作者：纽可晴

来源：泓策投研手札（ID：FinanceBao）

邓白氏（Duns&Bradstreet）坐落在美国新泽西州，是邓氏公司和白氏公司于1933年合并成立的。目前，邓白氏在美国商业信用市场处于垄断地位，也是国际商业信息服务巨头。该公司向商业机构提供公司信用历史记录、B2B销售和市场数据、交易对手风险信息、供应链、销售机会评分和机构身份匹配等服务。

邓白氏有横跨全球200多个国家的超过2.35亿家公司的数据，通过不同的渠道采集数据，包括公共记录、交易记录、电话供应商、电话采访、印刷品、数据和商业公开资料等。

邓白氏的数据来源

根据邓白氏2016年度财务报告，邓白氏2016年营业收入17.04亿美元，同比增长4.07%；营业利润3.81亿美元，同比增长3.25%。邓白氏在全球有雇员4800名，一半以上在北美，其余的分布在全球各地。邓白氏的业务从地区上可以分为两大部分：美洲收入占比83.12%；国际市场收入占比16.88%。从产品来说，邓白氏风险管理解决方案占比59.39%，销售和市场营销解决方案占比40.61%，供应管理解决方案在2016年几乎可以忽略不计。

a．核心竞争

邓白氏的经营理念可用一个公式表达：

邓白氏商业数据+预测性分析=信心十足的商业决策

①邓白氏商业数据

邓白氏商业数据包含超过2亿家商业机构的信息，数据覆盖全球200多个国家和地区。邓白氏具有卓越的数据处理、维护及预测分析能力，在信息快速更新的现代商业环境中，能持续有效地为企业提供及时、可靠、有价值的商业信息。目前邓白氏已拥有信息类型丰富、极具商业应用价值的企业数据，并通过专业的邓白氏预测性分析体系，推动高质量决策，帮助企业更好地防范风险、突破发展。

②专业的邓白氏预测性分析体系

在充满竞争和不确定性的商业市场上，企业需要可靠、具有预测性的市场分析工具，帮助他们发掘并把握增长契机。对此，邓白氏引入权威专业的邓白氏预测性分析体系（D&BPredictiveAnalytics™），借助强大的分析工具透视数据，生成预测指标、趋势与行业基准，帮助企业理解现状并预测未来，有效满足企业透视分析数据的需求，帮助企业更好地防范风险、突破发展。

③商业决策

邓白氏商业数据的准确、及时、有效与邓白氏预测性分析体系的专业和权威相结合，帮助用户有步骤地制定信心十足的商业决策。

b．商业模式

邓白氏将商业数据转化为有价值的信息和产品，奠定了邓白氏全球解决方案的基石，客户依赖于此做出重要的商业决策。邓白氏提供的产品可分为：数据报告类产品、分析预测类产品和个性化解决方案3类。产品及服务的应用领域涉及信用和风险管理（金融解决方案）、供应链风险服务（运营解决方案）和销售与市场营销解决方案。

信用和风险管理服务主要是测量风险、设定信用/贷款条款、保护现金的流动、提供商业信用报告，以及邓白氏的风险预测评分和在线风险管理工具，旨在帮助企业降低信用风险，增加现金流，同时提高盈利能力。

供应链风险服务是为消费者带来有价值的产品、服务以及信息的，从源头供应商到最终消费者的集成业务流程。邓白氏整合供应链商和企业间的信息，最终实现信息共享，并提供风险解决方案。

销售与市场营销解决方案帮助客户规划商业愿景，建立市场营销名单，辨识市场机会，从而帮助客户得到高质量的潜在客户、联系信息和展望名单，最终帮助客户从新旧顾客中增加收入。

