征信業(yè)深度系列三：商業(yè)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(yè)信用市場處于壟斷地位，也是國際商業(yè)信息服務巨頭。該公司向商業(yè)機構(gòu)提供公司信用歷史記錄、B2B銷售和市場數(shù)據(jù)、交易對手風險信息、供應鏈、銷售機會評分和機構(gòu)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(shù)據(jù)，通過不同的渠道采集數(shù)據(jù)，包括公共記錄、交易記錄、電話供應商、電話采訪、印刷品、數(shù)據(jù)和商業(yè)公開資料等。

鄧白氏的數(shù)據(jù)來源

根據(jù)鄧白氏2016年度財務報告，鄧白氏2016年營業(yè)收入17.04億美元，同比增長4.07%；營業(yè)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(yè)務從地區(qū)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(chǎn)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(jīng)營理念可用一個公式表達：

鄧白氏商業(yè)數(shù)據(jù)+預測性分析=信心十足的商業(yè)決策

①鄧白氏商業(yè)數(shù)據(jù)

鄧白氏商業(yè)數(shù)據(jù)包含超過2億家商業(yè)機構(gòu)的信息，數(shù)據(jù)覆蓋全球200多個國家和地區(qū)。鄧白氏具有卓越的數(shù)據(jù)處理、維護及預測分析能力，在信息快速更新的現(xiàn)代商業(yè)環(huán)境中，能持續(xù)有效地為企業(yè)提供及時、可靠、有價值的商業(yè)信息。目前鄧白氏已擁有信息類型豐富、極具商業(yè)應用價值的企業(yè)數(shù)據(jù)，并通過專業(yè)的鄧白氏預測性分析體系，推動高質(zhì)量決策，幫助企業(yè)更好地防范風險、突破發(fā)展。

②專業(yè)的鄧白氏預測性分析體系

在充滿競爭和不確定性的商業(yè)市場上，企業(yè)需要可靠、具有預測性的市場分析工具，幫助他們發(fā)掘并把握增長契機。對此，鄧白氏引入權(quán)威專業(yè)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(shù)據(jù)，生成預測指標、趨勢與行業(yè)基準，幫助企業(yè)理解現(xiàn)狀并預測未來，有效滿足企業(yè)透視分析數(shù)據(jù)的需求，幫助企業(yè)更好地防范風險、突破發(fā)展。

③商業(yè)決策

鄧白氏商業(yè)數(shù)據(jù)的準確、及時、有效與鄧白氏預測性分析體系的專業(yè)和權(quán)威相結(jié)合，幫助用戶有步驟地制定信心十足的商業(yè)決策。

b．商業(yè)模式

鄧白氏將商業(yè)數(shù)據(jù)轉(zhuǎn)化為有價值的信息和產(chǎn)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(yè)決策。鄧白氏提供的產(chǎn)品可分為：數(shù)據(jù)報告類產(chǎn)品、分析預測類產(chǎn)品和個性化解決方案3類。產(chǎn)品及服務的應用領(lǐng)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(shè)定信用/貸款條款、保護現(xiàn)金的流動、提供商業(yè)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(yè)降低信用風險，增加現(xiàn)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(chǎn)品、服務以及信息的，從源頭供應商到最終消費者的集成業(yè)務流程。鄧白氏整合供應鏈商和企業(yè)間的信息，最終實現(xiàn)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(guī)劃商業(yè)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(zhì)量的潛在客戶、聯(lián)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(chǎn)品服務體系

02

a.基本情況

環(huán)聯(lián)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(gòu)，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(huán)聯(lián)的服務對象可以分為企業(yè)客戶和個人消費者客戶。企業(yè)客戶約65,000個，主要包括金融服務業(yè)、保險、健康護理和其他領(lǐng)域的行業(yè)客戶。個人消費者客戶超過3,500萬，環(huán)聯(lián)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(huán)聯(lián)擁有個人消費者檔案10億份，包括美國現(xiàn)有3.15億人口中85%以上的人口信息、國際業(yè)務中的個人信息和一些已經(jīng)去世的消費者信息。作為以數(shù)據(jù)位核心資產(chǎn)的征信機構(gòu)，經(jīng)過多年的積累，環(huán)聯(lián)目前已經(jīng)擁有90,000個數(shù)據(jù)來源和超過30PB（PB，千萬億字節(jié)）的數(shù)據(jù)，在美國50個州的主要城市擁有250個區(qū)域性的個人征信局。

