关于个人征信业务

业务界定

关于个人征信业务的界定，学界并没有形成统一的认识。《现代征信学》 认为个人征信业务就是指专业化的征信机构依法对个人的信用信息进行采集、整理、保存、加工并对外提供服务的活动，主要包括信用登记、信用调查和信用评分。这是对征信业务狭义的界定。

从征信机构的业务实践来看，除了狭义的征信业务外，个人征信机构还提供反欺诈服务、风险预警服务、信用风险管理和技术咨询及解决方案服务、信用修复、数据库营销等业务。这些业务一般都认为是征信机构的增值服务。王晓明（2015）在《征信体系构建 制度选择与发展路径》一书中提出，“金融反欺诈服务”是征信机构的业务延展，这主要是考虑到了欺诈风险和信用风险是金融授信业务所面对的两类不同的风险类型。信用风险管理主要关注借款人的偿债能力和偿债意愿，而欺诈风险的表现形态多种多样，比如身份欺诈、申请资料造假、伪造或通过黑客等手段盗用他人账户进行交易、内部员工诈骗等，属于操作风险管理的范畴，关注点更为宽泛。

从实质上来看，征信业务属于特种信息服务业，都是在获取、处理、加工数据基础上形成信息产品与增值服务。多年来，随着信息服务业的发展，许多数据服务商、IT服务商、互联网企业等都围绕信用风险、欺诈风险的防范与管理形成一系列产品与服务，因此对征信业务的传统定义难以清晰界定征信业务。杨渊（2015）在《从美国数据服务商看互联网征信业发展和监管》 一文中就探讨了美国当前存在的数据服务商与征信机构的业务边界问题，认为这两类机构的业务模式类似，所采集的信息界限模糊，而明显的差别只是由于《公平信用报告法》等征信法规的约束，数据服务商与征信机构所提供的信息产品使用目的不同，个人信息数据用于营销、反欺诈等目的并不受美国征信法规的监管。可见，征信业务的界定很大程度上取决于法规制度的约束。在欧洲等一些国家和地区，并没有专门针对个人征信制定专门的法律法规，主要通过个人数据保护方面的法规来约束征信活动，因而对征信业务也就没有法律上的明确界定。

征信是源于对信用信息共享的内生需求，并随着专业化征信机构的出现而产生了征信行业。因此，征信的本质是信用信息共享，无论是以美国为代表的联合征信模式、以欧洲为代表的公共征信模式，还是以日本为代表的同业会员制征信模式，围绕信贷交易信息共享而形成的个人信用报告业务，是不同模式下各类征信机构的核心业务。

业务流程

基于本文的上述分析，个人征信业务的核心就是对以借贷信息为主要内容的信用信息进行采集、整理、保存、加工，并对外提供个人信用报告等服务。由此，征信业务的基本流程主要包括三个主要环节：信息采集、信息处理、生成信用报告。

（1）信息采集

征信机构的信息采集包括上报式征信和调查式征信两种形式。上报式征信是征信机构通过某种形式将数据源机构组织起来，约定好上报信息的内容、格式等，数据源机构定期主动向征信机构报送信用信息；调查式征信则是征信机构主动通过人工现场调查、向数据源信息系统进行在线查询等方式获取信用信息。从国际上征信机构的实践看，上报式征信是征信机构信息采集的主流方式。无论是上报式征信还是调查式征信，在采集获取个人信息前，除了法律法规明确可以公开的信息外，征信机构都要取得信息主体本人的书面授权同意，这是国际上个人征信的普遍规则。

（2）数据处理

对来自于不同数据源的个人数据进行有效的数据处理是保证数据质量的关键环节。首先要通过身份标识代码（如我国身份证号码）或通过名址匹配等技术来确认数据主体的唯一性。二是要通过数据比对处理来确认数据的真实性。当数据出现逻辑错误和来自不同数据源的同一数据内容出现矛盾等情况时，需要与数据源进行核实或补充调查等方式来确认数据的可靠性。对于信息主体本人提交的个人信息，均需要进一步进行核实，以防止信息主体为了自身利益向征信机构提交虚假信息。三是要通过设定的数据校验规则来确认数据的完整性。若发现数据存在缺失项等不完整情况，应要求数据源补充完整，或通过合理的逻辑规则自行予以补充。此外，国际上各国的征信机构都建立了信息主体异议机制，很多征信机构还面向信息主体提供多种服务，不仅保证了信息主体的知情权、异议权等正当权益，而且也对修正信息数据错误、提高数据真实准确性起到了重要作用。

（3）生成信用报告

征信机构通过对采集的信息进行处理后，就可以生成满足不同客户需求的信用报告，是客户了解被征信人信用状况、制定商业决策的重要参考，也是征信机构业务水平和竞争能力的重要体现。

从国际上的征信业务的实践来看，个人信用报告主要分为三大类。

第一类是标准个人信用报告。这类报告仅是客观地展现被征信人的相关信用信息，不掺杂任何主观的臆断或评价信息。报告所载信息除了客观性原则外，还应该具有良好的时效性、真实准确性和完整性。

第二类是附带信用评分的个人信用报告。在个人信用报告中同时给出被征信人的信用评分。信用评分是征信机构通过对海量的个人基本属性信息和信用历史记录的挖掘分析，根据多个与个人信用状况有关的特征变量将客户分成不同类别，揭示属性特征与信用表现（特别是违约概率），建立个人评分模型，对个人的信用风险进行量化评分，来预测个人未来的信用表现。

第三类是附带授信决策建议的个人信用报告。这类报告不仅客观展现被征信人的信用信息，给出其信用评分，而且根据客户使用个人信用报告的具体场景、业务特征、市场特征等战略和产品要素，对客户的授信决策提出建议。这类报告属于高端的定制化的信用报告服务。