央行征信报告一直都是金融机构评价借款人还款能力和还款意愿的重要依据。互联网金融的发展让信贷服务可以惠及更多的人，但央行征信报告覆盖率和信息完整度的局限性使得金融机构无法对更广大人群进行准确评估。
据易观数据显示，截至2016年6月底，央行征信中心覆盖人群8.8亿人，其中信贷记录人群仅为3.8亿人。也就是说，中国10亿多的成年人口中超过60%的人没有信用卡或央行贷款记录，这些人在申请贷款时，金融机构很难从央行征信中心获取有价值的参考信息。
许多互联网金融机构的借贷信息并不会体现在央行征信报告中，可能一个申请人已经在多个互金平台发生逾期了，而通过央行征信报告并不能获悉这样的高风险因素，这限制了金融机构对客户风险评估的准确性。
为了扩大业务规模、降低坏账风险，金融机构希望可以获取更全面的客户信用信息，与央行征信报告形成重要互补，实现对客户风险的精准评估。强烈的市场需求推动了第三方信用服务业务的迅猛发展，下文将重点解读这些互联网信用服务公司的“玩法”。
1. 基于互金借贷信息
个人的借贷信息最能反映申请人的违约风险，而多数互金机构各自维护自有客户的借贷记录和黑名单，形成“信息孤岛”。为了能够充分利用这些有价值的信息，第三方数据服务公司通过不同方式聚合多方信息，并加工成有效的标签，帮助金融机构预防风险。这里面主要有2种“玩法”：
（1）联防联控
第三方数据公司和金融机构建立联防联控机制，第三方数据公司从合作金融机构获取用户的借贷记录，并根据客户的调用记录累计申请人在不同平台的借贷次数。在数据积累到一定程度后，这种方式可以非常有效地识别多头借贷行为。
不过，*家持牌个人征信机构百行征信的成立，可能会对这样的商业模型产生冲击，毕竟更权威、更全面、更稳定的数据源代表着更强的竞争力。
（2）数据回流
可能不少人没有留意到，多数互金机构是没有支付牌照的，这些机构在放贷和还款环节需要依赖第三方支付公司，那么这些支付公司就有天然的信息优势。通过对客户机构回流数据的分析和推导，可以计算出用户的借款和还款记录，从而进一步判断用户是否违约。
由此，支付公司的市场占有率决定了其借贷数据的质量。目前，业界只有两三家支付公司可以基于回流数据提供个人信用服务。
2. 基于消费行为
除了借贷信息之外，消费行为也可以用来衡量一个人的还款能力和违约风险。一般购买能力较强的人，还款能力也较强；若一个申请人的手机号近些年都没有被用作收货手机号，那么有可能就是一个小号，违约概率相对较大。
当然，用户的订单记录多半在各家公司自己的数据中心，绝不会向外部开放用户的消费明细。一种玩法是数据拥有者可以根据用户在自身生态内的消费行为对用户进行评分，在符合监管要求的前提下对外输出用户评分；另一种玩法是与店铺CRM系统的厂商进行合作，基于用户订单记录提炼统计标签。
3. 基于社交行为
物以类聚，人以群分，和黄牛、贷款中介、老赖有密切往来的人，通常会比一般人有更高的违约风险，这是社交行为数据的一个关键价值。比如，可以基于各类黑名单，顺藤摸瓜挖掘出相关的高风险用户，帮助金融机构规避风险。
当然能够基于社交行为提供信用服务的公司不多，行业门槛高，容易受到用户隐私方面的质疑。
4. 基于运营商数据
不少互金机构在信贷审批时，需要用户授权运营商信息，通过爬虫服务获取用户的通话记录和账单数据。这些运营商爬虫服务公司在累计了大量数据之后，结合各种渠道的电话号码黑名单就可以对电话号码的风险进行预测，算法的基本思想比较简单，即“近朱者赤，近墨者黑”。
5. 基于其他行为习惯
如果一个借款人经常浏览赌博、套现相关论坛、下载了很多借贷类APP，那么这个借款人的违约风险一定是非常高的。因此，用户特定的网页浏览、APP下载、网络检索等行为，也可以帮助金融机构预测违约风险。
手机厂商、互联网巨头都有足够的数据可以提取相应的标签，然而，大多数用户都是非实名认证的，如何将非实名用户和借款申请人匹配上是一个比较大的挑战。
结语
最后，需要指出的是，上文提及的个人信用服务的几个主要数据来源都是和个人信息强相关的。目前我国还缺少个人信息保护相关的法律顶层设计，《个人信息保护法》尚在制定中，对个人信息采集和使用的边界和监管尺度还不够明确。笔者曾经和一家主流手机供应商的朋友有过交流，发现该公司具有较强的法律合规意识，用户的明细数据是一概不允许出公司数据中心的。苏宁金融则拥有自己的支付牌照，这样外部数据公司就无法获得用户使用任性贷等业务的信息，在*程度上保护了用户隐私。相信，随着法律和监管的完善，个人信用服务行业也会越来越规范。
