企业征信电话多少

近日，央行网站公示了百行征信（即信联）经营个人征信业务的许可信息，从放出信息到正式获牌，前后不足半年时间，相比芝麻信用、腾讯征信等8家机构，2014年内测上线、2015年获准试点、2017年4月被告知暂时未达要求，信联牌照批复的效率之高，令人叹服。

前有网联切断支付机构银行直连，后有信联收编个人征信试点机构，无论是清算还是征信，作为行业性的基础设施，看来最终也只有全行业参与这条路可供选择。目前看，向社会机构开放个人征信牌照这事，算是尘埃落定了。

网联的成立之于支付行业，属于重大变革，已经在改变着行业格局；信联的成立之于征信行业也是重大变革，又会带来怎样的影响呢？换句话说，信联来了，芝麻信用、腾讯征信等其他大数据征信机构还有活路吗？

为何是信联？

2017年4月，在“个人信息保护与征信管理”国际研讨会上，征信管理局局长万存知明确表示：

“八家进行个人征信开业准备的机构，目前没有一家合格，在达不到监管标准情况下不能把牌照发出去”。

8家机构暂时不具备资格，才有了信联的诞生。

在征信领域，只有信息充分共享，才有效率。人民银行征信中心副主任王晓蕾曾指出，“征信系统要强调两个原则，第一是互惠原则，第二是全面共享原则”，基于银行借贷信息建立起来的个人征信中心，其初衷便是建立一个“放贷人之间的信息共享数据库”，原则上由放贷人上传所有借贷人的真实信用信息，共享的基础上实现互惠。

2015年1月5日，央行发布《关于做好个人征信业务准备工作的通知》，要求8家机构做好个人征信业务的准备工作，本质上，也是希望通过引入社会化机构，建立起覆盖互联网机构的金融信息和商业信息共享的平台。

央行副行长潘功胜曾于2015年5月表示：

“除金融领域之外的商业信用信息数量已经成为另一类重要的信用信息来源，在中国征信体系建设中，应充分认识这一趋势，鼓励此类信息通过共享、核查等方式，在依法前提下对外应用，帮助一些没有金融信用信息的信息主体开展信用活动，进入正规金融体系”。

在此基础上，实现央行征信与社会化征信机构的互补发展，共同推动征信体系的进一步完善。而从试点过程来看，社会化征信机构在信息共享与互惠上，却遭遇到了瓶颈，并衍生出一些问题。

首先，共享做的不好，信息孤岛广泛存在。央行征信中心的成功，在于所有受认可的放贷机构需强制上传信息，这样才能建立起统一的共享数据库。而对试点机构而言，缺乏这样的行政权力，只能做到谁使用谁上传，且使用多少上传多少。举个简单的例子，假设1个月内，全部互联网金融机构发生信贷记录1万笔，但只有100笔使用了试点机构征信产品，结果便是只有100笔记录进入到试点机构的数据库，1%的覆盖率，难言做到了充分共享。

信贷信息覆盖率低，商业信息的跨主体共享就更难了。举例来说，腾讯的社交信息不会共享给阿里的芝麻信用，同样，阿里的电商数据也不会向腾讯的征信产品开放。虽然一些机构通过引入不可逆加密技术试图从技术上解决共享问题，但效果非常有限。从结果上看，便是信息孤岛广泛存在，这与建立社会化征信机构的初衷相违背。

其次，不能通过共享的方式获得数据，催生了数据的非法采集、过度采集和非法交易问题。数据的多寡是征信系统的核心竞争力，既然做不到自愿基础上的共享，那么只好“主动”采集。在数据的源头，既有各类APP和网站正大光明地搜集留存用户信息，更有黑客拖库、木马钓鱼、内鬼泄露等黑产人士登场，这些来源不一的数据，层层转手，流入到各类机构手中，被用于从欺诈到风控的方方面面，成为完整的产业链条。

