作者：紐可晴

來(lái)源：泓策投研手札（ID：FinanceBao）

鄧白氏（Duns&Bradstreet）坐落在美國新澤西州，是鄧氏公司和白氏公司于1933年合并成立的。目前，鄧白氏在美國商業(yè)信用市場(chǎng)處于壟斷地位，也是國際商業(yè)信息服務(wù)巨頭。該公司向商業(yè)機構提供公司信用歷史記錄、B2B銷(xiāo)售和市場(chǎng)數據、交易對手風(fēng)險信息、供應鏈、銷(xiāo)售機會(huì )評分和機構身份匹配等服務(wù)。

鄧白氏有橫跨全球200多個(gè)國家的超過(guò)2.35億家公司的數據，通過(guò)不同的渠道采集數據，包括公共記錄、交易記錄、電話(huà)供應商、電話(huà)采訪(fǎng)、印刷品、數據和商業(yè)公開(kāi)資料等。

鄧白氏的數據來(lái)源

根據鄧白氏2016年度財務(wù)報告，鄧白氏2016年營(yíng)業(yè)收入17.04億美元，同比增長(cháng)4.07%；營(yíng)業(yè)利潤3.81億美元，同比增長(cháng)3.25%。鄧白氏在全球有雇員4800名，一半以上在北美，其余的分布在全球各地。鄧白氏的業(yè)務(wù)從地區上可以分為兩大部分：美洲收入占比83.12%；國際市場(chǎng)收入占比16.88%。從產(chǎn)品來(lái)說(shuō)，鄧白氏風(fēng)險管理解決方案占比59.39%，銷(xiāo)售和市場(chǎng)營(yíng)銷(xiāo)解決方案占比40.61%，供應管理解決方案在2016年幾乎可以忽略不計。

a．核心競爭

鄧白氏的經(jīng)營(yíng)理念可用一個(gè)公式表達：

鄧白氏商業(yè)數據+預測性分析=信心十足的商業(yè)決策

①鄧白氏商業(yè)數據

鄧白氏商業(yè)數據包含超過(guò)2億家商業(yè)機構的信息，數據覆蓋全球200多個(gè)國家和地區。鄧白氏具有卓越的數據處理、維護及預測分析能力，在信息快速更新的現代商業(yè)環(huán)境中，能持續有效地為企業(yè)提供及時(shí)、可靠、有價(jià)值的商業(yè)信息。目前鄧白氏已擁有信息類(lèi)型豐富、極具商業(yè)應用價(jià)值的企業(yè)數據，并通過(guò)專(zhuān)業(yè)的鄧白氏預測性分析體系，推動(dòng)高質(zhì)量決策，幫助企業(yè)更好地防范風(fēng)險、突破發(fā)展。

②專(zhuān)業(yè)的鄧白氏預測性分析體系

在充滿(mǎn)競爭和不確定性的商業(yè)市場(chǎng)上，企業(yè)需要可靠、具有預測性的市場(chǎng)分析工具，幫助他們發(fā)掘并把握增長(cháng)契機。對此，鄧白氏引入權威專(zhuān)業(yè)的鄧白氏預測性分析體系（D&BPredictiveAnalytics?），借助強大的分析工具透視數據，生成預測指標、趨勢與行業(yè)基準，幫助企業(yè)理解現狀并預測未來(lái)，有效滿(mǎn)足企業(yè)透視分析數據的需求，幫助企業(yè)更好地防范風(fēng)險、突破發(fā)展。

③商業(yè)決策

鄧白氏商業(yè)數據的準確、及時(shí)、有效與鄧白氏預測性分析體系的專(zhuān)業(yè)和權威相結合，幫助用戶(hù)有步驟地制定信心十足的商業(yè)決策。

b．商業(yè)模式

鄧白氏將商業(yè)數據轉化為有價(jià)值的信息和產(chǎn)品，奠定了鄧白氏全球解決方案的基石，客戶(hù)依賴(lài)于此做出重要的商業(yè)決策。鄧白氏提供的產(chǎn)品可分為：數據報告類(lèi)產(chǎn)品、分析預測類(lèi)產(chǎn)品和個(gè)性化解決方案3類(lèi)。產(chǎn)品及服務(wù)的應用領(lǐng)域涉及信用和風(fēng)險管理（金融解決方案）、供應鏈風(fēng)險服務(wù)（運營(yíng)解決方案）和銷(xiāo)售與市場(chǎng)營(yíng)銷(xiāo)解決方案。

