信用卡的數字化經營時代已來臨。伴隨著金融科技浪潮的風起云涌，移動互聯、大數據、云計算、區塊鏈等新一代信息技術迅猛發展，不知不覺間已滲透至信用卡經營的方方面面。所謂數字化經營，主要體現在兩個層面：一個是普遍意義上的“數字化管理”，即利用數據統計技術對企業經營目標和行為進行量化管理，實現對經營發展各環節的客觀評價和決策驅動;另一個是更深層次的“數字化生產”，它已不僅僅局限于“指標評價”或“決策依據”的簡單定位，而是全面超越了“統計層面”，深入到“生產層面”，通過深度應用多維新興技術，對信用卡經營模式的各個環節進行“數字化”全流程改造，包括數字化產品、數字化營銷、數字化獲客、數字化風控、數字化運營等，這是信用卡數字化轉型的實質和關鍵。而數字化轉型中最為重要、也最為復雜的環節，就是數字化風控。充分利用現有條件推動“傳統審批授信模式”向“數字化風控模式”蛻變，將成為數字經濟時代下信用卡發展的核心競爭力。個人征信市場的加快開放和迅速崛起，恰恰為此提供了無限可能。

一、 時代的機遇

1. 個人征信市場洪流漸次開閘

面對國家大力推行社會信用體系建設的宏觀機遇，國內征信行業迎來巨大發展空間，個人征信業務市場加速開放，具備移動互聯基因和大數據整合優勢的第三方征信機構紛紛搶灘籌建，圍繞人民銀行征信數據庫以外的其他“信用數據”和“非信用數據”，進一步完善客戶征信畫像，成為傳統征信的重要補充，推動征信行業逐步邁入互聯網多元化發展階段。人民銀行將首張個人征信牌照發給了“百行征信”，其由中國互聯網金融協會和8家個人征信試點單位共同出資成立，保障了個人征信機構在股權層面的獨立性和征信結果的公正性。雖然創建伊始的“百行征信”在一些方面仍需進一步探究，但其最大的意義在于打破了過去個人征信市場的壟斷局面，表明了國家加快推進個人征信市場化發展的決心，也為后來者獲取個人征信牌照提供了現實借鑒，有利于營造出更加健康有序的市場環境。因此，及時把握個人征信行業革新的紅利，對于加快信用卡數字化轉型具有重要意義。

2. 個人征信數據廣度有效拓寬

個人征信市場的加快開放、大數據信息技術的飛速發展，使得個人信用數據呈現幾何式增長，為“大數據征信模式”的建立和完善提供了先決條件。過去，人民銀行征信報告是信貸審批的首要甚至是唯一依據，其數據主要來源于對傳統金融機構信貸數據的強制采集，雖然報告中也包含了部分補充信息，如其他授信機構的信貸信息、部分公用事業繳費信息、部分公開司法信息等，但受限于相關行業信息化程度較低、數據結構化程度不高，這些信息整體應用價值十分有限。而“大數據征信模式”在數據采集的廣度和深度、數據處理效能等方面更具優勢，幾乎能觸達人們日常生活的方方面面，金融行為、消費偏好、個人興趣、社交網絡、活動范圍、出行方式等數據，都在采集范圍之內，相比傳統征信報告覆蓋人群更廣，是對人民銀行征信報告的有益補充;在采得“海量”數據后，應用大數據技術對其進行清洗、分類、匹配、整合并及時更新，最終實現數據的結構化、標簽化、模型化，大大提高了個人信用評估的準確性和實效性，為信用卡“數字化風控”提供了有利條件。

3. 人工智能模型發展趨于成熟

有了市場環境和數據基礎，接下來就要看是否具備與之相匹配的數據處理和應用能力，即高效的模型工具。早期的數據應用靠的是專家經驗，在數據稀缺、工具匱乏的年代里，“拍腦袋”式的規則制定是行業通行做法。在信息技術發展初期，數據獲取能力較為有限，數據規模和數據質量得不到保障，僅可通過在有限樣本中建立較為簡單的統計模型來進行數據處理，相關算法主要包括線性回歸、邏輯回歸等，由于樣本的局限性，整個模型的預測效果受到了一定影響。在大數據時代，數據的廣度和深度得到了充分保障，數據專家可以憑借近乎全量樣本的大數據進行模型開發，人工智能、機器學習等較為先進的模型工具陸續涌現，體現出更加精準化的預測能力。比如神經網絡模型就是通過模擬人類大腦的神經網絡，形成多重變量的交互影響，并可根據結果自動調整模型參數;隨機森林模型通過隨機選擇樣本和變量生成千百個決策樹模型，進而通過集合過程確定最終結果。人工智能模型的一個主要優勢就是能夠隨著數據量的不斷積累而持續改進自身算法，進而提升準確度。這也為信用卡數字化經營能力的提升奠定了堅實基礎。

