辦不到信用卡和「蒙娜麗莎」有什麼聯繫？

02-03

大波浪與 25 億人之痛

想像一下：

在你「感覺身體被掏空累得像只 Dog」的下班路上，一個不僅大波浪而且大波浪的妖嬈女子向你走來，羞澀地說：帥哥，我來深圳找工作，沒想到錢包被人偷了，借我 1000 塊坐公交車回家好嗎？

然後我們假設你的腦子沒有進水，也沒有對這個女子順勢起什麼不可描述的污穢意圖的話，我估計你有超過 73.851% 的概率，會對眼前這名女子毅然決然地說：

呵呵，騙子，滾。

那麼如果換個場景，在你下班的路上，向你迎面走來的不是大波浪，而是你的發小王翠花呢？

雖然她又丑又胖還齙牙，但你可能還是會從兜里掏出 100 塊（嗯不好意思你實在窮得拿不出 1000 塊了），塞給她並深情地說：花兒，編理由也拜託編個沒那麼智障的，錢拿去花吧。

這是什麼？

這就是信任的力量啊！

我們會信任朋友、熟人或鄰居；但，大多數人不太可能將錢借給一個陌生人。

是的，銀行、信用卡公司和其他金融機構也同樣如此：他們不會知道他們 99.9% 的客戶私下生活是怎樣的，但業務還是要辦，KPI 還是要考核，怎麼辦呢？於是乎，他們搞了自己的一套方法，來評判我們的可信度，那就是藉助信用評分。

我們的信用評分是通過公共消費信用數據的集合和分析得出，也正因為有這些數據，我們才更容易獲取需要的商品和服務。小至家電產品，大至購房置業，甚至是冒著風險創業。

信用評分聽起來棒棒的，但尷尬的是——世界上有 25 億人沒有信用評分啊！

25 億絕對不是個小數字，要知道這佔到了世界人口的三分之一。

他們沒有信用評分，因為他們沒有任何正規的公共記錄：沒有銀行賬戶，也沒有信用記錄，至於社保信息？那是什麼能吃么。

正因如此，他們根本沒辦法接觸到可以改善他們生活的貸款和其他金融產品。

是的，他們是不被信任的，一如你眼前的大波浪。

可是，你意識到自己體內的洪荒之力不斷拍打你理性的懸崖——雖然沒有信任，但你就是想把錢給你面前的這個大波浪啊，誰讓她是大波，浪呢！

你張開雙臂，仰天大叫：神！如何為大波浪和其餘的 25 億沒有「信用評分」的朋友們打開一扇融資之門？

然後，天上出現了幾個金光四射的大字：大數據徵信技術。

手撕蒙娜麗莎與整容術

互聯網的使用人數已經達到 32 億，其中使用智能手機的人超過 20 億。

此刻，這些數以億計的人們正在網上衝浪、交流、購物、看小黃片兒……反正只要你一刻出現在互聯網上，你就會生成數據；而幾億個數據生成源湊在一塊，鋪天蓋地的數據就產生了。

這些數據看似雜亂無章，實則暗含條理。如果你有足夠的洞悉力，將會發現它們和每個人的信用狀況息息相關。

最先將之應用到個人徵信領域的是 ZestFinance，一家位於美國的金融科技公司。

據我們所知，這家公司並沒有請江戶川柯南當 CTO，那麼，它到底是怎麼從浩如星海的大數據中發現個人信用狀況的？

首先，它假定每位消費者都是好人，不再歧視那些信貸信息不完整的人。然後，在這樣的前提下，搜集信息證明他的真實信用狀況，幫助他享受正常金融服務的權利。

這聽起來好像沒什麼，但要知道，傳統做法可都是「有罪推定」，如果你沒有完整的信貸信息，那麼你就是一個壞人——壞人還用信用卡？反了你了——堅決不能給你發信用卡。

雖然「有罪推定」聽起來很不近人情，但它真不是那些「性本惡」份子拍腦袋的決定，歷史證明，它的確是降低銀行風險的絕佳利器，而且使用成本為 0。

如今，ZestFinance 相當於逆風開船，它不僅想滿足「低風險」和「低成本」，還想捎帶解放那些拿不到信用卡的人，這個難度不用我說，想必你也知道。

於是乎，ZestFinance 幹了件非常魔幻的事兒：

人生如畫！

上過初中的朋友們都知道，蒙娜麗莎再複雜精美，也不過由一個個像素點組成。人生再波瀾浩瀚，也是由日常的雞毛蒜皮堆砌。那些看似不起眼的小事們，構成了人生龐大的資料庫，反映了人們的真實社會網路。