環(huán)聯(lián)積極拓展海外業(yè)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(huán)聯(lián)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(shù)據(jù)，也擁有綜合多樣化的公用數(shù)據(jù)。

b.商業(yè)模式

根據(jù)服務對象不同，環(huán)聯(lián)的信用服務可以分為面向65,000個機構(gòu)用戶的機構(gòu)（企業(yè)）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(gòu)用戶的信用服務，內(nèi)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(nèi)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(gòu)用戶的信用服務是環(huán)聯(lián)的主體服務內(nèi)容。環(huán)聯(lián)的機構(gòu)用戶覆蓋債務催收、金融服務、保險、物業(yè)管理和醫(yī)療服務等行業(yè)。面向機構(gòu)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(huán)聯(lián)最主要的業(yè)務。

① 基本信用信息服務（環(huán)聯(lián)征信商業(yè)模式的基石）

環(huán)聯(lián)的基本信用信息服務都是通過互聯(lián)網(wǎng)在線的方式提供給機構(gòu)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(huán)聯(lián)向符合環(huán)聯(lián)服務標準的商業(yè)機構(gòu)提供信用報告和預測評分，幫助這些機構(gòu)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(yè)機構(gòu)和公共記錄數(shù)據(jù)庫連接起來，提供查詢特定消費者或資產(chǎn)信息，或者調(diào)查消費者、機構(gòu)和地理位置三者之間關(guān)系的服務；此外，環(huán)聯(lián)還在機構(gòu)客戶開展新業(yè)務時幫助其進行防欺詐管理和個人身份驗證。環(huán)聯(lián)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(yè)需求量體裁衣，這些產(chǎn)品構(gòu)成了環(huán)聯(lián)在線信息服務的基礎(chǔ)。

② 市場營銷服務

環(huán)聯(lián)提供的市場營銷服務幫助這些機構(gòu)用戶主動獲取新客戶、向現(xiàn)有客戶進行交叉銷售、監(jiān)控和管理消費者的賬戶組合，最終進行綜合分析。

環(huán)聯(lián)市場營銷服務內(nèi)容

環(huán)聯(lián)通過郵件、網(wǎng)絡和移動設(shè)備幫助商業(yè)機構(gòu)用戶開發(fā)生成面向未來的市場營銷客戶清單，商業(yè)機構(gòu)可以利用數(shù)據(jù)庫聯(lián)系個人消費者，進行拓展信用貸款和保險相關(guān)服務的營銷。

環(huán)聯(lián)提供賬戶組合的審查服務，定期審查客戶的現(xiàn)有賬戶，幫助機構(gòu)客戶對現(xiàn)有客戶進行交叉銷售、監(jiān)控和管理現(xiàn)有消費者賬戶組合中的風險。環(huán)聯(lián)還提供觸發(fā)器服務，將每日消費者信用特征變化通知給商業(yè)機構(gòu)。

③ 決策分析服務：環(huán)聯(lián)的深層次信息服務

環(huán)聯(lián)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(yè)解釋數(shù)據(jù)和預測模型結(jié)果，并根據(jù)機構(gòu)制定的特定客戶服務標準進行自動化決策。

征信機構(gòu)利用所擁有的消費者相關(guān)信息，開發(fā)出決策引擎，幫助商業(yè)機構(gòu)用戶做出決策來評價商業(yè)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(yī)申請和公寓租賃等請求，有助于商業(yè)機構(gòu)客戶提供決策效率。

個人信用服務是環(huán)聯(lián)征信服務新的增長點。環(huán)聯(lián)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(yè)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(huán)聯(lián)的直接服務方式大多以在線或手機應用訂閱為主。產(chǎn)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(huán)聯(lián)信用報告服務等。

間接服務方式：環(huán)聯(lián)向商業(yè)合作伙伴提供服務，這些商業(yè)機構(gòu)將環(huán)聯(lián)的產(chǎn)品與自身的服務加以整合再向消費者銷售。該領(lǐng)域的企業(yè)包括從事金融服務、零售管理、身份識別和保險等。

此外，環(huán)聯(lián)近年來還將一些基礎(chǔ)的信用產(chǎn)品和信用服務（信用評分、簡版信用報告和信用監(jiān)測）以批發(fā)價的形式出售給互聯(lián)網(wǎng)公司CreditKarma，CreditKarma成為環(huán)聯(lián)的消費者信息服務代理商。CreditKarma再通過公司網(wǎng)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(gòu)廣告和信貸產(chǎn)品推薦中獲得。

新興互聯(lián)網(wǎng)征信機構(gòu)——澤斯塔

a.基本情況

澤斯塔（ZestFinance），美國金融科技公司，創(chuàng)立于2010年，主要要做的是將機器學習與大數(shù)據(jù)分析融合起來，提供更加精準的信用評分。澤斯塔的研發(fā)團隊主要由數(shù)學家和計算機科學家組成，前期的業(yè)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(shù)據(jù)技術(shù)重塑審貸過程，為難以獲得傳統(tǒng)金融服務的個人創(chuàng)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(yè)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(chuàng)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(shù)據(jù)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(jù)，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(xiàn)享受正常金融服務的權(quán)利。