信用和風(fēng)險管理服務(wù)主要是測量風(fēng)險、設定信用/貸款條款、保護現金的流動(dòng)、提供商業(yè)信用報告，以及鄧白氏的風(fēng)險預測評分和在線(xiàn)風(fēng)險管理工具，旨在幫助企業(yè)降低信用風(fēng)險，增加現金流，同時(shí)提高盈利能力。

供應鏈風(fēng)險服務(wù)是為消費者帶來(lái)有價(jià)值的產(chǎn)品、服務(wù)以及信息的，從源頭供應商到最終消費者的集成業(yè)務(wù)流程。鄧白氏整合供應鏈商和企業(yè)間的信息，最終實(shí)現信息共享，并提供風(fēng)險解決方案。

銷(xiāo)售與市場(chǎng)營(yíng)銷(xiāo)解決方案幫助客戶(hù)規劃商業(yè)愿景，建立市場(chǎng)營(yíng)銷(xiāo)名單，辨識市場(chǎng)機會(huì )，從而幫助客戶(hù)得到高質(zhì)量的潛在客戶(hù)、聯(lián)系信息和展望名單，最終幫助客戶(hù)從新舊顧客中增加收入。

鄧白氏產(chǎn)品服務(wù)體系

02

a.基本情況

環(huán)聯(lián)是僅次于益博瑞和艾奎法克斯的美國第三大個(gè)人征信機構，主要為客戶(hù)提供信用信息和信息管理服務(wù)，總部位于芝加哥，成立于1968年。

環(huán)聯(lián)的服務(wù)對象可以分為企業(yè)客戶(hù)和個(gè)人消費者客戶(hù)。企業(yè)客戶(hù)約65,000個(gè)，主要包括金融服務(wù)業(yè)、保險、健康護理和其他領(lǐng)域的行業(yè)客戶(hù)。個(gè)人消費者客戶(hù)超過(guò)3,500萬(wàn)，環(huán)聯(lián)主要為個(gè)人消費者客戶(hù)提供信用管理和個(gè)人信息保護服務(wù)。目前，環(huán)聯(lián)擁有個(gè)人消費者檔案10億份，包括美國現有3.15億人口中85%以上的人口信息、國際業(yè)務(wù)中的個(gè)人信息和一些已經(jīng)去世的消費者信息。作為以數據位核心資產(chǎn)的征信機構，經(jīng)過(guò)多年的積累，環(huán)聯(lián)目前已經(jīng)擁有90,000個(gè)數據來(lái)源和超過(guò)30PB（PB，千萬(wàn)億字節）的數據，在美國50個(gè)州的主要城市擁有250個(gè)區域性的個(gè)人征信局。

環(huán)聯(lián)積極拓展海外業(yè)務(wù)，截至2014年底，個(gè)人征信服務(wù)遍及33個(gè)國家，主要包括北美、非洲、拉美和亞洲。環(huán)聯(lián)對外稱(chēng)其是美國最大的風(fēng)險和信息方案的提供商，既擁有全國的消費信用數據，也擁有綜合多樣化的公用數據。

b.商業(yè)模式

根據服務(wù)對象不同，環(huán)聯(lián)的信用服務(wù)可以分為面向65,000個(gè)機構用戶(hù)的機構（企業(yè)）信用服務(wù)和面向3,500萬(wàn)個(gè)人消費者的個(gè)人信用服務(wù)。針對機構用戶(hù)的信用服務(wù)，內容包括：基本信用信息、市場(chǎng)營(yíng)銷(xiāo)和決策分析。針對個(gè)人消費者的信用服務(wù)，內容主要包括給消費者提供信用信息和信用管理服務(wù)。

面向機構用戶(hù)的信用服務(wù)是環(huán)聯(lián)的主體服務(wù)內容。環(huán)聯(lián)的機構用戶(hù)覆蓋債務(wù)催收、金融服務(wù)、保險、物業(yè)管理和醫療服務(wù)等行業(yè)。面向機構用戶(hù)的信用服務(wù)按照服務(wù)目的的不同，包括基本信用信息服務(wù)、市場(chǎng)營(yíng)銷(xiāo)服務(wù)和決策分析服務(wù)，其中，基本信用信息服務(wù)是環(huán)聯(lián)最主要的業(yè)務(wù)。