用户一直处于“裸奔”状态，成为虚拟世界中一个个的“透明人”，骚扰电话、网站广告、暴力催收等成为了屡见不鲜的事件，加剧了个人信息保护的问题。

最后，当数据的获取“各凭本事”时，信息共享更加遥遥无期。不难理解，数据“采集”的过程越曲折、复杂，共享的意愿就越低，反过来进一步加剧信息孤岛和非法采集的问题。

从结果上看，8家机构各自为政难以实现信息的充分共享，信联的诞生也就顺理成章了。

信联的模式、边界与使命

十八届三中全会提出要“建立健全社会征信体系，褒扬诚信，惩戒失信”，国务院也发布了《社会信用体系建设规划纲要（2014-2020年）》，将社会信用体系建设上升到国家战略。个人征信作为社会信用体系建设的重要组成部分，不容有失。信联集各家之所长，又较好地弥补了各自为战的缺点，自然会被寄予厚望。

定位：守住信贷征信边界

据公开信息，信联的数据来源于“200多家网贷公司、8000多家县域的小贷公司、消费金融公司等”，聚焦于互联网信贷数据，与侧重传统银行的央行征信中心形成差异化互补。由于并未接入社交、电商等商业化数据，信联的定位仍然是信贷征信。

数据采集模式：互惠与共享

同为央行下辖个人征信机构，在数据采集上，应该会与央行征信中心同出一辙，即坚持互惠与全面共享原则。申请使用信联数据的互联网信贷机构，需要承担向信联报送数据的义务，全面共享，按需查询。

互联网放贷机构，苦缺乏统一的信用征信数据久矣，信联的诞生恰逢其时，是一种刚需，加上分散的股权结构能够保证其中立性和客观性，可以打消报送机构有关信息保密和安全的担忧，相关机构报送数据的积极性是不用担心的。

使命：破除政务数据孤岛

有统计显示，社会上80%以上的信息掌握在各级政府部门手里，既包括公安、学历学籍、社保、公积金、税务等正面信息，也包括司法判决等负面信息，此外，通信、水电、金融等国企巨头手中也掌握大量信息。这些信息的采集与整合，是构建社会诚信体系必不可少的一环。

很多机构都在做这件事，比如很多大数据公司、互联网机构、商业银行等都在对接政务数据，但个人征信牌照的价值在于名正言顺。由信联来做这件事，政府和央企在数据隐私和保护等方面的顾虑会低很多。

所以，破除政务数据信息孤岛，有没有可能成为信联下一步的使命呢？大概率是有的。

前景：成为巨头指日可待

征信服务的逻辑在于，接入的机构越多，数据质量越好，越能吸引潜在的机构接入，形成正向的循环。在互联网信贷征信领域，信联在可预见的未来仍缺乏有效的对手，数据的积累可以呈指数型增加，成长为巨头指日可待。

大数据公司的出路与前景

“待到秋来九月八，我花开后百花杀”。征信领域存在天然的规模效应，强者恒强，信联一出，在牌照加持下会越来越强，信联越强，其他机构越弱，不难预见，其他大数据公司在信贷征信领域的野心基本可以歇一歇了。

央行副行长潘功胜曾谈到，“无所不包的全面征信只是一个理想状态，而差异化发展的道路却是征信业发展的一种常态”，其他大数据公司的出路便在差异化上。

一方面，弱化信用风险，重点布局欺诈风险。从接入的数据看，信联的业务边界很清楚，集中于信用风险评估，欺诈风险基本空了出来。而欺诈风险有着不亚于信用风险的市场空间，比如消费金融领域的骗贷欺诈、支付领域的账户盗用、促销领域的羊毛党、营销领域的流量欺诈等等。

相比信用风险，欺诈风险可以存在于业务流程的每一个环节，对数据的需求多多益善，恰恰是大数据公司的强项。社交数据、电商数据等商业信息，在信用风险评估上的有效性存在很大争议，但在欺诈风险防范上，效果则是有目共睹，便是这个逻辑。

另一方面，加大在社会诚信领域布局。《社会信用体系建设规划纲要（2014-2020年）》曾指出了当前社会信用体系建设中存在的一些问题，如“重特大生产安全事故、食品药品安全事件时有发生，商业欺诈、制假售假、偷逃骗税、虚报冒领、学术不端”等，这些问题的缓解，需要社会各方力量共同参与，大数据公司有望在其中发挥重要作用。