邓白氏产品服务体系

02

a.基本情况

环联是仅次于益博瑞和艾奎法克斯的美国第三大个人征信机构，主要为客户提供信用信息和信息管理服务，总部位于芝加哥，成立于1968年。

环联的服务对象可以分为企业客户和个人消费者客户。企业客户约65,000个，主要包括金融服务业、保险、健康护理和其他领域的行业客户。个人消费者客户超过3,500万，环联主要为个人消费者客户提供信用管理和个人信息保护服务。目前，环联拥有个人消费者档案10亿份，包括美国现有3.15亿人口中85%以上的人口信息、国际业务中的个人信息和一些已经去世的消费者信息。作为以数据位核心资产的征信机构，经过多年的积累，环联目前已经拥有90,000个数据来源和超过30PB（PB，千万亿字节）的数据，在美国50个州的主要城市拥有250个区域性的个人征信局。

环联积极拓展海外业务，截至2014年底，个人征信服务遍及33个国家，主要包括北美、非洲、拉美和亚洲。环联对外称其是美国最大的风险和信息方案的提供商，既拥有全国的消费信用数据，也拥有综合多样化的公用数据。

b.商业模式

根据服务对象不同，环联的信用服务可以分为面向65,000个机构用户的机构（企业）信用服务和面向3,500万个人消费者的个人信用服务。针对机构用户的信用服务，内容包括：基本信用信息、市场营销和决策分析。针对个人消费者的信用服务，内容主要包括给消费者提供信用信息和信用管理服务。

面向机构用户的信用服务是环联的主体服务内容。环联的机构用户覆盖债务催收、金融服务、保险、物业管理和医疗服务等行业。面向机构用户的信用服务按照服务目的的不同，包括基本信用信息服务、市场营销服务和决策分析服务，其中，基本信用信息服务是环联最主要的业务。

① 基本信用信息服务（环联征信商业模式的基石）

环联的基本信用信息服务都是通过互联网在线的方式提供给机构用户。具体包括三项服务：一是基于消费者的信用记录和公共记录，环联向符合环联服务标准的商业机构提供信用报告和预测评分，帮助这些机构评价潜在客户（希望获得信用贷款和保险服务的个人消费者）的风险；二是在线信用报告服务可以通过接口将商业机构和公共记录数据库连接起来，提供查询特定消费者或资产信息，或者调查消费者、机构和地理位置三者之间关系的服务；此外，环联还在机构客户开展新业务时帮助其进行防欺诈管理和个人身份验证。环联的信用报告、信用特征指标和信用评分都可以为具体的行业需求量体裁衣，这些产品构成了环联在线信息服务的基础。

② 市场营销服务

环联提供的市场营销服务帮助这些机构用户主动获取新客户、向现有客户进行交叉销售、监控和管理消费者的账户组合，最终进行综合分析。

环联市场营销服务内容

环联通过邮件、网络和移动设备帮助商业机构用户开发生成面向未来的市场营销客户清单，商业机构可以利用数据库联系个人消费者，进行拓展信用贷款和保险相关服务的营销。

环联提供账户组合的审查服务，定期审查客户的现有账户，帮助机构客户对现有客户进行交叉销售、监控和管理现有消费者账户组合中的风险。环联还提供触发器服务，将每日消费者信用特征变化通知给商业机构。

③ 决策分析服务：环联的深层次信息服务

环联的决策分析服务，也称软件即服务（SoftwareasaService，简称SaaS），包括一系列在客户互动过程中，帮助企业解释数据和预测模型结果，并根据机构制定的特定客户服务标准进行自动化决策。

征信机构利用所拥有的消费者相关信息，开发出决策引擎，帮助商业机构用户做出决策来评价商业风险和机会，具体包括新客户信用卡、贷款和保险申请，以及贷款定价、身份验证、账户催收、病患就医申请和公寓租赁等请求，有助于商业机构客户提供决策效率。

个人信用服务是环联征信服务新的增长点。环联的消费者信用服务分为两种：直接服务方式，即直接面向消费者服务，以及间接服务方式，即通过企业合作伙伴作为代理商间接向消费者提供服务。

