📖 ZKIZ Archives

阿里切入企業誠信藍海 如何給企業的誠信“打分”？

自從去年央行首次準許8家偏互聯網性質的民營公司試水個人征信業務後，征信這個中國消費者心里的“盲區”開始被熱炒。實際上，在與免押金住酒店權益相對應的個人征信市場之外，還存在一個企業征信市場。眼下，在線貿易起家的阿里巴巴打算在征信市場兩條腿走路。

今年7月，螞蟻金服旗下芝麻信用宣布獲得由央行頒發的“企業征信業務經營備案證”，這意味著芝麻信用已經在開展針對小微公司的信用體系建設，主要圍繞小微企業信貸風控、反欺詐等進行。在這之前，人們對芝麻信用的印象更多是與支付寶上的“芝麻分”捆綁的個人征信業務。

目前，在阿里巴巴當年起家業務B2B里，也有一支主要由海歸高管新組建的模型團隊在做企業誠信建設。團隊帶頭人尹明在接受第一財經記者專訪時解釋稱，螞蟻金服的企業征信主要面向小微企業，與金融具有強相關性，而這個團隊做的是怎樣將企業的誠信進行量化，範圍更寬泛更社會化，兩者側重點不同。

國家層面現在對征信主要是兩部委在牽頭抓，一方面是人民銀行的征信中心，另一個是發改委提倡建設誠信中國。芝麻信用的個人征信業務是央行監管領域，是對央行個人征信的補充;而阿里B2B在做的更偏發改委牽線的誠信建設。

面對一個比個人征信更複雜的企業征信市場，阿里的大數據能力會保證其兩條腿協調走路嗎?

美國人怎麽玩兒征信?

在分析國內的征信市場前，有必要先看看征信最發達的美國的情況。在美國，個人征信是一個比企業征信更成熟的市場。FICO公司推出的標準化分數在美國已家喻戶曉。總部位於矽谷的FICO公司的核心技術是模型算法，它的數據來源於美國三大征信局TransUnion、Experian和Equifax。

在關系上，FICO通過三大征信局向用戶提供FICO Score評分，放貸人等分數使用者根據使用信用評分的情況向三大征信局付費，征信局同時向FICO支付相應費用。過去幾年，FICO的收入來源平均每年有16%左右來自三大征信局。但現在征信局也在開發推廣各自更垂直化場景中的信用分數，與FICO產生了競爭關系。

每個美國人都擁有一張終身唯一的社會保障卡，這個卡紀錄了從讀書、工作、租房、置業，到貸款、繳費、信用卡開戶等各種行為，而且這些場景的後臺數據庫共享，很多業務辦理前都會先查信用分。在個人征信領域，美國法律強制銀行、電信等部門定期將用戶數據匯報給征信局。美國公民在信用面前基本上是一個“誠實的透明人”。

曾在美國花旗銀行、摩根大通和通用電氣做過金融風險管理的尹明講了一個他朋友的故事。此人要出租一套位於西雅圖的住房，一位年薪20萬美元的銷售經理有意租用，但他的FICO分數不到600分;權衡之下，最後這位朋友把房子租給了一位FICO分超過700、但薪水遠低於銷售經理的橄欖球教練。結果在合同到期前，橄欖球教練因工作臨時變動要去另一個城市，但他仍按合同支付房租，並雇人定期修剪草坪，直到房東找到下一個房客。信用分數在很多場景下發揮了守門員的角色。

在個人征信市場之外，美國的企業征信市場基本是Dun&Bradstreet(鄧白氏)一家獨大的格局。企業征信這個領域又細分為資本市場信用評估和普通企業征信服務。知名的資本市場評級機構穆迪，以及美國最大的市場調查公司尼爾森，以前都出自鄧白氏集團。與美國法律強制要求銀行、電信等機構定期向征信局匯報用戶數據的個人征信領域不同，在企業征信中並沒有這種要求。

傳統機構之外，美國近些年也誕生了像ZestFinance這類靠機器學習和大數據做企業征信評分的高科技征信公司。上個月，百度對ZestFinance進行了投資。盡管領先全球，但美國征信體系也不是沒有漏洞，比如它過於關註經濟交易數據，相對忽視了企業基礎素質和合規方面的征信，這也是大數據征信可以去完善的空間。

中國的互聯網式追趕

中國的個人征信一直是央行在主導，但因為數據維度十分有限(主要是銀行數據)導致發展緩慢，才嘗試引入民間征信機構、特別是在風控技術和大數據方面有優勢的互聯網公司一起做，以阿里和騰訊為代表。相比於幾乎白紙一張的國內個人征信市場，企業征信起步更早，央行在這個領域並沒有積累優勢，讓位於市場化公司。

早在1994年，鄧白氏就進入中國，在上海設立了鄧白氏國際信息(上海)公司，兩年後又在北京設立了分公司。2005年前後，國內出現了一次外資征信機構對中資的並購潮，鄧白氏收購華夏信用，成立華夏鄧白氏;Experian並購新華信後更名益博睿新華信。可見，在阿里巴巴B2B進入之前，企業征信市場已經有人試圖占山為王。

但這個總盤子過於龐大，給技術上更先進的互聯網公司留下大片未開墾地去後來居上。以前，阿里巴巴外貿批發平臺alibaba.com只是一個信息撮合渠道，交易仍通過線下完成。但近兩年阿里B2B平臺實現轉型，更多跨境批發交易在線上完成。特別是在收購外貿綜合服務機構一達通後，通關、結匯、退稅、物流、金融等數據開始沈澱在阿里平臺上。尹明帶領的這個團隊正是從外貿場景切入到企業誠信領域。

前兩年發改委對外稱，每年因企業失信導致的損失在6000億規模。拿外貿行業為例，通過兜圈貿易拉上一批名不副實的貨物從香港轉一圈再回來，以此騙取出口退稅現象普遍。阿里B2B團隊通過後臺模型，監控這個過程中的異常點，比如外貿公司在短時間內針對同一類商品，以相同數量多次出口到就近境外地區;與該類商品的行業平均價格做比較，檢測是否存在出口價格高報現象;通過拿原材料進貨情況、企業生產能力等數據去比較出口申報量，以識別外貿生產工廠是否進行虛假貿易，騙取增值稅退稅等。

這是傳統征信方式相對較難發現的欺詐行為。實際上，互聯網公司的優勢並不僅僅在於其積累大數據的能力與數據量級，而是通過對大數據進行關聯性分析，找出背後本不會被發現的規律。另外一個優勢就是數據安全能力。此前在TransUnion幹了4年、Equifax幹了3年的風險模型開發師龔堅說，美國征信相關法律光規範如何從第三方獲取數據就有一個幾百頁的法典。中國在這方面基本上還是空白。

阿里B2B誠信建設團隊的設想是跳出外貿場景，今後覆蓋更多企業行為場景，將這種模型能力通過標準化產品變成一種SaaS層服務，對外輸出給海關、稅務、銀行等第三方機構，對企業誠信進行量化。