征信業深度系列三：商業模式探究國外篇

作者：紐可晴

來源：泓策投研手札（ID：FinanceBao）

鄧白氏（Duns&Bradstreet）坐落在美國新澤西州，是鄧氏公司和白氏公司于1933年合并成立的。目前，鄧白氏在美國商業信用市場處于壟斷地位，也是國際商業信息服務巨頭。該公司向商業機構提供公司信用歷史記錄、B2B銷售和市場數據、交易對手風險信息、供應鏈、銷售機會評分和機構身份匹配等服務。

鄧白氏有橫跨全球200多個國家的超過2.35億家公司的數據，通過不同的渠道采集數據，包括公共記錄、交易記錄、電話供應商、電話采訪、印刷品、數據和商業公開資料等。

鄧白氏的數據來源

根據鄧白氏2016年度財務報告，鄧白氏2016年營業收入17.04億美元，同比增長4.07%；營業利潤3.81億美元，同比增長3.25%。鄧白氏在全球有雇員4800名，一半以上在北美，其余的分布在全球各地。鄧白氏的業務從地區上可以分為兩大部分：美洲收入占比83.12%；國際市場收入占比16.88%。從產品來說，鄧白氏風險管理解決方案占比59.39%，銷售和市場營銷解決方案占比40.61%，供應管理解決方案在2016年幾乎可以忽略不計。

a．核心競爭

鄧白氏的經營理念可用一個公式表達：

鄧白氏商業數據+預測性分析=信心十足的商業決策

①鄧白氏商業數據

鄧白氏商業數據包含超過2億家商業機構的信息，數據覆蓋全球200多個國家和地區。鄧白氏具有卓越的數據處理、維護及預測分析能力，在信息快速更新的現代商業環境中，能持續有效地為企業提供及時、可靠、有價值的商業信息。目前鄧白氏已擁有信息類型豐富、極具商業應用價值的企業數據，并通過專業的鄧白氏預測性分析體系，推動高質量決策，幫助企業更好地防范風險、突破發展。

②專業的鄧白氏預測性分析體系

在充滿競爭和不確定性的商業市場上，企業需要可靠、具有預測性的市場分析工具，幫助他們發掘并把握增長契機。對此，鄧白氏引入權威專業的鄧白氏預測性分析體系（D&BPredictiveAnalytics?），借助強大的分析工具透視數據，生成預測指標、趨勢與行業基準，幫助企業理解現狀并預測未來，有效滿足企業透視分析數據的需求，幫助企業更好地防范風險、突破發展。

③商業決策

鄧白氏商業數據的準確、及時、有效與鄧白氏預測性分析體系的專業和權威相結合，幫助用戶有步驟地制定信心十足的商業決策。

b．商業模式

鄧白氏將商業數據轉化為有價值的信息和產品，奠定了鄧白氏全球解決方案的基石，客戶依賴于此做出重要的商業決策。鄧白氏提供的產品可分為：數據報告類產品、分析預測類產品和個性化解決方案3類。產品及服務的應用領域涉及信用和風險管理（金融解決方案）、供應鏈風險服務（運營解決方案）和銷售與市場營銷解決方案。

信用和風險管理服務主要是測量風險、設定信用/貸款條款、保護現金的流動、提供商業信用報告，以及鄧白氏的風險預測評分和在線風險管理工具，旨在幫助企業降低信用風險，增加現金流，同時提高盈利能力。

供應鏈風險服務是為消費者帶來有價值的產品、服務以及信息的，從源頭供應商到最終消費者的集成業務流程。鄧白氏整合供應鏈商和企業間的信息，最終實現信息共享，并提供風險解決方案。

銷售與市場營銷解決方案幫助客戶規劃商業愿景，建立市場營銷名單，辨識市場機會，從而幫助客戶得到高質量的潛在客戶、聯系信息和展望名單，最終幫助客戶從新舊顧客中增加收入。