二、 面臨的挑戰

1. 非信貸數據應用效能仍顯不足

隨著個人征信市場的逐步開放，技術革新帶來了廣泛的數字化潮流，除了已被各大金融機構嫻熟應用的傳統“信貸數據”以外，使用“非信貸數據”開展信用風險評估也受到了國內信貸機構的青睞。雖然整個社會的基礎數據信息收集和共享環境有所改進，進入人們視野的“非信貸數據”種類日趨完善，但從數據標準化程度和應用場景來看，仍不足以支撐全面的大數據征信。一方面，是以水電氣為代表的基礎信息，包括社保、公積金、繳稅、住房、教育、司法等在內的其他行業數據尚未實現完全聯網，底層數據缺乏全面應用條件，如想使用需多點分別接入，且數據標準暫不統一，數據接入與清洗挖掘的工作量很大，應用場景和規?；瘧眯Ч写魑?。另一方面，各類數據掌控方之間的信息是割裂的，比如各大電商擁有海量行為數據和交易數據等，都想憑借自身獨有的數據優勢形成“閉環”，成為行業老大，致使信息孤島情況在部分數據類型上依然較為嚴重，數據共享共建存在壁壘。此外，作為社會基礎性數據的公安身份信息、學歷學籍信息等公共數據共享依然不足，仍需通過商業購買形式從行業管控者手中獲取，數據使用成本普遍較高，不利于整體社會信用體系的建設。

2. 信用評價實踐效果仍需改進

信用評分是當前市場上較為主流的信用產品形式，人民銀行征信中心、各家第三方征信機構紛紛推出了各自的個人信用評分，但評分與評分之間在數據基礎、模型算法、變量選擇、適用場景、實際應用效果等方面都存在較大差異，即使對同一個人的信用評估也存在不同結果，整體信用評價的可信賴性有待進一步探究和檢驗。信用評價模型的精度提升必須建立在大數據有效、充分抓取以及處理的基礎上，需要不斷實踐反饋和反復修正。由于應用時間較短，缺乏歷史數據參考，目前的大數據模型依然存在基于規則制定的情況，其中具有大量的傳統征信規則，是介于大數據和傳統算法的一種中間形態，未能完全體現出大數據征信的優勢。此外，大數據征信的大部分數據來源于互聯網，實際上就把較少使用或者不曾使用網絡服務的群體排除在外，如偏遠地區的人群以及年齡較大的人群等。對于上述人群的信用評價，目前還只能依賴于實地走訪盡職調查，因此基于大數據的信用評價效果和范圍仍存在較大改善空間。

3. 信息主體權益保護機制亟待健全

伴隨著個人征信市場的加速開放，對個人信息的廣泛使用已經威脅到了個人隱私和安全。一方面，市場上易存在個人信息采集不規范、處理不安全、使用無約束的問題，導致個人信息滿天飛，營銷電話、詐騙短信等騷擾愈演愈烈。另一方面，目前法律對個人信息的財產屬性尚未界定，互聯網企業和商家利用服務客戶的過程積累了大量客戶數據，在客戶不知情的情況下進行數據交易和轉讓，同樣侵害了個人財產權益。個人信息保護的邏輯應當是既有效保護個人隱私，又不過度抑制征信行業的創新，從而達到兩者的均衡，促進大數據征信實際價值的實現。大數據時代，個人數據呈現出集中化態勢，同時伴隨著對規模巨大的樣本數據的挖掘和整合，導致對個人信息數據的防護變得困難重重，隱私保護和數據安全成為制約大數據征信發展的瓶頸，必須適時建設和完善符合大數據條件下的信息安全保護機制。