②非傳統(tǒng)征信視角看信用

個人征信的目的是通過搜集數(shù)據(jù)來挖掘出消費者已有和潛在的信用信息，數(shù)據(jù)和具體的技術(shù)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(lián)系最緊密，是強相關(guān)的，所以傳統(tǒng)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(guān)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(lián)系，盡管這種聯(lián)系可能較弱。

下圖展示了澤斯塔公司的大數(shù)據(jù)征信的視角。與傳統(tǒng)征信相同，大數(shù)據(jù)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(tǒng)征信中，數(shù)據(jù)依賴于銀行信貸數(shù)據(jù)，而大數(shù)據(jù)征信的數(shù)據(jù)不僅僅包括傳統(tǒng)的信貸數(shù)據(jù)，同時也包括了與消費者還款能力、還款意愿相關(guān)的一些描述性風險特征，這些相關(guān)性描述風險特征的抽取與篩選是澤斯塔的技術(shù)核心。相比于傳統(tǒng)征信數(shù)據(jù)的強相關(guān)性，這些大數(shù)據(jù)征信的數(shù)據(jù)與消費者的信用狀況相關(guān)性較弱，澤斯塔就利用大數(shù)據(jù)技術(shù)搜集更多的數(shù)據(jù)維度來加強這些弱相關(guān)數(shù)據(jù)的描述能力。這樣就使大數(shù)據(jù)征信不依賴于傳統(tǒng)信貸數(shù)據(jù)，可以對傳統(tǒng)征信無法服務的人群進行征信，實現(xiàn)對整個消費者人群的覆蓋。

傳統(tǒng)征信視角和澤斯塔的大數(shù)據(jù)征信視角

③優(yōu)于銀行的大數(shù)據(jù)挖掘技術(shù)

澤斯塔的優(yōu)勢在于其強大的數(shù)據(jù)挖掘能力，能開發(fā)出新穎的信用評估模型，從大數(shù)據(jù)中挖掘出更多不易被發(fā)現(xiàn)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(yè)績，但Merill先生還是具有專業(yè)學術(shù)人士特有的謙遜嚴謹?shù)娘L格，他闡述了一些澤斯塔的發(fā)展弱勢，即公司規(guī)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(shù)據(jù)，但其本身所有數(shù)據(jù)卻可以被銀行通過正常手段和渠道獲得。

④對于大數(shù)據(jù)的理解和應用

不同的應用對大數(shù)據(jù)有著不同的理解，目前對大數(shù)據(jù)沒有一個統(tǒng)一的概念。Merill先生認為“數(shù)據(jù)多”并不是“大數(shù)據(jù)”，能夠利用IT先進技術(shù)將碎片化的信息整合起來才能形成真正有用的大數(shù)據(jù)。這種對大數(shù)據(jù)的理解特別適用于征信業(yè)，因為征信的基本過程也是將分散于不同信貸機構(gòu)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(shù)據(jù)技術(shù)進行征信，但是主要利用的還是結(jié)構(gòu)化的大數(shù)據(jù)，對于復雜的大數(shù)據(jù)類型例如文本數(shù)據(jù)和社交網(wǎng)絡數(shù)據(jù)利用得比較少，主要原因是由于這些復雜的大數(shù)據(jù)和澤斯塔所服務的消費者的信用風險相關(guān)性太弱了。這種現(xiàn)象其實也被其他互聯(lián)網(wǎng)金融的征信實踐所驗證，例如最大的互聯(lián)網(wǎng)P2P公司Lendingclub最早從Facebook平臺登錄信貸市場，希望通過對社交網(wǎng)絡的數(shù)據(jù)進行信貸審批，結(jié)果效果很差，難以為繼，最后只好回歸傳統(tǒng)的信貸手段發(fā)展。

c.數(shù)據(jù)源

澤斯塔以大數(shù)據(jù)技術(shù)為基礎(chǔ)采集多源數(shù)據(jù)，一方面繼承了傳統(tǒng)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(nèi)，如社交網(wǎng)絡信息、用戶申請信息等，從而實現(xiàn)了深度和廣度的高度融合。澤斯塔的數(shù)據(jù)來源十分豐富，依賴于結(jié)構(gòu)化數(shù)據(jù)的同時也導入了大量的非結(jié)構(gòu)化數(shù)據(jù)。另外，它還包括大量的非傳統(tǒng)數(shù)據(jù)，如借款人的房租繳納記錄、典當行記錄、網(wǎng)絡數(shù)據(jù)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(guī)數(shù)據(jù)是客觀世界的傳感器，反映了借款人真實的狀態(tài)，是客戶真實的社會網(wǎng)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(guān)聯(lián)性，才能提供深度、有效的數(shù)據(jù)分析服務，降低貸款違約率。