鄧白氏產品服務體系

02

a.基本情況

環聯是僅次于益博瑞和艾奎法克斯的美國第三大個人征信機構，主要為客戶提供信用信息和信息管理服務，總部位于芝加哥，成立于1968年。

環聯的服務對象可以分為企業客戶和個人消費者客戶。企業客戶約65,000個，主要包括金融服務業、保險、健康護理和其他領域的行業客戶。個人消費者客戶超過3,500萬，環聯主要為個人消費者客戶提供信用管理和個人信息保護服務。目前，環聯擁有個人消費者檔案10億份，包括美國現有3.15億人口中85%以上的人口信息、國際業務中的個人信息和一些已經去世的消費者信息。作為以數據位核心資產的征信機構，經過多年的積累，環聯目前已經擁有90,000個數據來源和超過30PB（PB，千萬億字節）的數據，在美國50個州的主要城市擁有250個區域性的個人征信局。

環聯積極拓展海外業務，截至2014年底，個人征信服務遍及33個國家，主要包括北美、非洲、拉美和亞洲。環聯對外稱其是美國最大的風險和信息方案的提供商，既擁有全國的消費信用數據，也擁有綜合多樣化的公用數據。

b.商業模式

根據服務對象不同，環聯的信用服務可以分為面向65,000個機構用戶的機構（企業）信用服務和面向3,500萬個人消費者的個人信用服務。針對機構用戶的信用服務，內容包括：基本信用信息、市場營銷和決策分析。針對個人消費者的信用服務，內容主要包括給消費者提供信用信息和信用管理服務。

面向機構用戶的信用服務是環聯的主體服務內容。環聯的機構用戶覆蓋債務催收、金融服務、保險、物業管理和醫療服務等行業。面向機構用戶的信用服務按照服務目的的不同，包括基本信用信息服務、市場營銷服務和決策分析服務，其中，基本信用信息服務是環聯最主要的業務。

① 基本信用信息服務（環聯征信商業模式的基石）

環聯的基本信用信息服務都是通過互聯網在線的方式提供給機構用戶。具體包括三項服務：一是基于消費者的信用記錄和公共記錄，環聯向符合環聯服務標準的商業機構提供信用報告和預測評分，幫助這些機構評價潛在客戶（希望獲得信用貸款和保險服務的個人消費者）的風險；二是在線信用報告服務可以通過接口將商業機構和公共記錄數據庫連接起來，提供查詢特定消費者或資產信息，或者調查消費者、機構和地理位置三者之間關系的服務；此外，環聯還在機構客戶開展新業務時幫助其進行防欺詐管理和個人身份驗證。環聯的信用報告、信用特征指標和信用評分都可以為具體的行業需求量體裁衣，這些產品構成了環聯在線信息服務的基礎。

② 市場營銷服務

環聯提供的市場營銷服務幫助這些機構用戶主動獲取新客戶、向現有客戶進行交叉銷售、監控和管理消費者的賬戶組合，最終進行綜合分析。

環聯市場營銷服務內容

環聯通過郵件、網絡和移動設備幫助商業機構用戶開發生成面向未來的市場營銷客戶清單，商業機構可以利用數據庫聯系個人消費者，進行拓展信用貸款和保險相關服務的營銷。

環聯提供賬戶組合的審查服務，定期審查客戶的現有賬戶，幫助機構客戶對現有客戶進行交叉銷售、監控和管理現有消費者賬戶組合中的風險。環聯還提供觸發器服務，將每日消費者信用特征變化通知給商業機構。

③ 決策分析服務：環聯的深層次信息服務

環聯的決策分析服務，也稱軟件即服務（SoftwareasaService，簡稱SaaS），包括一系列在客戶互動過程中，幫助企業解釋數據和預測模型結果，并根據機構制定的特定客戶服務標準進行自動化決策。

征信機構利用所擁有的消費者相關信息，開發出決策引擎，幫助商業機構用戶做出決策來評價商業風險和機會，具體包括新客戶信用卡、貸款和保險申請，以及貸款定價、身份驗證、賬戶催收、病患就醫申請和公寓租賃等請求，有助于商業機構客戶提供決策效率。

個人信用服務是環聯征信服務新的增長點。環聯的消費者信用服務分為兩種：直接服務方式，即直接面向消費者服務，以及間接服務方式，即通過企業合作伙伴作為代理商間接向消費者提供服務。

直接服務方式：環聯的直接服務方式大多以在線或手機應用訂閱為主。產品包括信用報告、信用評分、信用信息變更提示、債務分析、身份保護服務、保險評分和限制第三方獲得環聯信用報告服務等。