直接服务方式：环联的直接服务方式大多以在线或手机应用订阅为主。产品包括信用报告、信用评分、信用信息变更提示、债务分析、身份保护服务、保险评分和限制第三方获得环联信用报告服务等。

间接服务方式：环联向商业合作伙伴提供服务，这些商业机构将环联的产品与自身的服务加以整合再向消费者销售。该领域的企业包括从事金融服务、零售管理、身份识别和保险等。

此外，环联近年来还将一些基础的信用产品和信用服务（信用评分、简版信用报告和信用监测）以批发价的形式出售给互联网公司CreditKarma，CreditKarma成为环联的消费者信息服务代理商。CreditKarma再通过公司网站向个人消费者提供免费的信用报告等信用信息服务，其主要收入来源则是从消费性金融机构广告和信贷产品推荐中获得。

新兴互联网征信机构——泽斯塔

a.基本情况

泽斯塔（ZestFinance），美国金融科技公司，创立于2010年，主要要做的是将机器学习与大数据分析融合起来，提供更加精准的信用评分。泽斯塔的研发团队主要由数学家和计算机科学家组成，前期的业务主要通过ZestCash平台提供放贷服务，后来专注于提供信用评估服务，旨在利用大数据技术重塑审贷过程，为难以获得传统金融服务的个人创造可用的信用，降低他们的信用成本。本报告着重研究其提供的信用评估服务。

b.商业理念

①为弱势群体制造信用的普惠金融思想

泽斯塔认为，它的使命是为每一个人创造公平而且透明的信用信息。泽斯塔最初的服务对象是只能使用高利贷的人群(称为借贷日贷款人群)，通过大数据挖掘出他们的信用信息，帮助他们享受正常的金融服务。泽斯塔假定每一个消费者都是“好”人，希望通过搜集证据，证明信贷信息不完整人群的真正的信用状况，进而帮助他们实现享受正常金融服务的权利。

②非传统征信视角看信用

个人征信的目的是通过搜集数据来挖掘出消费者已有和潜在的信用信息，数据和具体的技术只是征信的手段和工具。消费者的信用状况与其信贷记录联系最紧密，是强相关的，所以传统征信是从消费者的信贷记录挖掘其信用状况。但是消费者的信用状况与其信贷记录并非是一一映射的关系。消费者的信用状况还会与消费者的其他信息和行为有联系，尽管这种联系可能较弱。

下图展示了泽斯塔公司的大数据征信的视角。与传统征信相同，大数据征信对消费者的信用评估也是基于两个基本面的信息:消费者的还款能力和消费者的还款意愿。所不同的是，传统征信中，数据依赖于银行信贷数据，而大数据征信的数据不仅仅包括传统的信贷数据，同时也包括了与消费者还款能力、还款意愿相关的一些描述性风险特征，这些相关性描述风险特征的抽取与筛选是泽斯塔的技术核心。相比于传统征信数据的强相关性，这些大数据征信的数据与消费者的信用状况相关性较弱，泽斯塔就利用大数据技术搜集更多的数据维度来加强这些弱相关数据的描述能力。这样就使大数据征信不依赖于传统信贷数据，可以对传统征信无法服务的人群进行征信，实现对整个消费者人群的覆盖。

传统征信视角和泽斯塔的大数据征信视角

③优于银行的大数据挖掘技术

泽斯塔的优势在于其强大的数据挖掘能力，能开发出新颖的信用评估模型，从大数据中挖掘出更多不易被发现的消费者信用信息。尽管泽斯塔公司自运营以来取得了不错的业绩，但Merill先生还是具有专业学术人士特有的谦逊严谨的风格，他阐述了一些泽斯塔的发展弱势，即公司规模还比较小，目前直接服务的人群只有10万人左右;不拥有银行丰富的个人消费者数据，但其本身所有数据却可以被银行通过正常手段和渠道获得。