① 基本信用信息服務(wù)（環(huán)聯(lián)征信商業(yè)模式的基石）

環(huán)聯(lián)的基本信用信息服務(wù)都是通過(guò)互聯(lián)網(wǎng)在線(xiàn)的方式提供給機構用戶(hù)。具體包括三項服務(wù)：一是基于消費者的信用記錄和公共記錄，環(huán)聯(lián)向符合環(huán)聯(lián)服務(wù)標準的商業(yè)機構提供信用報告和預測評分，幫助這些機構評價(jià)潛在客戶(hù)（希望獲得信用貸款和保險服務(wù)的個(gè)人消費者）的風(fēng)險；二是在線(xiàn)信用報告服務(wù)可以通過(guò)接口將商業(yè)機構和公共記錄數據庫連接起來(lái)，提供查詢(xún)特定消費者或資產(chǎn)信息，或者調查消費者、機構和地理位置三者之間關(guān)系的服務(wù)；此外，環(huán)聯(lián)還在機構客戶(hù)開(kāi)展新業(yè)務(wù)時(shí)幫助其進(jìn)行防欺詐管理和個(gè)人身份驗證。環(huán)聯(lián)的信用報告、信用特征指標和信用評分都可以為具體的行業(yè)需求量體裁衣，這些產(chǎn)品構成了環(huán)聯(lián)在線(xiàn)信息服務(wù)的基礎。

② 市場(chǎng)營(yíng)銷(xiāo)服務(wù)

環(huán)聯(lián)提供的市場(chǎng)營(yíng)銷(xiāo)服務(wù)幫助這些機構用戶(hù)主動(dòng)獲取新客戶(hù)、向現有客戶(hù)進(jìn)行交叉銷(xiāo)售、監控和管理消費者的賬戶(hù)組合，最終進(jìn)行綜合分析。

環(huán)聯(lián)市場(chǎng)營(yíng)銷(xiāo)服務(wù)內容

環(huán)聯(lián)通過(guò)郵件、網(wǎng)絡(luò )和移動(dòng)設備幫助商業(yè)機構用戶(hù)開(kāi)發(fā)生成面向未來(lái)的市場(chǎng)營(yíng)銷(xiāo)客戶(hù)清單，商業(yè)機構可以利用數據庫聯(lián)系個(gè)人消費者，進(jìn)行拓展信用貸款和保險相關(guān)服務(wù)的營(yíng)銷(xiāo)。

環(huán)聯(lián)提供賬戶(hù)組合的審查服務(wù)，定期審查客戶(hù)的現有賬戶(hù)，幫助機構客戶(hù)對現有客戶(hù)進(jìn)行交叉銷(xiāo)售、監控和管理現有消費者賬戶(hù)組合中的風(fēng)險。環(huán)聯(lián)還提供觸發(fā)器服務(wù)，將每日消費者信用特征變化通知給商業(yè)機構。

③ 決策分析服務(wù)：環(huán)聯(lián)的深層次信息服務(wù)

環(huán)聯(lián)的決策分析服務(wù)，也稱(chēng)軟件即服務(wù)（SoftwareasaService，簡(jiǎn)稱(chēng)SaaS），包括一系列在客戶(hù)互動(dòng)過(guò)程中，幫助企業(yè)解釋數據和預測模型結果，并根據機構制定的特定客戶(hù)服務(wù)標準進(jìn)行自動(dòng)化決策。

征信機構利用所擁有的消費者相關(guān)信息，開(kāi)發(fā)出決策引擎，幫助商業(yè)機構用戶(hù)做出決策來(lái)評價(jià)商業(yè)風(fēng)險和機會(huì )，具體包括新客戶(hù)信用卡、貸款和保險申請，以及貸款定價(jià)、身份驗證、賬戶(hù)催收、病患就醫申請和公寓租賃等請求，有助于商業(yè)機構客戶(hù)提供決策效率。

個(gè)人信用服務(wù)是環(huán)聯(lián)征信服務(wù)新的增長(cháng)點(diǎn)。環(huán)聯(lián)的消費者信用服務(wù)分為兩種：直接服務(wù)方式，即直接面向消費者服務(wù)，以及間接服務(wù)方式，即通過(guò)企業(yè)合作伙伴作為代理商間接向消費者提供服務(wù)。