以美国征信机构为例，其业务早已不局限于金融行业，通过向政府、教育、医疗、保险、电信等行业提供市场营销、决策分析、人力资源、商业信息平台等信用衍生服务，营收占比已经超过50%。

只是，涉足社会诚信领域，要重视公正性问题，牢记监管箴言，“征信业务活动应充分体现社会的公平正义，确保政治上的正确性，……不能当作把人分为不同阶层、不同群体的工具”，在此基础上，不妨大胆创新、积极探索。

最后，说一说前景。无论是欺诈风险还是社会诚信领域，市场空间是足够的，在信息保护做到位的基础上，大数据公司不愁活不下去，但活得如何，依旧是各凭本事。在任何一个行业，分化都是永恒的。

作者：薛洪言，苏宁金融研究院互联网金融中心主任 来源于：洪言微语

作者：blockchain

链接：https://zhihu/question/35848408/answer/122550168

来源：知乎

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

区块链确实非常适合与征信结合，甚至可能从根本上改变我们对信用的理解。

一、传统征信

首先让我们看看传统征信模型是怎样的：

先看下美国FICO怎么给个人信用打分？

信用得分取决于五个维度：

1、信用偿还历史；

2、信用账户数；

3、使用信用卡年限；

4、使用的信用类型；

5、新开立的信用账户。

企业征信大同小异，也是综合银行信贷信息、税收信息等不同维度的数据。凡是这种基于模型的大数据信用都反映了一个问题，即信用的可靠程度取决于模型的可靠程度，信用不是一种直接的数据，而是一种间接的数据。

二、区块链征信

如果是区块链上的征信呢？很可能只基于直接的数据本身，即交易数据，而不需要综合不同维度的信息。为何？因为区块链的交易带有时间箭头，重复消费的边际成本不再等于零，而是正比于币天销毁。

币天销毁（Coin Days Destroyed）是区块链的一个非常重要的概念，顾名思义，币天销毁等于每笔交易的金额（币）乘以这笔交易距上一次交易所积累的时间（天），比如用户花了一笔100天以前收到的10数字货币，这笔交易的币天销毁就是1000币天。

将币天销毁作为区块链交易的信用评价权重因子，既可防止刷客在两个账户之间反复转账以刷信用，又可以防止差评师进行大量小额交易以恶意差评。这是因为在一次交易中，销毁的币天越多，则信用评价的权重越高。当刷客试图给用两个账户反复交易而刷好评时，第一次交易的评价是有效的，但历史上累积的币天在交易完成之时便已销毁，当进行第二笔交易时，由于发生在第一次交易后不久，币天积累非常之小，相应地，对信用评价的贡献微乎其微，其后所有交易的币天销毁之和同样也非常之小，用户利用同一笔钱反复给自己刷好评，不管进行多少次，其最终效果与第一笔交易所带来的信用评价几乎一样。同样，将差评师试图通过大量小额交易对用户以恶意差评时，由于信用评价正比于币天销毁，由于交易的额度太小，同样也几乎不能对用户的信用造成影响。

三、传统信用评价模型（累加模型）

累加模型系指在原有的信用积分基础上直接进行加减，其模型表示如下：

<img src="https://pic4.zhimg/50/4cf1620979ecaed661c4090e52f8c4af_hd.jpg" data-rawwidth="103" data-rawheight="80" class="content_image" width="103">

其中：Rn、Rn-1分别表示区块链用户截止到第n、n-1次交易之后所获得的信用得分，<img src="https://pic1.zhimg/50/6bc9f5d79f4bd210b0371095802ae5d2_hd.jpg" data-rawwidth="83" data-rawheight="27" class="content_image" width="83">

表示{差评，中评，好评}，即当获得“差评”时在原来信用积分的基础上加上“-1”分，当用户获得中评是就在原来信用积分的基础上加“0”分，当用户获得好评时在原来信用积分的基础上加“+1”分。此评价模型能够较直观的呈现出交易者的信用积分并且操作起来也较为方便简单，在一定范围内为交易双方提供了信用参考。但是由于没有考虑到交易金额大小，导致用户刷信用行为泛滥，同时由于没有考虑区块链时间戳等其他因素，使得交易的边际成本接近于零，刷客可以在短时间内制造大量虚假交易，使得诚实交易者不能在一个公平的交易环境中竞争。由于刷信用、刷差评这两种行为模式的普遍存在，此模型很难反映区块链交易者的真实信用值。

