杨涛：如何加快信用信息共享步伐，完善征信体系建设？

来源：中新经纬APP

日前公布的政府工作报告指出要“加快信用信息共享步伐”，这也表明中央对于征信体系发展的高度重视。

需要看到，当前我们的征信系统建设进展令人瞩目。二代征信系统2020年正式上线运行，据统计，截至2020年12月底，征信系统共收录超11亿自然人、6092万户企业及其他组织。对比2015年末，当时只收录8.8亿自然人，企业及其他组织2120万户。同时，二代征信系统能够解决循环贷、信用卡大额专项分期、共同借款人、企业为个人担保、个人为企业担保、逾期后还款信息等一代征信无法覆盖的信息，有效应对“离婚式购房”“信用卡0账单套利”等政策套利，提高了业务可拓展性，也实现企业和个人的信用数据共享。

我们认为，要进一步推动征信体系的完善，离不开生态与模式、新技术应用等要素，同时也需关注中央与地方的多层次征信协调发展。

首先就行业生态来看，中国征信体系的完善仍然在路上。一是，虽然现代规则逐渐“补位”，但在顶层设计与法律制度方面还有所不足。可以借鉴的是，美国征信体系虽市场化运作，但行业规范与制度建设却成效显著。通过《公平信用报告法》《公平债务催收法》《金融服务现代化法》《银行保密法》《信息自由法》《金融隐私权法》等众多部法律，共同形成较全面的征信法律体系。

二是，数据与业务层面的规范性还需深入探讨。如美国征信行业监管者与协会共同制定了标准的征信数据采集格式Metro2，使得跨行业共享数据成为可能。同时，关于金融数据与非金融数据、核心征信数据与替代数据的边界，也需要进一步深入考量。世界银行把借贷信息以外的征信数据定义为替代数据，利用替代数据刻画企业和个人的信用状况，是近年来兴起的新趋势，个人和企业的身份、地址、交通、通信、债务、财产、支付、消费、生产经营等大多属于替代数据。在中国，以企业为例，相关替代数据已经有包括工商登记信息、涉税信息、用电数据、用水数据、海关数据、环保数据、用工数据奖惩数据、司法诉讼数据等。

三是在业务层面，为了推动征信运行的高效安全，离不开几方面的优化：拓宽和规范信用信息数据的采集机制、改善信用信息管理与评估评价模式、推动信用产品与服务的创新和完善。

其次，近年来人工智能、区块链、云计算、大数据等新技术快速发展和应用，对征信服务也带来深刻影响。对此也需理性看待，应该根据征信业务的痛点，选择新技术的应用。因为新技术并非是万能的，也不一定能够对现有体系带来“颠覆性”效果。同时，需重视综合技术解决方案，实现不同技术的协调配合。应该说，技术应用的真正价值，是完善原有征信体系的功能不足。例如，可以运用AI更准确地评估用户信用，AI可以查看消费者信用记录中的某些数据点，计算其即将偿还的概率，或者考虑那些过去一年基于特定原因没有还款，但是在某个数据点却偿还所有款项的人群。

此外，人民银行此前还表示会抓住战略机遇，推动地方征信平台建设，完善“全国+地方”双层发展体系。对此，地方征信平台和全国性征信系统完全可以相辅相成、统筹协调，充分发挥各自优势。可以说，目前诸多城市都在积极进行地方征信平台的改革探索，通过把握公共信用信息的归集、使用与共享，可以不断总结公共信用信息管理经验，对于完善中国社会信用体系、提高全社会诚信水平、补充央行征信服务都有重要的价值。当然，要更好地发挥“央地互补”功能，还需注意几方面的问题。一是需要进一步明确地方征信发展中的规则与边界。目前也有许多地方“一哄而上”尝试地方征信平台，然而在实践中，地方公共信用信息管理没有统一的标准，定义混乱模糊，不同部门的信息归集与公开程度不一，制定公共信用信息目录的随意性较大，也是目前存在的突出问题。二是在系统层面，是否需要、以及能否实现人民银行数据库与各地方信用数据库的对接与共享，最大限度地发挥各地多层次信用数据体系的规模效应，也值得商榷和探讨。三是要实现功能的差异与互补，真正满足不同层次需求与地方特色。例如，有的城市具有特定优势产业，包括科技、绿色、海洋、农业等等，也有的城市民间资本丰富、民营企业发达，那么其地方征信平台就应着重服务于地方优势领域，起到助推与引领作用。也有的地方经济金融发展相对落后，迫切需要补征信短板，那么则可以充分运用新技术、大数据，重点弥补现有征信系统难以覆盖的领域。

最后，值得探讨的是中国征信市场还有许多不完善的地方，存在大量非法从事征信业务、侵害信息主体权益等问题，对此监管与制度建设也需要与时俱进，规范征信市场发展。一是从体制机制上，不断完善不同层面的法律、法规、规则完善，持续优化多层次的监管协调机制；二是从监管程序上，注重梳理和完善事先、事中监督，事后惩戒与救济；三是强调征信不能滥用，尤其不能替代信用与道德判断；四是要有效甄别非法征信活动的边界，因为有的确实是“坏分子”，有的则是改革探索期、制度模糊期的有效创新尝试。前者如监管者所关注的、提供征信服务中的诸多违法违规行为，如：以欺骗、胁迫、诱导的方式；以向被采集的个人或企业收费的方式；从非法渠道采集；以其他侵害信息主体合法权益的方式。后者则需更加谨慎地分析。