直接服務(wù)方式：環(huán)聯(lián)的直接服務(wù)方式大多以在線(xiàn)或手機應用訂閱為主。產(chǎn)品包括信用報告、信用評分、信用信息變更提示、債務(wù)分析、身份保護服務(wù)、保險評分和限制第三方獲得環(huán)聯(lián)信用報告服務(wù)等。

間接服務(wù)方式：環(huán)聯(lián)向商業(yè)合作伙伴提供服務(wù)，這些商業(yè)機構將環(huán)聯(lián)的產(chǎn)品與自身的服務(wù)加以整合再向消費者銷(xiāo)售。該領(lǐng)域的企業(yè)包括從事金融服務(wù)、零售管理、身份識別和保險等。

此外，環(huán)聯(lián)近年來(lái)還將一些基礎的信用產(chǎn)品和信用服務(wù)（信用評分、簡(jiǎn)版信用報告和信用監測）以批發(fā)價(jià)的形式出售給互聯(lián)網(wǎng)公司CreditKarma，CreditKarma成為環(huán)聯(lián)的消費者信息服務(wù)代理商。CreditKarma再通過(guò)公司網(wǎng)站向個(gè)人消費者提供免費的信用報告等信用信息服務(wù)，其主要收入來(lái)源則是從消費性金融機構廣告和信貸產(chǎn)品推薦中獲得。

新興互聯(lián)網(wǎng)征信機構——澤斯塔

a.基本情況

澤斯塔（ZestFinance），美國金融科技公司，創(chuàng )立于2010年，主要要做的是將機器學(xué)習與大數據分析融合起來(lái)，提供更加精準的信用評分。澤斯塔的研發(fā)團隊主要由數學(xué)家和計算機科學(xué)家組成，前期的業(yè)務(wù)主要通過(guò)ZestCash平臺提供放貸服務(wù)，后來(lái)專(zhuān)注于提供信用評估服務(wù)，旨在利用大數據技術(shù)重塑審貸過(guò)程，為難以獲得傳統金融服務(wù)的個(gè)人創(chuàng )造可用的信用，降低他們的信用成本。本報告著(zhù)重研究其提供的信用評估服務(wù)。

b.商業(yè)理念

①為弱勢群體制造信用的普惠金融思想

澤斯塔認為，它的使命是為每一個(gè)人創(chuàng )造公平而且透明的信用信息。澤斯塔最初的服務(wù)對象是只能使用高利貸的人群(稱(chēng)為借貸日貸款人群)，通過(guò)大數據挖掘出他們的信用信息，幫助他們享受正常的金融服務(wù)。澤斯塔假定每一個(gè)消費者都是“好”人，希望通過(guò)搜集證據，證明信貸信息不完整人群的真正的信用狀況，進(jìn)而幫助他們實(shí)現享受正常金融服務(wù)的權利。

②非傳統征信視角看信用

個(gè)人征信的目的是通過(guò)搜集數據來(lái)挖掘出消費者已有和潛在的信用信息，數據和具體的技術(shù)只是征信的手段和工具。消費者的信用狀況與其信貸記錄聯(lián)系最緊密，是強相關(guān)的，所以傳統征信是從消費者的信貸記錄挖掘其信用狀況。但是消費者的信用狀況與其信貸記錄并非是一一映射的關(guān)系。消費者的信用狀況還會(huì )與消費者的其他信息和行為有聯(lián)系，盡管這種聯(lián)系可能較弱。

下圖展示了澤斯塔公司的大數據征信的視角。與傳統征信相同，大數據征信對消費者的信用評估也是基于兩個(gè)基本面的信息:消費者的還款能力和消費者的還款意愿。所不同的是，傳統征信中，數據依賴(lài)于銀行信貸數據，而大數據征信的數據不僅僅包括傳統的信貸數據，同時(shí)也包括了與消費者還款能力、還款意愿相關(guān)的一些描述性風(fēng)險特征，這些相關(guān)性描述風(fēng)險特征的抽取與篩選是澤斯塔的技術(shù)核心。相比于傳統征信數據的強相關(guān)性，這些大數據征信的數據與消費者的信用狀況相關(guān)性較弱，澤斯塔就利用大數據技術(shù)搜集更多的數據維度來(lái)加強這些弱相關(guān)數據的描述能力。這樣就使大數據征信不依賴(lài)于傳統信貸數據，可以對傳統征信無(wú)法服務(wù)的人群進(jìn)行征信，實(shí)現對整個(gè)消費者人群的覆蓋。