四、基于币天销毁的权值模型

权值模型系指用用户所得的信用评价得分乘以该次交易的币天销毁再获得用户的最后信用值，其模型如下：

<img src="https://pic2.zhimg/50/e4448ad974b7ef3a25b72f702a934946_hd.jpg" data-rawwidth="182" data-rawheight="176" class="content_image" width="182">

Rn代表用户的信用值得分，Ri为第i次交易时用户所得的信用值，Wi为第i次交易时的币天销毁，Ci为第i次交易时的金额，Di为第i次交易距离上一次交易所积累的时间。

在个人征信市场逐渐规范的同时，企业征信市场的整顿也已开启。北京商报记者注意到，近期，多家企业征信机构被注销，与此同时，外资企业征信机构进入国内市场的步伐加快。在分析人士看来，企业征信行业正迎来洗牌阶段。

近日，央行北京营业管理部公告消息，将益博睿征信(北京)有限公司(以下简称“益博睿征信”)的有关情况进行公示。这意味着，益博睿或将成为第二家获得企业征信备案的外资机构。

早在2017年7月初，央行上海总部公布《关于对上海华夏邓白氏商业信息咨询有限公司企业征信机构备案的公示》，美资公司邓白氏持有51%股份，被视为外资进入中国征信行业的标志。

北京商报记者关注到，国内企业征信机构也开启整顿，今年6月22日，因四川川蜀通企业征信有限公司主动申请退出企业征信业务经营备案，央行决定注销该公司企业征信业务经营备案。事实上，从2016年下半年开始，多家企业征信机构备案被注销。据记者不完全统计，2016年有4家企业征信机构备案被注销，2017年为1家，2018年以来已有7家企业征信机构备案被注销。从注销原因来看，2016年、2017年多为“连续6个月以上未实质开展征信相关业务”，2018年多为“业务申请主动提整”。

据悉，央行各分支机构开展的企业征信机构备案工作开始于2014年，目前存续的备案企业征信机构共有100多家。部分机构因业务调整，主动申请退出，部分机构则是被央行注销征信备案。

“优胜劣汰，把国内不合规的剔除出去，引入优秀的境外机构，是明智之举。”苏宁金融研究院研究员何广峰表示，从大方向看，是中国金融业加大对外开放的举措之一，与今年4月易纲行长在博鳌亚洲论坛上宣布中国将扩大金融业对外开放，提升国际竞争力这一思想是相一致的。此外，行业的发展一定需要高水平的竞争，在美国，征信市场经历上百年的探索发展，产业链十分成熟完整，已经形成了个人征信市场Experian(益百利)、Equifax(艾可飞)、Trans Union(环联)三足鼎立(市场份额占比70%)及企业征信市场Dun&Bradstreet(邓白氏)一家独大(市场份额占比90%)的局面。这几家大机构征信经验丰富、数据分析能力强，引入我国，对提升我国征信业的整体水平大有帮助，将大大提升我国征信体系的完备和实用性。

何广峰表示，此次引入境外征信机构，也是希望引入境外的征信经验，更好地做好境内市场，让征信变得更有价值，更能为企业和金融机构等服务。从美国、日本经验来看，其企业征信规模占GDP比重平均约0.0088%，而我国占比仅为0.0039%。 因此，相较美国水平，我国征信市场规模差距明显，未来提升空间巨大。

>

近日，央行网站公示了百行征信（即信联）经营个人征信业务的许可信息，从放出信息到正式获牌，前后不足半年时间，相比芝麻信用、腾讯征信等8家机构，2014年内测上线、2015年获准试点、2017年4月被告知暂时未达要求，信联牌照批复的效率之高，令人叹服。

前有网联切断支付机构银行直连，后有信联收编个人征信试点机构，无论是清算还是征信，作为行业性的基础设施，看来最终也只有全行业参与这条路可供选择。目前看，向社会机构开放个人征信牌照这事，算是尘埃落定了。