類比思考，我們想將一名個體的零散信息記錄還原成一個整體的形象，其實就像把一包碎成「像素」的紙片重新變成一張畫。

所以，ZestFinance 的「畫師」所要做的，正是把一包碎成「像素點」的紙片進行整理與糅合。

首先，畫師們把影響用戶信貸水平的因素都考慮在內，儘可能地去收集這些碎紙片。

其次，畫師們將用戶上千種原始數據分門別類地放好，比如房租繳納記錄、IP地址、水電賬單、手機賬單等。就像按照顏色屬性先把碎片歸類。

接下來，他們尋找不同類別數據間的關聯性，然後從普通數據轉化為「變數」。此時，畫師已經將把顏色相近的碎片拼成了形狀，「像素點們」從顏色跨越至了形狀。

經過以上細緻的整理，不知不覺，畫師們就可以發現這張畫已經有了進一步的呈現，「蒙娜麗莎的微笑已經若隱若現」。

做完初步的整理工作，畫師們就要從不同角度對這張畫進行鑒賞，是新古典主義還是後印象畫派？色彩是否搭配？光線是否自然？

在大數據信用評估里，多個在關聯性的基礎上生成的變數，將被整合成一個測量指標。這些測量指標可以反映借款人的某一方面特點，如詐騙概率、長期和短期內的信用風險和償還能力等。

最後一步，將這些測量指標輸入到不同的數據分析模型中去，按照模型投票的原則，形成最終的信用分數。

同理，這張畫也將在鑒賞團的專家手中被賦予一個合理的價格，完成了從修復到估值的全過程。

通過分析和處理複雜的差異化數據，ZestFinance 能夠制定精準的信用決策，方便了美帝人民的剁手消費。

在中國，還有約 10 億人沒有與銀行或金融機構發生過信貸關係，充滿潛力的個人徵信市場，成為了互聯網巨頭們競相爭搶的堡壘。如今，京東、百度先後入股 ZestFinance 拜師大數據技術，螞蟻金服旗下芝麻信用也已上線一年多。

聽完這些，是不是覺得有了「大數據徵信大法」，媽媽再也不用擔心我借錢給大波浪會被騙，或者跟著她進小衚衕會不會被仙人跳了？

醒醒吧，騷年！這可是在魔幻的 CHINA，好嗎。

我們如何被大數據視奸？

ZestFinance 做信用評估時，那些來自消費者的數據會不可避免地涉及個人隱私。面對這種情況，國內的那些第三方徵信平台也是束手無策。

大數據監測著人們的生活，雖然提高了數據決策的準確性，但卻加大了隱私被侵犯的風險。

在國內，我會警惕任何一個需要輸入姓名與聯繫方式的表單或環節，因為我擔心個人信息會「一不小心」被兜售，會讓我天天被各種銷售 Boys 問我要不要買房買樓買地球，貸款貸車貸老婆。

而且，在那些你可能忽視的國內某第三方徵信平台服務條款中，明確寫出了「因您信用較好而被造成第三方向您推銷產品或服務等打擾的風險」。

細思級恐，敢情是信用越好被騷擾的概率越高，請問大兄弟您這是在搞笑嗎？這和我的「信用」被變相綁架有什麼區別？

假設為了打造一個簡單高效的世界，犧牲一些我的個人隱私是必然的，那麼我可能半推半就便從了。但我仍然無法壓制自己的憂慮：這些數據會被誰獲取和利用？

要知道，美國對個人隱私的保護是有明確的框架和機制，我朝在這方面卻還處於空白。

如果有一天，我的一舉一動都以數據的形式被他人「視奸」，而我卻毫不知情，這將是多麼可怕的境況。

「老大哥在看著你。」

哦，老大哥不好意思我真的不買起房。

為信用而信用真的有勁么

作為聰明勤勞的炎黃子孫，如果說信用評分來自於固定的量化指標，那麼我們按圖索驥總歸是能找到提高的辦法。

你去看一看，「如何提高芝麻信用分數」的話題在網上早已比比皆是，「相互發紅包」、「加入高信用人脈群」都成為刷分一族的實戰方式，甚至官方也很鼓勵大家努力提高信用分數。

當我看到綁定 Linkedin 也能提高分數時，一個大寫的黑人問號臉浮現在我的眼前，這真的沒有違背信用評分的初衷嗎？

在美國，各家徵信機構都將信用評估模型作為核心機密，堅決不公開演算法。然而，國內的評分機制卻具有導向性。

大數據徵信技術本身並沒有錯，這是毋庸置疑的。只需要加強數據真實性與隱私安全性的監管，大數據徵信技術都將造福億萬「不被信任的人」，實現真正的普惠金融。

但如果不幸的是，這個機制開始鼓勵「刷」信用評分，那麼各種策略性的行為都將導致評分的失效。正如量子力學上的「不確定性原理」，「若確切地知道現在，就能預見未來」，所錯誤的並不是結論，而是前提。

毫無疑問，徵信行為脫離了「信」字，其所征為何物不堪設想。

到了那個時候，誰知道大波浪的信用分兒是不是和她的胸一樣假呢？

本文由「矽谷投委會」@ 迷帆原創，歡迎轉載；
不過一切不表明來源的轉載都是耍流氓喲。