傳統征信視角和澤斯塔的大數據征信視角

③優(yōu)于銀行的大數據挖掘技術(shù)

澤斯塔的優(yōu)勢在于其強大的數據挖掘能力，能開(kāi)發(fā)出新穎的信用評估模型，從大數據中挖掘出更多不易被發(fā)現的消費者信用信息。盡管澤斯塔公司自運營(yíng)以來(lái)取得了不錯的業(yè)績(jì)，但Merill先生還是具有專(zhuān)業(yè)學(xué)術(shù)人士特有的謙遜嚴謹的風(fēng)格，他闡述了一些澤斯塔的發(fā)展弱勢，即公司規模還比較小，目前直接服務(wù)的人群只有10萬(wàn)人左右;不擁有銀行豐富的個(gè)人消費者數據，但其本身所有數據卻可以被銀行通過(guò)正常手段和渠道獲得。

④對于大數據的理解和應用

不同的應用對大數據有著(zhù)不同的理解，目前對大數據沒(méi)有一個(gè)統一的概念。Merill先生認為“數據多”并不是“大數據”，能夠利用IT先進(jìn)技術(shù)將碎片化的信息整合起來(lái)才能形成真正有用的大數據。這種對大數據的理解特別適用于征信業(yè)，因為征信的基本過(guò)程也是將分散于不同信貸機構看似用處不大的局部信息整合成為可以完整描述消費者信用狀況的全局信息。

值得指出的是，澤斯塔雖然利用大數據技術(shù)進(jìn)行征信，但是主要利用的還是結構化的大數據，對于復雜的大數據類(lèi)型例如文本數據和社交網(wǎng)絡(luò )數據利用得比較少，主要原因是由于這些復雜的大數據和澤斯塔所服務(wù)的消費者的信用風(fēng)險相關(guān)性太弱了。這種現象其實(shí)也被其他互聯(lián)網(wǎng)金融的征信實(shí)踐所驗證，例如最大的互聯(lián)網(wǎng)P2P公司Lendingclub最早從Facebook平臺登錄信貸市場(chǎng)，希望通過(guò)對社交網(wǎng)絡(luò )的數據進(jìn)行信貸審批，結果效果很差，難以為繼，最后只好回歸傳統的信貸手段發(fā)展。

c.數據源

澤斯塔以大數據技術(shù)為基礎采集多源數據，一方面繼承了傳統征信體系的決策變量，重視深度挖掘授信對象的信貸歷史。另一方面，將能夠影響用戶(hù)信貸水平的其他因素也考慮在內，如社交網(wǎng)絡(luò )信息、用戶(hù)申請信息等，從而實(shí)現了深度和廣度的高度融合。澤斯塔的數據來(lái)源十分豐富，依賴(lài)于結構化數據的同時(shí)也導入了大量的非結構化數據。另外，它還包括大量的非傳統數據，如借款人的房租繳納記錄、典當行記錄、網(wǎng)絡(luò )數據信息等，甚至將借款人填寫(xiě)表格時(shí)使用大小寫(xiě)的習慣、在線(xiàn)提交申請之前是否閱讀文字說(shuō)明等極邊緣的信息作為信用評價(jià)的考量因素。類(lèi)似地，非常規數據是客觀(guān)世界的傳感器，反映了借款人真實(shí)的狀態(tài)，是客戶(hù)真實(shí)的社會(huì )網(wǎng)絡(luò )的映射。只有充分考察借款人借款行為背后的線(xiàn)索及線(xiàn)索間的關(guān)聯(lián)性，才能提供深度、有效的數據分析服務(wù)，降低貸款違約率。

具體而言，澤斯塔的數據來(lái)源的多元化體現在：首先，對于澤斯塔進(jìn)行信用評估最重要的數據還是通過(guò)購買(mǎi)或者交換來(lái)自于第三方的數據，既包含銀行和信用卡數據，也包括法律記錄、搬家次數等非傳統數據。

再次是網(wǎng)絡(luò )數據，如IP地址、瀏覽器版本甚至電腦的屏幕分辨率，這些數據可以挖掘出用戶(hù)的位置信息、性格和行為特征，有利于評估信貸風(fēng)險。此外社交網(wǎng)絡(luò )數據也是大數據征信的重要數據源。

