导读：井贤栋认为，技术变革对征信业的发展起到了非常大的促进作用。征信最早起源于消费分期，没有定量描述。进入电子化时代后，数据得到了沉淀和积累，我们开始使用数据统计模型来计算和评估信用，这极大地推动了行业快速向前发展。
联网大数据等新技术的应用，提升了征信市场活力和总体水平，而技术革命对征信业务的影响非常之大，近日，蚂蚁金服董事长井贤栋就大数据在征信中的优势发表了自己的观点。
井贤栋认为，技术变革对征信业的发展起到了非常大的促进作用。征信最早起源于消费分期，没有定量描述。进入电子化时代后，数据得到了沉淀和积累，我们开始使用数据统计模型来计算和评估信用，这极大地推动了行业快速向前发展。
在今天的互联网时代，井贤栋称，数据承载量非常大，我们可以利用数据与信用的关联度，深层次挖掘信用数据。人工智能算法模型不只是对过去的统计，也包括对未来的预测，它可以帮助我们更好地刻画客户的违约概率和信用状况。首先，依托新的技术，大数据征信人群覆盖广泛，可作为征信体系的有效补充。人民银行征信中心在征信数据方面做得非常出色，有效地解决了信用风险问题。同时，目前只有不到4亿人在央行征信系统有信用记录。我国有6.48亿网民，人群覆盖面非常广，通过对他们在互联网上留下的痕迹进行数据挖掘和分析，能够对目前的征信状况进行有效的补充。 其次，大数据征信信息广谱多维。现有征信记录主要是个人信息加信贷记录，而互联网上的行为记录非常多，我们可以用大数据的方法计算上万个变量，将更多信贷记录以外的信息纳入征信体系。结合现有身份记录和信贷记录以及生活类数据，再加上互联网数据，可以得到更多广谱的信息来刻画个人信用。
井贤栋最后称，大数据征信数据实时鲜活。大数据的两个主要特点是全量、热数据，它不再是离线的事后分析数据，而是在线实时的互动数据。如果某个人有违约行为记录，会立即被刻画进来，使当前业务的快速决策更加有效。
相关阅读：
征信系统成为互联网争夺高地
我国《电商法》草案正在制定中，电商作为第三方平台，其交易规则成为电商法的重要内容之一，这些规则引进法律的意义在于：使电商透过这些规则的实施，彻底地掌握了交易主体海量的诚信数据。
我国征信系统将有上千亿蛋糕的盘子。
大数据为征信系统功能和衍生价值链的建立与使用奠定了坚实的基础，而掌握精准大数据并具有数据分析能力的电商则成为征信系统建立、完善并充分发挥其价值的主体。
一、电商掌握交易主体的行为数据和推理数据
金融机构和行政部门的征信系统将会越来越依赖于商业平台的征信系统，这主要源于：
1、一个主体的信用和诚信体系不仅仅是由其过去的行为数据构成，还由其行为模式、惯性、偏好、基因及性格状态等需要梳理、分析和推理判断的数据构成。
2、对某些特性主体而言，其潜在的行为趋势并非能由过去的行为推导出来，其逆向性、跨越性、非规律性及难以预测性，都决定了其下一步的举动。因而，对这些特性主体的潜在诚信数据的收集、梳理、分析、推理及判断，就要与一般主体不同，其数据库分类模块及分析方法就要多很多。而对这些小众主体的大数据价值，及其特定情形下的利用就成为互联网公司争夺的高地。
二、征信系统价值高地的争夺战
1、个体诚信价值的数据化、分数化
市场化征信体系最完善的美国，掌握了海量的个人数据，再利用FICO计算模型得出结论，最后形成“信用分析报告”和“325—900分”的评分。分数越高，表示他的风险越低，那么，享受的信任优惠和利率优惠就越高。
评分指数和权重包括：教育程度、住宅情况、职业、工作年限、家庭成员状况、友好往来、付款记录、财产状况、财产抵押与诉讼记录、个人消费情况、行为偏好、履约能力、身体特质、信用历史、综合评估等。
2、征信体系市场化是发展趋势
中国目前的征信体系全部由央行掌控，显现出的问题严重性已由其自身的改革所不能完成，而这些问题又背离了征信体系的本质和作用，对社会良性运行起不到其应有的作用。这主要表现在：系统封闭、成本高、方便性差、数据严重失真、没有准确的数据分析和判断功能等等。
P2P企业的运行，最基本的和最核心的是依赖贷款主体的诚信系统，如果该诚信系统不真实、不全面、功能差而失灵，那么，P2P公司根本无法预计、防范和阻止大面积的跑路现象、而跑路和还款不能则意味着P2P的血本无归直至破产。
3、智能数据分析将走到社会各个角落
当身份证里涵盖了主人的所有数据信息，一证可以适用于各个场所、用于各种目的时，就是大数据走到了社会的各个角落之时。这一天已经并不遥远。
市场化程度越高、越深，则一个事物周边（或涉及）的信息熵InformationEntropy就越多，其不确定性也就越大，因而，准确判断所依据的数据量及其分析量也就越大。
智能数据分析体系不仅是数据库的海量，更重要的是融合数学、物理、统计学、智能学、经济学、证据理论等多个跨科学的精髓后，来使数据信息按类别、按层次、按目的和逻辑性进行智能计算和分析，从而，得出精准的判断。
依托大数据的征信体系可以深度挖掘个体的信用信息，防范潜在的信用风险，而征信体系可以在数据充分信息化的基础上实现精细化管理。