間接服務方式：環聯向商業合作伙伴提供服務，這些商業機構將環聯的產品與自身的服務加以整合再向消費者銷售。該領域的企業包括從事金融服務、零售管理、身份識別和保險等。

此外，環聯近年來還將一些基礎的信用產品和信用服務（信用評分、簡版信用報告和信用監測）以批發價的形式出售給互聯網公司CreditKarma，CreditKarma成為環聯的消費者信息服務代理商。CreditKarma再通過公司網站向個人消費者提供免費的信用報告等信用信息服務，其主要收入來源則是從消費性金融機構廣告和信貸產品推薦中獲得。

新興互聯網征信機構——澤斯塔

a.基本情況

澤斯塔（ZestFinance），美國金融科技公司，創立于2010年，主要要做的是將機器學習與大數據分析融合起來，提供更加精準的信用評分。澤斯塔的研發團隊主要由數學家和計算機科學家組成，前期的業務主要通過ZestCash平臺提供放貸服務，后來專注于提供信用評估服務，旨在利用大數據技術重塑審貸過程，為難以獲得傳統金融服務的個人創造可用的信用，降低他們的信用成本。本報告著重研究其提供的信用評估服務。

b.商業理念

①為弱勢群體制造信用的普惠金融思想

澤斯塔認為，它的使命是為每一個人創造公平而且透明的信用信息。澤斯塔最初的服務對象是只能使用高利貸的人群(稱為借貸日貸款人群)，通過大數據挖掘出他們的信用信息，幫助他們享受正常的金融服務。澤斯塔假定每一個消費者都是“好”人，希望通過搜集證據，證明信貸信息不完整人群的真正的信用狀況，進而幫助他們實現享受正常金融服務的權利。

②非傳統征信視角看信用

個人征信的目的是通過搜集數據來挖掘出消費者已有和潛在的信用信息，數據和具體的技術只是征信的手段和工具。消費者的信用狀況與其信貸記錄聯系最緊密，是強相關的，所以傳統征信是從消費者的信貸記錄挖掘其信用狀況。但是消費者的信用狀況與其信貸記錄并非是一一映射的關系。消費者的信用狀況還會與消費者的其他信息和行為有聯系，盡管這種聯系可能較弱。

下圖展示了澤斯塔公司的大數據征信的視角。與傳統征信相同，大數據征信對消費者的信用評估也是基于兩個基本面的信息:消費者的還款能力和消費者的還款意愿。所不同的是，傳統征信中，數據依賴于銀行信貸數據，而大數據征信的數據不僅僅包括傳統的信貸數據，同時也包括了與消費者還款能力、還款意愿相關的一些描述性風險特征，這些相關性描述風險特征的抽取與篩選是澤斯塔的技術核心。相比于傳統征信數據的強相關性，這些大數據征信的數據與消費者的信用狀況相關性較弱，澤斯塔就利用大數據技術搜集更多的數據維度來加強這些弱相關數據的描述能力。這樣就使大數據征信不依賴于傳統信貸數據，可以對傳統征信無法服務的人群進行征信，實現對整個消費者人群的覆蓋。

傳統征信視角和澤斯塔的大數據征信視角

③優于銀行的大數據挖掘技術

澤斯塔的優勢在于其強大的數據挖掘能力，能開發出新穎的信用評估模型，從大數據中挖掘出更多不易被發現的消費者信用信息。盡管澤斯塔公司自運營以來取得了不錯的業績，但Merill先生還是具有專業學術人士特有的謙遜嚴謹的風格，他闡述了一些澤斯塔的發展弱勢，即公司規模還比較小，目前直接服務的人群只有10萬人左右;不擁有銀行豐富的個人消費者數據，但其本身所有數據卻可以被銀行通過正常手段和渠道獲得。

④對于大數據的理解和應用

不同的應用對大數據有著不同的理解，目前對大數據沒有一個統一的概念。Merill先生認為“數據多”并不是“大數據”，能夠利用IT先進技術將碎片化的信息整合起來才能形成真正有用的大數據。這種對大數據的理解特別適用于征信業，因為征信的基本過程也是將分散于不同信貸機構看似用處不大的局部信息整合成為可以完整描述消費者信用狀況的全局信息。