最后，直接詢(xún)問(wèn)用戶(hù)。為了證明自己的還款能力，用戶(hù)會(huì )有詳細、準確回答的激勵，另外用戶(hù)還會(huì )提交相關(guān)的公共記錄的憑證，如水電氣賬單、手機賬單等。

多維度的征信大數據可以使得澤斯塔能夠不完全依賴(lài)于傳統的征信體系，對個(gè)人消費者從不同的角度進(jìn)行描述和進(jìn)一步深入地量化信用評估。

d.評估模型

傳統信用評估模型的弊端包括：信息維度單一，導致片面的評估結果；時(shí)間上具有滯后性，不能及時(shí)反映信用在不同人群中的變化情況；覆蓋人群窄，評估作用有限等方面。

針對傳統評分模型中參考的數據變量少，存在利用變量故意刷信用的“模型套利”行為，澤斯塔重新設計了一套信用評估模型。澤斯塔參考的數據變量多達上萬(wàn)條，并采用非線(xiàn)性化的、更前沿的技術(shù)來(lái)進(jìn)行分析，從而防止“模型套利”的現象，更精準地評估消費者信用風(fēng)險。

澤斯塔的評估模型具有變量選取廣泛、評分模型更新細化速度快2個(gè)特點(diǎn)。

基于多角度學(xué)習的評分預測模型，變量選取廣泛。在其模型中，往往要用到3,500個(gè)數據項，從中提取70,000個(gè)變量，利用10個(gè)預測分析模型，如欺詐模型、身份驗證模型、預付能力模型、還款能力模型、還款意愿模型以及穩定性模型，進(jìn)行集成學(xué)習或者多角度學(xué)習，并得到最終的消費者信用評分。

澤斯塔的大數據評分模型

04

服務(wù)于垂直領(lǐng)域的專(zhuān)業(yè)征信機構

和三大個(gè)人征信機構服務(wù)于信貸等相關(guān)機構，主要采集銀行信貸類(lèi)的歷史信用，解決信貸風(fēng)險問(wèn)題不同，這些專(zhuān)業(yè)的征信機構服務(wù)于垂直領(lǐng)域的機構（用于特定的服務(wù)、特定行業(yè)的交易或面向特定的人群），搜集和整合垂直領(lǐng)域內消費者非信貸類(lèi)的歷史信用信息，從而解決該領(lǐng)域內的信用風(fēng)險問(wèn)題。這些專(zhuān)業(yè)征信機構的類(lèi)型較多，可以分為：雇用（就業(yè)）審查（背景調查）、租房審查（背景調查）、汽車(chē)和財產(chǎn)保險、銀行賬戶(hù)和支票審查、電信公共事業(yè)、零售等。

雇用審查：?jiǎn)T工雇前背景核實(shí)是指用人單位通過(guò)各種合理合法的途徑，核實(shí)入職候選人的個(gè)人履歷信息的真實(shí)性的過(guò)程，主要調查的內容包括-國內學(xué)歷、職業(yè)資格、法務(wù)信息、勞動(dòng)爭議記錄、工商注冊信息、飛行記錄、職業(yè)履歷等。它是保證招聘質(zhì)量、識別潛在雇用風(fēng)險的重要手段之一。在美國，代表公司有首優(yōu)咨詢(xún)、HireRight和Sterling。這種類(lèi)型的專(zhuān)業(yè)征信公司往往沒(méi)有征信數據庫，是一個(gè)典型的數據集成商，靠臨時(shí)整合信息，簡(jiǎn)單的數據加工完成服務(wù)。其信息來(lái)源包括：征信報告、公共記錄中的破產(chǎn)信息、地址信息、犯罪記錄、之前的雇用信息和教育背景。

租房審查：在租房之前，房東對租客的征信記錄進(jìn)行查詢(xún)，以降低在租房過(guò)程中潛在的信用風(fēng)險。美國租房審查專(zhuān)業(yè)征信機構搜集根據協(xié)議交付房租的記錄。良好的租房行為，比如按時(shí)繳納租金、愛(ài)惜房屋設施等，將有利于提高其信用評級，而租房期間的一些不良行為，比如惡意拖欠租金、破壞房屋設施等，將降低其信用評級。租房公司則根據征信記錄做出針對性措施，對面臨的信用風(fēng)險進(jìn)行管理。益博睿房租公司從房地產(chǎn)主和房產(chǎn)管理公司、電子房租支付服務(wù)和催收公司處獲得收集租房支付歷史數據，向多個(gè)家庭租房行業(yè)提供服務(wù)。艾奎法克斯也從其房租審查部門(mén)搜集正面數據，將這些信息包含在正規的信用報告中。