网联的成立之于支付行业，属于重大变革，已经在改变着行业格局；信联的成立之于征信行业也是重大变革，又会带来怎样的影响呢？换句话说，信联来了，芝麻信用、腾讯征信等其他大数据征信机构还有活路吗？

为何是信联？

2017年4月，在“个人信息保护与征信管理”国际研讨会上，征信管理局局长万存知明确表示：

“八家进行个人征信开业准备的机构，目前没有一家合格，在达不到监管标准情况下不能把牌照发出去”。

8家机构暂时不具备资格，才有了信联的诞生。

在征信领域，只有信息充分共享，才有效率。人民银行征信中心副主任王晓蕾曾指出，“征信系统要强调两个原则，第一是互惠原则，第二是全面共享原则”，基于银行借贷信息建立起来的个人征信中心，其初衷便是建立一个“放贷人之间的信息共享数据库”，原则上由放贷人上传所有借贷人的真实信用信息，共享的基础上实现互惠。

2015年1月5日，央行发布《关于做好个人征信业务准备工作的通知》，要求8家机构做好个人征信业务的准备工作，本质上，也是希望通过引入社会化机构，建立起覆盖互联网机构的金融信息和商业信息共享的平台。

央行副行长潘功胜曾于2015年5月表示：

“除金融领域之外的商业信用信息数量已经成为另一类重要的信用信息来源，在中国征信体系建设中，应充分认识这一趋势，鼓励此类信息通过共享、核查等方式，在依法前提下对外应用，帮助一些没有金融信用信息的信息主体开展信用活动，进入正规金融体系”。

在此基础上，实现央行征信与社会化征信机构的互补发展，共同推动征信体系的进一步完善。而从试点过程来看，社会化征信机构在信息共享与互惠上，却遭遇到了瓶颈，并衍生出一些问题。

首先，共享做的不好，信息孤岛广泛存在。央行征信中心的成功，在于所有受认可的放贷机构需强制上传信息，这样才能建立起统一的共享数据库。而对试点机构而言，缺乏这样的行政权力，只能做到谁使用谁上传，且使用多少上传多少。举个简单的例子，假设1个月内，全部互联网金融机构发生信贷记录1万笔，但只有100笔使用了试点机构征信产品，结果便是只有100笔记录进入到试点机构的数据库，1%的覆盖率，难言做到了充分共享。

信贷信息覆盖率低，商业信息的跨主体共享就更难了。举例来说，腾讯的社交信息不会共享给阿里的芝麻信用，同样，阿里的电商数据也不会向腾讯的征信产品开放。虽然一些机构通过引入不可逆加密技术试图从技术上解决共享问题，但效果非常有限。从结果上看，便是信息孤岛广泛存在，这与建立社会化征信机构的初衷相违背。

其次，不能通过共享的方式获得数据，催生了数据的非法采集、过度采集和非法交易问题。数据的多寡是征信系统的核心竞争力，既然做不到自愿基础上的共享，那么只好“主动”采集。在数据的源头，既有各类APP和网站正大光明地搜集留存用户信息，更有黑客拖库、木马钓鱼、内鬼泄露等黑产人士登场，这些来源不一的数据，层层转手，流入到各类机构手中，被用于从欺诈到风控的方方面面，成为完整的产业链条。

用户一直处于“裸奔”状态，成为虚拟世界中一个个的“透明人”，骚扰电话、网站广告、暴力催收等成为了屡见不鲜的事件，加剧了个人信息保护的问题。

最后，当数据的获取“各凭本事”时，信息共享更加遥遥无期。不难理解，数据“采集”的过程越曲折、复杂，共享的意愿就越低，反过来进一步加剧信息孤岛和非法采集的问题。

从结果上看，8家机构各自为政难以实现信息的充分共享，信联的诞生也就顺理成章了。

信联的模式、边界与使命

十八届三中全会提出要“建立健全社会征信体系，褒扬诚信，惩戒失信”，国务院也发布了《社会信用体系建设规划纲要（2014-2020年）》，将社会信用体系建设上升到国家战略。个人征信作为社会信用体系建设的重要组成部分，不容有失。信联集各家之所长，又较好地弥补了各自为战的缺点，自然会被寄予厚望。