④对于大数据的理解和应用

不同的应用对大数据有着不同的理解，目前对大数据没有一个统一的概念。Merill先生认为“数据多”并不是“大数据”，能够利用IT先进技术将碎片化的信息整合起来才能形成真正有用的大数据。这种对大数据的理解特别适用于征信业，因为征信的基本过程也是将分散于不同信贷机构看似用处不大的局部信息整合成为可以完整描述消费者信用状况的全局信息。

值得指出的是，泽斯塔虽然利用大数据技术进行征信，但是主要利用的还是结构化的大数据，对于复杂的大数据类型例如文本数据和社交网络数据利用得比较少，主要原因是由于这些复杂的大数据和泽斯塔所服务的消费者的信用风险相关性太弱了。这种现象其实也被其他互联网金融的征信实践所验证，例如最大的互联网P2P公司Lendingclub最早从Facebook平台登录信贷市场，希望通过对社交网络的数据进行信贷审批，结果效果很差，难以为继，最后只好回归传统的信贷手段发展。

c.数据源

泽斯塔以大数据技术为基础采集多源数据，一方面继承了传统征信体系的决策变量，重视深度挖掘授信对象的信贷历史。另一方面，将能够影响用户信贷水平的其他因素也考虑在内，如社交网络信息、用户申请信息等，从而实现了深度和广度的高度融合。泽斯塔的数据来源十分丰富，依赖于结构化数据的同时也导入了大量的非结构化数据。另外，它还包括大量的非传统数据，如借款人的房租缴纳记录、典当行记录、网络数据信息等，甚至将借款人填写表格时使用大小写的习惯、在线提交申请之前是否阅读文字说明等极边缘的信息作为信用评价的考量因素。类似地，非常规数据是客观世界的传感器，反映了借款人真实的状态，是客户真实的社会网络的映射。只有充分考察借款人借款行为背后的线索及线索间的关联性，才能提供深度、有效的数据分析服务，降低贷款违约率。

具体而言，泽斯塔的数据来源的多元化体现在：首先，对于泽斯塔进行信用评估最重要的数据还是通过购买或者交换来自于第三方的数据，既包含银行和信用卡数据，也包括法律记录、搬家次数等非传统数据。

再次是网络数据，如IP地址、浏览器版本甚至电脑的屏幕分辨率，这些数据可以挖掘出用户的位置信息、性格和行为特征，有利于评估信贷风险。此外社交网络数据也是大数据征信的重要数据源。

最后，直接询问用户。为了证明自己的还款能力，用户会有详细、准确回答的激励，另外用户还会提交相关的公共记录的凭证，如水电气账单、手机账单等。

多维度的征信大数据可以使得泽斯塔能够不完全依赖于传统的征信体系，对个人消费者从不同的角度进行描述和进一步深入地量化信用评估。

d.评估模型

传统信用评估模型的弊端包括：信息维度单一，导致片面的评估结果；时间上具有滞后性，不能及时反映信用在不同人群中的变化情况；覆盖人群窄，评估作用有限等方面。

针对传统评分模型中参考的数据变量少，存在利用变量故意刷信用的“模型套利”行为，泽斯塔重新设计了一套信用评估模型。泽斯塔参考的数据变量多达上万条，并采用非线性化的、更前沿的技术来进行分析，从而防止“模型套利”的现象，更精准地评估消费者信用风险。

泽斯塔的评估模型具有变量选取广泛、评分模型更新细化速度快2个特点。

基于多角度学习的评分预测模型，变量选取广泛。在其模型中，往往要用到3,500个数据项，从中提取70,000个变量，利用10个预测分析模型，如欺诈模型、身份验证模型、预付能力模型、还款能力模型、还款意愿模型以及稳定性模型，进行集成学习或者多角度学习，并得到最终的消费者信用评分。