值得指出的是，澤斯塔雖然利用大數據技術進行征信，但是主要利用的還是結構化的大數據，對于復雜的大數據類型例如文本數據和社交網絡數據利用得比較少，主要原因是由于這些復雜的大數據和澤斯塔所服務的消費者的信用風險相關性太弱了。這種現象其實也被其他互聯網金融的征信實踐所驗證，例如最大的互聯網P2P公司Lendingclub最早從Facebook平臺登錄信貸市場，希望通過對社交網絡的數據進行信貸審批，結果效果很差，難以為繼，最后只好回歸傳統的信貸手段發展。

c.數據源

澤斯塔以大數據技術為基礎采集多源數據，一方面繼承了傳統征信體系的決策變量，重視深度挖掘授信對象的信貸歷史。另一方面，將能夠影響用戶信貸水平的其他因素也考慮在內，如社交網絡信息、用戶申請信息等，從而實現了深度和廣度的高度融合。澤斯塔的數據來源十分豐富，依賴于結構化數據的同時也導入了大量的非結構化數據。另外，它還包括大量的非傳統數據，如借款人的房租繳納記錄、典當行記錄、網絡數據信息等，甚至將借款人填寫表格時使用大小寫的習慣、在線提交申請之前是否閱讀文字說明等極邊緣的信息作為信用評價的考量因素。類似地，非常規數據是客觀世界的傳感器，反映了借款人真實的狀態，是客戶真實的社會網絡的映射。只有充分考察借款人借款行為背后的線索及線索間的關聯性，才能提供深度、有效的數據分析服務，降低貸款違約率。

具體而言，澤斯塔的數據來源的多元化體現在：首先，對于澤斯塔進行信用評估最重要的數據還是通過購買或者交換來自于第三方的數據，既包含銀行和信用卡數據，也包括法律記錄、搬家次數等非傳統數據。

再次是網絡數據，如IP地址、瀏覽器版本甚至電腦的屏幕分辨率，這些數據可以挖掘出用戶的位置信息、性格和行為特征，有利于評估信貸風險。此外社交網絡數據也是大數據征信的重要數據源。

最后，直接詢問用戶。為了證明自己的還款能力，用戶會有詳細、準確回答的激勵，另外用戶還會提交相關的公共記錄的憑證，如水電氣賬單、手機賬單等。

多維度的征信大數據可以使得澤斯塔能夠不完全依賴于傳統的征信體系，對個人消費者從不同的角度進行描述和進一步深入地量化信用評估。

d.評估模型

傳統信用評估模型的弊端包括：信息維度單一，導致片面的評估結果；時間上具有滯后性，不能及時反映信用在不同人群中的變化情況；覆蓋人群窄，評估作用有限等方面。

針對傳統評分模型中參考的數據變量少，存在利用變量故意刷信用的“模型套利”行為，澤斯塔重新設計了一套信用評估模型。澤斯塔參考的數據變量多達上萬條，并采用非線性化的、更前沿的技術來進行分析，從而防止“模型套利”的現象，更精準地評估消費者信用風險。

澤斯塔的評估模型具有變量選取廣泛、評分模型更新細化速度快2個特點。

基于多角度學習的評分預測模型，變量選取廣泛。在其模型中，往往要用到3,500個數據項，從中提取70,000個變量，利用10個預測分析模型，如欺詐模型、身份驗證模型、預付能力模型、還款能力模型、還款意愿模型以及穩定性模型，進行集成學習或者多角度學習，并得到最終的消費者信用評分。

澤斯塔的大數據評分模型

04

服務于垂直領域的專業征信機構

和三大個人征信機構服務于信貸等相關機構，主要采集銀行信貸類的歷史信用，解決信貸風險問題不同，這些專業的征信機構服務于垂直領域的機構（用于特定的服務、特定行業的交易或面向特定的人群），搜集和整合垂直領域內消費者非信貸類的歷史信用信息，從而解決該領域內的信用風險問題。這些專業征信機構的類型較多，可以分為：雇用（就業）審查（背景調查）、租房審查（背景調查）、汽車和財產保險、銀行賬戶和支票審查、電信公共事業、零售等。