汽車(chē)和財產(chǎn)保險：保險是征信應用的一個(gè)重要金融場(chǎng)景，專(zhuān)業(yè)征信機構也可面向保險業(yè)提供專(zhuān)門(mén)的服務(wù)。代表性機構包括：LexisNexisClue。LexisNexisClue是信息服務(wù)公司律商聯(lián)訊（LexisNexis）的保險賠付信息庫，為保險業(yè)務(wù)流程的各個(gè)階段決策提供信息服務(wù)，而且還提供專(zhuān)門(mén)的保險信用評分，可將其理解為律商聯(lián)訊的子公司。在美國，車(chē)險和財產(chǎn)險定價(jià)環(huán)節意義重大，LexisNexisClue在車(chē)險市場(chǎng)的份額達到近99%，在房屋險方面的份額超過(guò)了95%，其數據來(lái)源于保險公司的自有數據、保險行業(yè)數據以及行業(yè)外部數據。

銀行賬戶(hù)和支票審查：即通過(guò)專(zhuān)業(yè)的征信機構對消費者的銀行賬戶(hù)和支票（包括借記卡和現金交易）審查。在美國，80%的商業(yè)銀行和信用機構使用ChexSystems來(lái)篩選申請人的支票賬戶(hù)和儲蓄賬戶(hù)。銀行賬戶(hù)和支票審查提供的服務(wù)包括自然人的身份驗證、在銀行的違規行為，如支票透支、未結算余額、存放欺詐性支票或可疑帳戶(hù)處理等。銀行根據該項服務(wù)識別客戶(hù)，可能拒絕為有負面報道的消費者開(kāi)立新的存款帳戶(hù)，降低信用風(fēng)險。

零售：征信在零售業(yè)中的應用主要是為了解決“退換貨欺詐”問(wèn)題。退換貨欺詐是指一種在利用購買(mǎi)商品之后的退貨進(jìn)行欺詐的行為。TheRetailEquation（TRE）是美國一家向零售商提供監測并報告退貨欺詐和濫用征信服務(wù)的專(zhuān)業(yè)征信機構，幫助零售商在退貨和銷(xiāo)售時(shí)點(diǎn)優(yōu)化交易選擇。TRE的解決方案提供退貨柜臺的優(yōu)化方案、建立客戶(hù)的忠誠度檔案，防止欺詐、過(guò)度退貨、減少退貨頻率，幫助零售商節省成本。TRE給零售商和消費者提供的退貨行為報告，就是消費者在商店里退貨或者換貨的交易記錄，內容包括退貨活動(dòng)的相關(guān)數據、退貨所在的商店、每次退貨的時(shí)間、日期、是否有收據以及金額。該公司每12個(gè)月給消費者提供一次免費的報告。

電信公共事業(yè)：個(gè)人/企業(yè)享受電信企業(yè)和水、電、燃氣公司等公用事業(yè)機構提供的先消費后付款的服務(wù)、每月繳納電信和水費、電費、燃氣費等公用事業(yè)費用的行為本質(zhì)上也是一種信用活動(dòng)，將這部分信息記錄在個(gè)人/企業(yè)的信用檔案中，會(huì )使更多的人/企業(yè)擁有信用記錄，更全面地反映個(gè)人/企業(yè)的信用狀況，同時(shí)也將按時(shí)交納公用事業(yè)費用的行為積累成信用財富。在美國，由國家電信和公共事業(yè)客戶(hù)交換協(xié)會(huì )搜集與電信、電視和水電煤氣等公共事業(yè)服務(wù)相關(guān)的新的連接申請，包括賬戶(hù)和支付歷史、逾期、欺詐賬戶(hù)等相關(guān)信息，每12個(gè)月提供一次免費的征信報告。

注：文章為作者獨立觀(guān)點(diǎn)，不代表資產(chǎn)界立場(chǎng)。

題圖來(lái)自 Pexels，基于 CC0 協(xié)議

本文由“泓策投研手札”投稿資產(chǎn)界，并經(jīng)資產(chǎn)界編輯發(fā)布。版權歸原作者所有，未經(jīng)授權，請勿轉載，謝謝！

原標題： 征信業(yè)深度系列三：商業(yè)模式探究國外篇