定位：守住信贷征信边界

据公开信息，信联的数据来源于“200多家网贷公司、8000多家县域的小贷公司、消费金融公司等”，聚焦于互联网信贷数据，与侧重传统银行的央行征信中心形成差异化互补。由于并未接入社交、电商等商业化数据，信联的定位仍然是信贷征信。

数据采集模式：互惠与共享

同为央行下辖个人征信机构，在数据采集上，应该会与央行征信中心同出一辙，即坚持互惠与全面共享原则。申请使用信联数据的互联网信贷机构，需要承担向信联报送数据的义务，全面共享，按需查询。

互联网放贷机构，苦缺乏统一的信用征信数据久矣，信联的诞生恰逢其时，是一种刚需，加上分散的股权结构能够保证其中立性和客观性，可以打消报送机构有关信息保密和安全的担忧，相关机构报送数据的积极性是不用担心的。

使命：破除政务数据孤岛

有统计显示，社会上80%以上的信息掌握在各级政府部门手里，既包括公安、学历学籍、社保、公积金、税务等正面信息，也包括司法判决等负面信息，此外，通信、水电、金融等国企巨头手中也掌握大量信息。这些信息的采集与整合，是构建社会诚信体系必不可少的一环。

很多机构都在做这件事，比如很多大数据公司、互联网机构、商业银行等都在对接政务数据，但个人征信牌照的价值在于名正言顺。由信联来做这件事，政府和央企在数据隐私和保护等方面的顾虑会低很多。

所以，破除政务数据信息孤岛，有没有可能成为信联下一步的使命呢？大概率是有的。

前景：成为巨头指日可待

征信服务的逻辑在于，接入的机构越多，数据质量越好，越能吸引潜在的机构接入，形成正向的循环。在互联网信贷征信领域，信联在可预见的未来仍缺乏有效的对手，数据的积累可以呈指数型增加，成长为巨头指日可待。

大数据公司的出路与前景

“待到秋来九月八，我花开后百花杀”。征信领域存在天然的规模效应，强者恒强，信联一出，在牌照加持下会越来越强，信联越强，其他机构越弱，不难预见，其他大数据公司在信贷征信领域的野心基本可以歇一歇了。

央行副行长潘功胜曾谈到，“无所不包的全面征信只是一个理想状态，而差异化发展的道路却是征信业发展的一种常态”，其他大数据公司的出路便在差异化上。

一方面，弱化信用风险，重点布局欺诈风险。从接入的数据看，信联的业务边界很清楚，集中于信用风险评估，欺诈风险基本空了出来。而欺诈风险有着不亚于信用风险的市场空间，比如消费金融领域的骗贷欺诈、支付领域的账户盗用、促销领域的羊毛党、营销领域的流量欺诈等等。

相比信用风险，欺诈风险可以存在于业务流程的每一个环节，对数据的需求多多益善，恰恰是大数据公司的强项。社交数据、电商数据等商业信息，在信用风险评估上的有效性存在很大争议，但在欺诈风险防范上，效果则是有目共睹，便是这个逻辑。

另一方面，加大在社会诚信领域布局。《社会信用体系建设规划纲要（2014-2020年）》曾指出了当前社会信用体系建设中存在的一些问题，如“重特大生产安全事故、食品药品安全事件时有发生，商业欺诈、制假售假、偷逃骗税、虚报冒领、学术不端”等，这些问题的缓解，需要社会各方力量共同参与，大数据公司有望在其中发挥重要作用。

以美国征信机构为例，其业务早已不局限于金融行业，通过向政府、教育、医疗、保险、电信等行业提供市场营销、决策分析、人力资源、商业信息平台等信用衍生服务，营收占比已经超过50%。

只是，涉足社会诚信领域，要重视公正性问题，牢记监管箴言，“征信业务活动应充分体现社会的公平正义，确保政治上的正确性，……不能当作把人分为不同阶层、不同群体的工具”，在此基础上，不妨大胆创新、积极探索。

最后，说一说前景。无论是欺诈风险还是社会诚信领域，市场空间是足够的，在信息保护做到位的基础上，大数据公司不愁活不下去，但活得如何，依旧是各凭本事。在任何一个行业，分化都是永恒的。

作者：薛洪言，苏宁金融研究院互联网金融中心主任 来源于：洪言微语