雇用審查：員工雇前背景核實是指用人單位通過各種合理合法的途徑，核實入職候選人的個人履歷信息的真實性的過程，主要調查的內容包括-國內學歷、職業資格、法務信息、勞動爭議記錄、工商注冊信息、飛行記錄、職業履歷等。它是保證招聘質量、識別潛在雇用風險的重要手段之一。在美國，代表公司有首優咨詢、HireRight和Sterling。這種類型的專業征信公司往往沒有征信數據庫，是一個典型的數據集成商，靠臨時整合信息，簡單的數據加工完成服務。其信息來源包括：征信報告、公共記錄中的破產信息、地址信息、犯罪記錄、之前的雇用信息和教育背景。

租房審查：在租房之前，房東對租客的征信記錄進行查詢，以降低在租房過程中潛在的信用風險。美國租房審查專業征信機構搜集根據協議交付房租的記錄。良好的租房行為，比如按時繳納租金、愛惜房屋設施等，將有利于提高其信用評級，而租房期間的一些不良行為，比如惡意拖欠租金、破壞房屋設施等，將降低其信用評級。租房公司則根據征信記錄做出針對性措施，對面臨的信用風險進行管理。益博睿房租公司從房地產主和房產管理公司、電子房租支付服務和催收公司處獲得收集租房支付歷史數據，向多個家庭租房行業提供服務。艾奎法克斯也從其房租審查部門搜集正面數據，將這些信息包含在正規的信用報告中。

汽車和財產保險：保險是征信應用的一個重要金融場景，專業征信機構也可面向保險業提供專門的服務。代表性機構包括：LexisNexisClue。LexisNexisClue是信息服務公司律商聯訊（LexisNexis）的保險賠付信息庫，為保險業務流程的各個階段決策提供信息服務，而且還提供專門的保險信用評分，可將其理解為律商聯訊的子公司。在美國，車險和財產險定價環節意義重大，LexisNexisClue在車險市場的份額達到近99%，在房屋險方面的份額超過了95%，其數據來源于保險公司的自有數據、保險行業數據以及行業外部數據。

銀行賬戶和支票審查：即通過專業的征信機構對消費者的銀行賬戶和支票（包括借記卡和現金交易）審查。在美國，80%的商業銀行和信用機構使用ChexSystems來篩選申請人的支票賬戶和儲蓄賬戶。銀行賬戶和支票審查提供的服務包括自然人的身份驗證、在銀行的違規行為，如支票透支、未結算余額、存放欺詐性支票或可疑帳戶處理等。銀行根據該項服務識別客戶，可能拒絕為有負面報道的消費者開立新的存款帳戶，降低信用風險。

零售：征信在零售業中的應用主要是為了解決“退換貨欺詐”問題。退換貨欺詐是指一種在利用購買商品之后的退貨進行欺詐的行為。TheRetailEquation（TRE）是美國一家向零售商提供監測并報告退貨欺詐和濫用征信服務的專業征信機構，幫助零售商在退貨和銷售時點優化交易選擇。TRE的解決方案提供退貨柜臺的優化方案、建立客戶的忠誠度檔案，防止欺詐、過度退貨、減少退貨頻率，幫助零售商節省成本。TRE給零售商和消費者提供的退貨行為報告，就是消費者在商店里退貨或者換貨的交易記錄，內容包括退貨活動的相關數據、退貨所在的商店、每次退貨的時間、日期、是否有收據以及金額。該公司每12個月給消費者提供一次免費的報告。

電信公共事業：個人/企業享受電信企業和水、電、燃氣公司等公用事業機構提供的先消費后付款的服務、每月繳納電信和水費、電費、燃氣費等公用事業費用的行為本質上也是一種信用活動，將這部分信息記錄在個人/企業的信用檔案中，會使更多的人/企業擁有信用記錄，更全面地反映個人/企業的信用狀況，同時也將按時交納公用事業費用的行為積累成信用財富。在美國，由國家電信和公共事業客戶交換協會搜集與電信、電視和水電煤氣等公共事業服務相關的新的連接申請，包括賬戶和支付歷史、逾期、欺詐賬戶等相關信息，每12個月提供一次免費的征信報告。

注：文章為作者獨立觀點，不代表資產界立場。

題圖來自 Pexels，基于 CC0 協議

本文由“泓策投研手札”投稿資產界，并經資產界編輯發布。版權歸原作者所有，未經授權，請勿轉載，謝謝！

原標題： 征信業深度系列三：商業模式探究國外篇