小微企业信息不透明的老大难问题。
芝麻信用首席数据科学家俞吴杰表示，“灵芝”系统已经接入工商、司法、海关、纳税、运营商、企业经营等丰富的数据源，实现了小微企业征信数据的一站式接入。特别是天猫、淘宝、支付宝覆盖近千万商户的交易、物流、海关进出口等数据，为小微企业信用评价提供了有力支持。通过“灵芝”系统，这些多维度的数据能够转化为对小微企业信用状况细致入微的评价，描绘出小微企业信用状况的全息画像。
一直以来被业界认为是芝麻信用最大竞争对手的腾讯征信，同样是腾讯移动支付高速发展的基础保障。其基于用户在互联网上的社交行为产生的海量数据，运用自主研发的评估模型，通过大数据采集和信息挖掘，为数以亿计的用户构建画像，帮助商业机构提高风险防范能力，挖掘价值用户。而腾讯征信的实名认证产品及人脸核身APP，均为大数据征信的落地应用。
据悉，人脸核身技术目前已经独家应用于手机QQ支付、理财通、微众银行、微信支付、QQ安全中心、微证券等产品场景。另一主要产品——信用评分产品则借鉴国际成熟的信用评价经验，并运用大数据、机器学习等技术手段，自主研发出国际领先水平的信用评分模型，综合评估信用风险水平，帮助金融机构有效风险评估，降低信用风险。
在王文华看来，芝麻信用的原始征信数据，主要是依托其庞大的电商和生活场景上的布局，源于用户网络上的留痕数据，包括阿里旗下长期的电商数据积累、蚂蚁金服旗下支付宝的交易数据和用户其他的网上行为数据；其次包括接入的公共机构和外部合作机构的数据，如公安、学历学籍、工商等政府部门的数据；此外相较于其他公司，由于阿里电商的垄断优势，由此派生出的生活场景电子结算化，使得芝麻信用还可以将水、电、煤气等公用事业单位数据纳入芝麻分评分系统；此外还有用户自主提交的信用数据。综合上述长期的原始数据积累和垄断性的电商优势，使得芝麻信用从出生就带有天然的优势。
王文华同时称，腾讯征信依赖微信、QQ游戏等腾讯系产品的基础数据，也包括从合作金融机构拿到的信贷和金融信息、外部数据。腾讯做征信最大的优势在于，微信拥有几乎垄断性的社交关系平台和超强的用户活跃度，同时已经完成了对生活场景的深度嵌入。其交易数据的积累尽管不及阿里的时间周期长，但其强大的爆发能力和超高的活跃度，加上微信支付也逐渐成为人们常用的支付方式之一，腾讯的交易数据价值也进一步得到提升，未来的潜力也不可小觑。
暗战：百度与京东或“借道”入局
除了蚂蚁金服以及腾讯，目前的在线消费金融领域，重量级玩家还包括百度金融和京东金融。
近段时间，百度的两次海外投资引发业内关注。6月底投资了以数字货币著称的互联网金融公司Circle，布局区块链；7月18日又投资了美国的金融科技公司ZestFinance，征信能力再升级。对于百度金融，业界比较关心的是通过与ZestFinance的联姻，百度金融的消费金融业务或将获得比较不错的技术支持。
然而，就具体细节而言，百度方面向《每日经济新闻》记者表示，“对于收购的事情不作回应，新闻都由Zest那边发布”，至于目前的征信体系建设进行到怎样的阶段，或许是由于还没有拿到个人征信牌照，百度方面称，“征信的内容目前不便展开谈”。
同样备受业界关注的是京东金融，其也投资了ZestFinance。据记者了解，尽管京东金融和百度金融都有投资ZestFinance，但两家思路并不太一样。
京东金融方面称，不仅是投资了ZestFinance，同时还将成立合资公司（名字不是JD-ZestFinanceGaia，不久后将会披露）。京东金融从成立之初就选择了以数据科技为核心竞争力，京东金融已经投资了几家业内顶级的大数据公司，还包括数库、聚合数据等，目的都是为了训练和提升自身的大数据建模能力。
按照京东金融的说法，目前，京东金融本身已经是一个庞大的数据源，加上京东商城的数据和投资的一些大数据公司及外部公开数据，京东金融不断扩充数据源，以数据驱动作为金融业务发展的前提。
“相信有很多公司都不同程度地掌握大量的数据源，但数据多和数据有用是两码事，有用的数据要具备大、厚、动三个属性，更重要的是，这些数据只是原材料，要进行各种模型的搭建，之后才能运用到实践中，并形成一整套系统，所以，我们需要有懂得做数据‘原材料’加工的高水平‘厨师’团队。”京东金融副总裁许凌指出，京东金融经过两年多时间，已经搭建了一个专业的数据风控团队。
路径：细分市场靠垂直化构建征信体系
除了几大巨头，市场上还有为数众多的企业或机构，开始利用既有的数据和技术拓展大数据征信业务。达睿咨询创始人、首席分析师马继华指出，未来，一些专业公司主要在垂直领域发挥作用，为特定行业提供服务。
“维信金科从成立之始，就聚焦在C端的个人信贷业务，虽未正式开展个人征信业务，但具备了根据个人多维度信息（人民银行征信、社保公积金、手机账单、互联网大数据等）评估个人征信情况的能力。”维信金科创始人和CEO廖世宏告诉《每日经济新闻》记者，公司构建了Robot Lending（智能信贷）模式，依靠自主研发的蜂鸟云风控系统（核心是数据采集、反欺诈、拦截、规则、评分、决策、机器学习等八大引擎），实现针对个人智能化的信用评估和风险量化。
廖世宏称，“针对数据保护方面，有一个大前提，维信坚持合法合规的经营，任何的数据源的使用必须通过客户授权或者有资质的第三方授权。以维信与中国电信(微博)的合作为例，我们把一个封装好的黑盒子放在中国电信端口，获取一些参数，最后出结果客户接受我们信贷并授权的时候，中国电信才会把这二三十个重要的参数，在做过过滤后给到我们。”
另一个值得一提的案例是企乐汇，其专注的领域是企业征信和防欺诈。“一方面服务集团内部企业经营贷，一方面对外开展场外尽调、征信数据和征信报告等征信服务，已经上线的信用公示台，涵盖了企业的基本信息、信用展示、关联图谱、负面信息和企业活力等信用评价维度，方便用户及时了解目标企业的征信信息。除此之外，积极聚合企业画像数据，从欺诈、还款意愿和还款能力等几方面结合大数据交叉检验的方法评判企业信用状况。”PINTEC集团金融大数据研究中心首席科学家张良贵称。
至于业务开展过程中遇到的问题，廖世宏表示，第一，因为数据的相关性问题，大数据征信仍然存在一定的局限性，无法真正取代央行征信。对此，维信针对征信空白用户，从小额度开始建立信用，并且逐步完善他们的信贷行为数据；第二，由于消费金融服务行业特殊性（平均贷款周期一般在12个月~14个月），数据模型更新需要比较长的时间成本。维信一直在做智能化的信贷系统，通过机器学习引擎，运用一些先行指标，实现模型的实时自动化更迭；第三，非央行的个人征信管理比较无序，希望行业法律能日渐完善。