三、 應對的策略

面對市場革新的機遇與挑戰，信用卡數字化風控轉型應著眼于四個關鍵詞：數據、模型、自動化、專業人才。

1. 數據驅動風控能力變革

數字化風險管理能力的背后是數據驅動風控效能的提升。新時代，信用卡業務應以全新的思路引領有質量的發展，立足全方位大數據實現信用卡風險管理前置，引領、協同前臺業務發展?；谛袃刃庞每〝祿头切庞每〝祿?、行外信貸數據和非信貸數據，全面建立“基礎數據+交易數據+行為數據”的綜合應用模式，從數據維度協助提升欺詐和違約風險識別精度，實現對優質客戶的主動定位和預授信，以扎實的數據基礎驅動智能化、數字化的風險決策管理。

在內部數據方面，商業銀行應進一步深耕手機銀行、服務App、中高端客戶、其他資產類或負債類行內客戶等自有數據，結合信用卡歷史數據形成分客群“仿真畫像”，提前匹配預授信額度，擴大白名單規模，提升自有數據運用效率。

在外部數據方面，商業銀行應優化人民銀行征信報告、公安、學歷等傳統外部數據的應用邏輯，深挖風險價值點，豐富可用數據標簽，做好數據之間的聯動響應和交叉驗證;同時，應借力外部征信市場開放，重點探究引入多頭借貸、網貸逾期、司法失信、通信運營商、位置信息、車產信息、房產信息、公積金/社保/繳稅等其他外部數據應用，多元嘗試人臉識別、設備指紋、動態個性化身份核驗等科技手段，結合科技創新打通行業內外、線上線下數據邊界，主動選擇風險可控的優質客戶，實現精準靶向營銷和數字化風控。

2. 模型迭代適配能力變革

模型應用能力是體現底層數據價值的工具和窗口，基于多元化征信數據，需加快建立健全專業化數字風險模型體系，積極引入人工智能模型等業內先進算法，實現對模型的動態監控和快速優化。當前，商業銀行的主流做法是基于傳統靜態信息建立模型，未能實現引入其他多元外部征信數據變量用于模型開發。此外，商業銀行的主要風險模型(傳統的申請評分模型、行為評分模型等)更新頻率較低，更新流程復雜，整體模型迭代更新能力亟待提升。

當前，市場瞬息萬變，模型規則的快速適配能力顯得十分重要，應重點提升信用卡自主模型建設和應用能力，完善建模工具，除現有標準化模型外，自主搭建信用卡特色風險模型，結合不同場景、不同客群構建差異化細分子模型，增加應用多維度內外部征信數據，做好建模資源共享與協同配合，進一步提升模型的區分度和排序能力;結合自身風險偏好和經營導向的適時調整，及時對模型進行動態監控和迭代更新，綜合增強信用卡風險模型的適配效果，從而實現模型迭代適配能力的提升。

3. 系統自動決策能力變革

除了數據能力和模型能力外，信用卡數字化風控的另一個先決條件是處理流程的變革，需要依托高自動化、智能化程度的系統響應，這與信用卡業務自身特點也有關系。信用卡屬于輕資本業務，戶數多、金額小、無抵押、審批快，對系統化、自動化能力要求較高，尤其在當前金融科技大發展的時代，必然需要改變過去以定性為主、更多依賴審批人個人能力和經驗判斷的傳統局面，重點完善定量風險評估模式，并在系統層面持續優化審批規則，進行客戶多維信息自動化精準采集，基于多元化征信數據應用和自動化科技支持，提升線上、線下系統自動化決策能力和效率，動態監控自動審批質量和效果，整體提升自動化、智能化處理能力。此外，應同步做好數字化經營配套升級，把握線上化遷移趨勢特點，加強成熟科技在信用卡業務中的轉化應用，綜合提升線上客戶身份識別和風險防控;著力打造數字化信用卡“秒批秒貸”，協同提升系統響應和處理時效;配合完善已有客戶信息自動采集，精簡客戶信息填寫項目，提升客戶申領體驗，加快構建信用卡大數據自動化智能決策體系。

4. 數字化專業人才隊伍建設

以某國際化信用卡公司為例，其總部約1000人的風控隊伍中，有近300名專業人員專職負責數據和模型，這是其核心競爭力所在。專業化人才的培養，尤其是數據科學家隊伍的培養，是打造數字化風控能力的核心。商業銀行要想建立信用卡數字化經營機制，必然要依托于數字化專業人才隊伍的建設和培養，加強大數據模型專業人員的資源投入和忠誠度培養。一方面，從快速落地的角度，商業銀行應集中優化人力資源配置，通過社會招聘、人才引進等方式補充新鮮血液，加快吸納數據模型專業化人才，快速擴充當前專業隊伍，高效提升專業化能力;另一方面，應同步實施存量挖潛，充分利用卡組織、專業咨詢公司、同業深入交流、外派專題學習等外腦資源，加強對存量人員的專業化培養，增強對干部人才培養的前瞻性，為信用卡數字化風控機制的高效運行奠定堅實的人才基礎。

