【摘要】随着互联网金融的快速发展，其已成为金融行业不可或缺的一支力量，虽然目前体量和规模不能与传统金融行业相比，但是其对金融行业，尤其在征信方面产生了深远影响。如何将个人征信很好地作用于互联网金融值得我们思考。
【关键词】互联网金融 个人征信 芝麻信用 政策建议
市场经济的核心是金融，金融的基石是信用，而征信是获得信 用这一特殊物品的唯一渠道，无论是传统的金融行业，还是新兴的互联网金融行业，行业的健康快速发展离不开良好的征信体系。
一、互联网金融影响下征信的发展
自2013年6月13日阿里巴巴集团旗下支付宝公司与天弘基金联合发布国内第一款互联网金融理财产品“余额宝”以来，互联网金融经历了一段井喷式的发展时期。互联网金融发展成为金融行业不可或缺的一支力量，虽然目前体量和规模不能与传统金融行业相比，但是其对金融行业产生了深远影响，尤其在征信方面。互联网金融的发展相较传统的金融行业更离不开信用的支撑，因为互联网金融连接的是相互间没有联系的陌生人。如何在原本互不信任的陌生人之间促成一笔交易至关重要，无论早期的购物网站，如今的P2P网贷行业都面临同样的问题。如果支付宝没有解决这个相互信任的问题，那么淘宝网也不会有今天，支付宝运用了一个很巧妙的方法解决互相不信任的问题，既然陌生人之间互不信任，那么你们可以信任平台公司，消费者先把款项支付给平台公司，然后卖家发货，等消费者确认收货后，平台公司自动把款项支付给卖家，一来一去的时间差，就在平台公司上产生了信任，因为信用的产生就没有了难做的生意。那么个人基于互联网金融的信用该如何去评定，支付宝旗下的芝麻信用给了我们答案。
二、芝麻信用分的衡量维度
2015年1月5日，中国人民银行印发了《关于做好个人征信业务准备工作的通知》，要求芝麻信用等8家机构做好个人征信业务的准备工作。在此基础上芝麻信用于1月底首次开通芝麻信用分，直观地呈现了用户的信用水平，自此开启了互联网金融征信的序幕。芝麻信用是我国首款基于用户互联网行为数据的征信产品。与传统征信数据主要来源于借贷领域不同的是其基于用户互联网行为的芝麻信用的数据来源较为广泛，包括了信用卡、网购、转账、理财、生活缴费、社交关系等方面。数据主要来源于旗下电商平台、互联网金融、云业务及互动娱乐业务，另外接入合作互联网企业的用户行为数据作为补充。基于上述数据源芝麻信用采用的评分体系为“FICO”评分体系，从信用历史、行为偏好、履约能力、身份特质、人脉关系等方面综合评分，分数分为五个级别：350～550为较差、550～600为中等、600～650为良好、650～700为优秀、700～950为极好。
三、芝麻信用分的特点
芝麻信用分通过多维度的评价体系，使得自身具有不同于传统金融信用的特征。
（一）互联网评估指标和传统评估指标相结合
在芝麻信用的评估指标中，属于传统征信评估指标的有身份特质指标和信用历史指标，而属于互联网征信特有的评估指标的是行为偏好类指标、人脉关系类指标和履约能力指标则，所以，芝麻征信是利用互联网数据对传统征信进行的延伸，其并没有完全脱离于传统征信。
（二）动态指标和静态指标相结合
芝麻信用包括的静态评估指标有身份特质指标和信用历史指标等，除此之外其包含的动态指标有行为偏好类指标、人脉关系类指标及履约能力指标等，动态指标的加入意味着用户的信用评估不再是独立或者固定不变的，而是得到了实时结果，其途径就是通过用户最新消费及经济水平等信息的评估。
（三）信用评估和信用使用相结合
芝麻信用具有如通过信用使用出租车、信用入住酒店、信用便捷办理签证等服务这些丰富的使用场景，但同时，这些使用场景下用户的行为也纳入了用户信用评估的指标，这就使得芝麻信用可以保持实时的更新，以便更准确及时地反映用户的信用水平。信用使用与信用评估相结合的方法有利于培养用户自主维护信用的思维。
以芝麻信用分为代表的互联网征信是信用等于财富的最好实践，当信用不再是一纸报告，而是带来方便生活的一种财富的时候，被征信的个人就会主动融入到征信的过程中。
四、芝麻信用存在的问题
互联网征信作为一种改革创新的崭新事物，在给传统征信带来启示和改革的同时，自身也存在一些问题，以芝麻信用为例。
（一）用户隐私保护问题
芝麻信用所有的数据都来源于互联网，而对用户数据的使用具有最高权限的是互联网企业，一旦疏于防护，必然会发生侵犯用户隐私事件，在经过互联网快速的传播，势必会对整个互联网征信行业造成不良影响。
（二）數据多样化问题
基于互联网那个大数据的芝麻信用，将要面对互联网上越来越多非结构化的数据，比如图片，视频等，而处理非结构化数据的能力发展缓慢，一旦发展到产生的非结构数据不能被有效地吸收利用，互联网征信将可能面临数据匮乏的问题，那么优势也将不复存在。
（三）数据质量问题
互联网征信的根源是互联网产业的一个高度虚拟化的行业，互联网金融信贷过程的真实性不易考察验证。在电子商务方面，多数电商网站的信用数据累积基础是交易成功次数，而忽略了交易的内容和金额，这样就出现了利用虚假交易快速提高信用等级的现象，如“假评价”、“刷信用”等现象就降低了网站评级的可信度及威信。
五、政策建议
（一）强化互联网金融征信的隐私保护
规范互联网企业的征信行为，加快并明确互联网金融征信的数据采集范围和使用原则，限制互联网金融企业采集和使用用户数据权限。在互联网征信采集信息中，主要采集对信用评分有主要影响的信息，防止过度采集信息，减少侵犯用户隐私的概率。互联网金融机构在采集和使用个人信息时应由信息主体本人同意且授权，并加强数据安全防范，防止用户信息及数据泄漏。
（二）加强采集数据的真实力度
建立健全约束系统和行业性自律，形成各方自觉、诚实、守信的良好的市场氛围。一旦发现某家机构存在造假行为和破坏市场秩序的行为要责令其及时进行整改，如果过了整改期还没有完成，中国人民银行可以采取取消牌照或者暂停业务等方式的处罚行为，以此达到以儆效尤的目的。互联网企业在日常营运中，加强打击刷信用等破坏数据真实性的行为，对有刷信用的商家和消费者记录进入失信黑名单，并给予一定的惩罚措施，培养用户严谨自律的习惯。
（三）大力发展征信服务机构，提升数据征信技术
推动政府出台相关扶持政策，重点培育一些规模较大、实力较强的征信机构发展壮大，另外还应加快发展数据征信技术，深挖大数据潜力，进行大数据处理技术储备，特别是非结构化数据的处理技术，集中力量攻克非结构化数据处理技术难题，保障将来互联网征信不会受到数据处理技术的制约。（作者：吕娜）
