本文共字，预计阅读时间。

近期，征信行业的乱象接连曝光，部分第三方征信公司出于成本考虑，开始依赖黑市数据资源，甚至雇佣黑客盗取用户信息用以补充征信数据，同时在利益心的膨胀下，这些数据黑产还衍生出大量经过“掺水”的假征信数据。实际上，一旦让这些产于黑市的假征信数据涌入互联网金融P2P行业，将很容易成为P2P平台风险的源头。

征信数据的优质度往往直接决定P2P平台的风控质量与效率。用一个简单比喻来讲，如果风险控制是一台“发动机”，那么征信数据就相当于“燃油”，如果数据纯度不高，质量低劣，那么将直接导致风控效率低下，出现故障，进而很容易为平台引入劣质资产，影响资产端质量。在这个意义层面上，征信数据的优劣间接决定了平台引入优质资产的准确率高低，然而对诸多经验不足的平台来讲，获得高质量的征信数据往往需付出很高的成本。

征信源头不净，导致风控不力

从征信数据采集、挖掘分析、并最终形成高效力的风控模型，这一流程为诸多P2P平台带来巨大运营成本，甚至成为仅次于平台营销费用以外的第二大成本。P2P征信主张实地考察与互联网信息手段的结合，而经验不足的平台由于行业积累薄弱，在短时间内难以对实体产业信用情况完全渗透、掌握，同时又背负着运营初期技术开发、人力成本、场地租金、获客营销等多重资金压力，所以在强压之下，平台很难调出充裕资金和资源来完善征信建设。实际上，银行系一直偏重于大额借贷项目的主因，正是由于信贷审核及征信成本过高，小额借贷难以达到盈亏平衡。

在成本压力之下，为进行基本的资产辨别，部分平台开始使用第三方征信公司的征信服务，从数据中介手中买入大量廉价征信数据。而这些数据往往真假难辨，包括借贷方资产、车辆房产、电商交易、工作履历等关键性风控信息均可能是掺假过的数据。

显而易见，当风控部门凭借此类征信数据展开贷款审核工作时，将会让授信工作直接陷入混乱。有可能导致一笔十几万的“企业周转资金”错借给了一个公司没有正常收入的借贷人；也许一笔“车辆抵押贷款”错借给了一位根本没有买车计划的人；一名信用资质不足的借贷人被当做高净值用户轻松获得了高额贷款，而真实需求的借贷人却有可能授信不足甚至被拒之门外。

纯净的征信数据是风险控制的重要依据，而当平台纳入过多不净征信数据，将会让信贷审核的准确率以及信贷后续的跟踪、回款等都受到不同程度影响，此时平台往往又要折进人力去进行弥补，从而造成更多的运营成本。

同时，如果平台过度依赖征信中介，严重缺乏自身调查所得的征信数据，即便是对接了高质量数据，也很难发挥数据的真正效力。因为不只是征信中介，包括央行征信中心提供的征信服务，也不足以直接应用到当今越来越多元化的P2P信贷服务过程中，只有在了解实体产业的基础上，建立自有征信体系，以及成熟的风控模型才是良好的解决途径之一。

专注一个产业，亲自渗透行业征信

目前具有应用价值且较为主流的P2P征信方式，一般包含了线下征信和大数据征信两种。对于线下征信来讲，一部分专注于供应链金融，或长久专注于一个行业的P2P平台会具有天然优势，在行业渠道、信用情况方面的丰富积累和洞察，将促进线下征信以合理的成本获得高效率、高质量的执行。

另一个是大数据征信。除了进行涵盖面更广的数据采集，更是非常注重数据的计算及应用。要判断一名自然人的征信情况需依靠大量的变量数据，通过将众多细微变量进行演算和整合，不断地对征信模型进行打磨，由于要实现不同信息维度间的均衡，所以这一打磨过程需要长久打磨和迭代，并逐步走向完善。

无论是线下征信还是大数据征信，它们的核心特征都是长久化的渗透式征信，而高质量的征信体系往往正是依托于踏实的积累过程。P2P平台通过专注于一个行业或特定的人群，日积月累的展开征信数据采集，从而建立起全面、细节化、高效力的征信数据库。如此循环往复，平台自身还可形成一整套专属于此群体的征信模型，进而促进风控工作的良性执行。

在形成高质量自有征信模型的同时，优质平台间更应促进真实征信数据的共享，从而将整个行业的征信体系纯度不断提升。同时，在做好征信及风控的前提下，我们作为互联网信息中介平台，更应注重并强化网络信息安全的建设，彻底杜绝黑客势力的入侵，为征信业态的整体净化起到标杆作用。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。