两个经济状况相似的人去银行贷款，他们能获得的贷款金额或相差数倍，原因可能就在于两人的征信评分相差许多。欧美国家运行多年的征信已经渗入到生活的许多角落，但对于国人来说还有点陌生，2015年年初央行才正式开启个人征信市场化的闸门。

征信是对个人消费信用进行评估，依靠记录消费者的点滴商业行为，来判断他的诚信程度。金融机构透过征信可减少欺诈损失、管理信贷风险，消费者受此约束会更加以诚待人。征信像是一位金融市场的检察官，一手主持正义，一手引导资金的流向。

FICO：60年征信“老当益壮”

谈到征信行业不得不提FICO（FICO也是宜信的战略合作伙伴），这是一家成立于1956年的老牌征信公司，占领着美国99%的信用评分市场和绝大部分发达国家的信用评分市场，美国三大征信公司和主要金融机构采用的信用计算模型都来自FICO。

FICO对用户的历史交易行为建立征信模型，通过广泛的数据分析，来预测消费者未来的行为及其风险承受能力，最终给出用户的可承受风险和可信任额度，完成一次用户征信行为。

举个例子，如果一个用户长期购买普通的生活用品，那么FICO在拿到这些购买数据后，进行建模分析，可能会认为这些购买行为都是比较低效益的，属于正常经济活动，从而预测该用户属于较为普通的用户，风险承受能力低，并综合其他因素得出该用户可贷款额度为“低”的结论；反过来说，如果一个用户长期购买各类奢侈品等高价商品，就可能会认为这个用户属于高价值用户，风险承受能力更高，还款能力更强。当然，真实的建模分析会远比这些复杂，考量的变量也是多方面的，需要辅助一些其他金融数据，比如过往贷款、还款情况，信用卡消费记录等。

大数据时代，FICO公司也在用大数据技术来完善传统信用评估体系的研究，而且凭借着多年数据的积累，FICO在数据精准度上竖起了比较高的竞争壁垒。通过对线下征信数据和线上征信模型的不断

整合，其模型趋于完善，结论也可以更加逼近精准。

FICO征信评分在欧美国家的应用已经远不止金融领域，在找工作、租房等诸多生活领域也有广泛应用。

ZestFinance:激进的大数据颠覆者

相较于FICO以研发为主、逐步推进的谨慎态度，新兴的ZestFinance在征信方面则显得比较激进，往往直接利用大数据技术替代传统征信技术进行信用风险评估。2009年，ZestFinance在美国洛杉矶创立，旨在为那些信用不足或者不满足传统银行贷款资格的个人提供服务。

ZestFinance是一家有数学属性的企业，团队中拥有大量在数据分析领域有建树的人，精通于数据计算、分析和逻辑。其CEO Douglas Merrill更是硅谷的“元老级人物”，曾担任Google的首席信息官。

ZestFinance最大的优势就是“数据冶炼”，公司从数据代理商处购买到交易信息、法律记录等结构化和类结构化的数据之后，寻找数据背后的关联。

在ZestFinance的分析模型中约有7万个变量，不同变量互相碰撞产生逻辑信息，即“信号”，通过机器学习可以找到模型中的大部分信号。例如，用户在网上填表使用的大写或是小写就是一个信号，模型发现如果填表的时候喜欢用大写，那么他违约的可能性更高。

据悉，这种方式比传统的征信模型提升了60％的效率，而且还款率也比传统方法高出了90％。目前，已经有400万美国人直接通过ZestFinance申请信用评分，这个新兴的后起之秀正在蚕食FICO的市场。

？