四、 思考與建議

1. 聚焦個人信息保護立法進程

美國《華爾街日報》曾發文指出，相比于西方消費者，中國消費者對數據隱私不太關注，中國公司有更大余地去挖掘消費者的個人信息。其實不然，規范保護個人信息，是金融生態可持續發展的必然要素，是征信行業健康、穩健發展的基礎保障。Facebook就因為數據泄露事件惹上了大麻煩，之后Facebook試圖將多達15億用戶服務條款的主體變更至其美國公司，來規避歐盟于5月25日正式實施的史上最嚴個人資料保護法——《歐盟GDPR法案》。與傳統的民法、刑法不同，個人信息保護立法與全球信息通信技術的發展緊密相關，每一次技術的重大飛躍都會造成法律的不適應，從而推動立法進程。隨著大數據應用的普及，數據安全、個人信息保護在法律體系中的地位日漸凸顯，但我國尚未出臺個人信息保護的專門法規，在法律層面仍存在問題：一是法律層級低，體系不完善，在落地執行時存在適用范圍、效力層級十分有限的困境;二是缺少一部專門的個人信息保護法，關于個人信息保護的條款散落在相關法律法規中，高度分散的法律文本停留在紙面上難以落實，監管部門職責有待進一步明確，缺少常規性行政執法、處罰和保護。

2. 加強個人征信機構準入監管

隨著個人征信機構市場化開閘，監管問題也隨之而來。根據《征信業管理條例》，人民銀行通過頒發個人征信業務經營許可證對個人征信機構實施準入管理。對標國際標準，對銀行業實施審批準入制度也是國際通行的做法，由于銀行業牌照管制模式的差異，審批準入制度可以分為以美國為代表的寬松型和以英國為代表的嚴格型。在美國，聯邦政府和州政府均有權發放銀行牌照，并按照“誰發放牌照誰承擔主要監管責任”的原則實施機構準入監管，其優點是有利于行業充分發展，缺點是催生了“影子銀行體系”，加重了后續監管負擔;在英國，監管當局對經營銀行業務和接受存款的機構采取了許可審批制，并按照謹慎性原則不斷對其進行評估和考察，使得獲取銀行牌照的機構必須持續滿足《銀行法》規定的授權標準，其優點是便于監管，缺點是過于嚴格的準入制度導致市場固化，并最終凸顯出金融市場的脆弱性。參考國際經驗，建議我國在個人征信機構準入監管方面要張弛有度，既要劃定清晰的征信信息邊界，堅持獨立性、公正性和隱私保護原則，切實維護信息主體合法權益，以達到準確識別“合格者”的目的;又要找準不同的功能定位和業務類別，嚴格篩選“最優者”進入市場，最終處理好第三方征信機構與人民銀行征信中心的互補關系，建立一個種類齊全、功能互補、競爭充分的個人征信市場。

3. 強化征信機構之間的兼容共享

個人征信行業目前面臨著這樣一個窘境：政府等有公信力的機構在能力、技術和產品快速迭代方面有所欠缺，而有能力、有技術的機構卻沒有公信力。從數據角度來看，個人征信數據類型激增，傳統征信的數據來源以銀行等金融機構為主，涉及范圍較窄;大數據征信的數據來源更加廣泛，涉及網購、轉賬、支付、理財、水電氣繳費、租房租車、社交關系、客戶評價等多維數據。與此同時，傳統征信以結構化數據為主;大數據征信的數據來源廣泛、形式豐富，包含視頻、音頻、地理位置等多種非結構化數據，這些數據能夠全方位、多角度地反映消費主體的信用狀況，但數據來源差異化大，標準化程度低，共享和復用難度大。從機構角度來看，不同類型的第三方個人征信機構之間合作空間有限，比如互聯網金融公司、金融科技公司等，多以各自平臺上沉淀的非傳統信貸數據為核心競爭力，借此進行信用風險的評估和控制。在合法合規的前提下，建議各類征信機構能夠從市場共建和競合發展的角度出發，在數據共享、數據監控、標準共建、技術互通、資源互補等方面共謀發展，協力加快我國個人征信市場有序發展。