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

再次是網(wǎng)絡數(shù)據(jù)，如IP地址、瀏覽器版本甚至電腦的屏幕分辨率，這些數(shù)據(jù)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(wǎng)絡數(shù)據(jù)也是大數(shù)據(jù)征信的重要數(shù)據(jù)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(guān)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(shù)據(jù)可以使得澤斯塔能夠不完全依賴于傳統(tǒng)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(tǒng)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(jié)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(tǒng)評分模型中參考的數(shù)據(jù)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(shè)計了一套信用評估模型。澤斯塔參考的數(shù)據(jù)變量多達上萬條，并采用非線性化的、更前沿的技術(shù)來進行分析，從而防止“模型套利”的現(xiàn)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(shù)據(jù)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(wěn)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(shù)據(jù)評分模型

04

服務于垂直領(lǐng)域的專業(yè)征信機構(gòu)

和三大個人征信機構(gòu)服務于信貸等相關(guān)機構(gòu)，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(yè)的征信機構(gòu)服務于垂直領(lǐng)域的機構(gòu)（用于特定的服務、特定行業(yè)的交易或面向特定的人群），搜集和整合垂直領(lǐng)域內(nèi)消費者非信貸類的歷史信用信息，從而解決該領(lǐng)域內(nèi)的信用風險問題。這些專業(yè)征信機構(gòu)的類型較多，可以分為：雇用（就業(yè)）審查（背景調(diào)查）、租房審查（背景調(diào)查）、汽車和財產(chǎn)保險、銀行賬戶和支票審查、電信公共事業(yè)、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(diào)查的內(nèi)容包括-國內(nèi)學歷、職業(yè)資格、法務信息、勞動爭議記錄、工商注冊信息、飛行記錄、職業(yè)履歷等。它是保證招聘質(zhì)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(yōu)咨詢、HireRight和Sterling。這種類型的專業(yè)征信公司往往沒有征信數(shù)據(jù)庫，是一個典型的數(shù)據(jù)集成商，靠臨時整合信息，簡單的數(shù)據(jù)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(chǎn)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(yè)征信機構(gòu)搜集根據(jù)協(xié)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(shè)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(shè)施等，將降低其信用評級。租房公司則根據(jù)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(chǎn)主和房產(chǎn)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(shù)據(jù)，向多個家庭租房行業(yè)提供服務。艾奎法克斯也從其房租審查部門搜集正面數(shù)據(jù)，將這些信息包含在正規(guī)的信用報告中。

汽車和財產(chǎn)保險：保險是征信應用的一個重要金融場景，專業(yè)征信機構(gòu)也可面向保險業(yè)提供專門的服務。代表性機構(gòu)包括：LexisNexisClue。LexisNexisClue是信息服務公司律商聯(lián)訊（LexisNexis）的保險賠付信息庫，為保險業(yè)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(lián)訊的子公司。在美國，車險和財產(chǎn)險定價環(huán)節(jié)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(shù)據(jù)來源于保險公司的自有數(shù)據(jù)、保險行業(yè)數(shù)據(jù)以及行業(yè)外部數(shù)據(jù)。

銀行賬戶和支票審查：即通過專業(yè)的征信機構(gòu)對消費者的銀行賬戶和支票（包括借記卡和現(xiàn)金交易）審查。在美國，80%的商業(yè)銀行和信用機構(gòu)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(guī)行為，如支票透支、未結(jié)算余額、存放欺詐性支票或可疑帳戶處理等。銀行根據(jù)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(yè)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(jiān)測并報告退貨欺詐和濫用征信服務的專業(yè)征信機構(gòu)，幫助零售商在退貨和銷售時點優(yōu)化交易選擇。TRE的解決方案提供退貨柜臺的優(yōu)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(jié)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(nèi)容包括退貨活動的相關(guān)數(shù)據(jù)、退貨所在的商店、每次退貨的時間、日期、是否有收據(jù)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(yè)：個人/企業(yè)享受電信企業(yè)和水、電、燃氣公司等公用事業(yè)機構(gòu)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(yè)費用的行為本質(zhì)上也是一種信用活動，將這部分信息記錄在個人/企業(yè)的信用檔案中，會使更多的人/企業(yè)擁有信用記錄，更全面地反映個人/企業(yè)的信用狀況，同時也將按時交納公用事業(yè)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(yè)客戶交換協(xié)會搜集與電信、電視和水電煤氣等公共事業(yè)服務相關(guān)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(guān)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(chǎn)界立場。

題圖來自 Pexels，基于 CC0 協(xié)議

本文由“泓策投研手札”投稿資產(chǎn)界，并經(jīng)資產(chǎn)界編輯發(fā)布。版權(quán)歸原作者所有，未經(jīng)授權(quán)，請勿轉(zhuǎn)載，謝謝！

原標題： 征信業(yè)深度系列三：商業(yè)模式探究國外篇