泽斯塔的大数据评分模型

04

服务于垂直领域的专业征信机构

和三大个人征信机构服务于信贷等相关机构，主要采集银行信贷类的历史信用，解决信贷风险问题不同，这些专业的征信机构服务于垂直领域的机构（用于特定的服务、特定行业的交易或面向特定的人群），搜集和整合垂直领域内消费者非信贷类的历史信用信息，从而解决该领域内的信用风险问题。这些专业征信机构的类型较多，可以分为：雇用（就业）审查（背景调查）、租房审查（背景调查）、汽车和财产保险、银行账户和支票审查、电信公共事业、零售等。

雇用审查：员工雇前背景核实是指用人单位通过各种合理合法的途径，核实入职候选人的个人履历信息的真实性的过程，主要调查的内容包括-国内学历、职业资格、法务信息、劳动争议记录、工商注册信息、飞行记录、职业履历等。它是保证招聘质量、识别潜在雇用风险的重要手段之一。在美国，代表公司有首优咨询、HireRight和Sterling。这种类型的专业征信公司往往没有征信数据库，是一个典型的数据集成商，靠临时整合信息，简单的数据加工完成服务。其信息来源包括：征信报告、公共记录中的破产信息、地址信息、犯罪记录、之前的雇用信息和教育背景。

租房审查：在租房之前，房东对租客的征信记录进行查询，以降低在租房过程中潜在的信用风险。美国租房审查专业征信机构搜集根据协议交付房租的记录。良好的租房行为，比如按时缴纳租金、爱惜房屋设施等，将有利于提高其信用评级，而租房期间的一些不良行为，比如恶意拖欠租金、破坏房屋设施等，将降低其信用评级。租房公司则根据征信记录做出针对性措施，对面临的信用风险进行管理。益博睿房租公司从房地产主和房产管理公司、电子房租支付服务和催收公司处获得收集租房支付历史数据，向多个家庭租房行业提供服务。艾奎法克斯也从其房租审查部门搜集正面数据，将这些信息包含在正规的信用报告中。

汽车和财产保险：保险是征信应用的一个重要金融场景，专业征信机构也可面向保险业提供专门的服务。代表性机构包括：LexisNexisClue。LexisNexisClue是信息服务公司律商联讯（LexisNexis）的保险赔付信息库，为保险业务流程的各个阶段决策提供信息服务，而且还提供专门的保险信用评分，可将其理解为律商联讯的子公司。在美国，车险和财产险定价环节意义重大，LexisNexisClue在车险市场的份额达到近99%，在房屋险方面的份额超过了95%，其数据来源于保险公司的自有数据、保险行业数据以及行业外部数据。

银行账户和支票审查：即通过专业的征信机构对消费者的银行账户和支票（包括借记卡和现金交易）审查。在美国，80%的商业银行和信用机构使用ChexSystems来筛选申请人的支票账户和储蓄账户。银行账户和支票审查提供的服务包括自然人的身份验证、在银行的违规行为，如支票透支、未结算余额、存放欺诈性支票或可疑帐户处理等。银行根据该项服务识别客户，可能拒绝为有负面报道的消费者开立新的存款帐户，降低信用风险。

零售：征信在零售业中的应用主要是为了解决“退换货欺诈”问题。退换货欺诈是指一种在利用购买商品之后的退货进行欺诈的行为。TheRetailEquation（TRE）是美国一家向零售商提供监测并报告退货欺诈和滥用征信服务的专业征信机构，帮助零售商在退货和销售时点优化交易选择。TRE的解决方案提供退货柜台的优化方案、建立客户的忠诚度档案，防止欺诈、过度退货、减少退货频率，帮助零售商节省成本。TRE给零售商和消费者提供的退货行为报告，就是消费者在商店里退货或者换货的交易记录，内容包括退货活动的相关数据、退货所在的商店、每次退货的时间、日期、是否有收据以及金额。该公司每12个月给消费者提供一次免费的报告。

电信公共事业：个人/企业享受电信企业和水、电、燃气公司等公用事业机构提供的先消费后付款的服务、每月缴纳电信和水费、电费、燃气费等公用事业费用的行为本质上也是一种信用活动，将这部分信息记录在个人/企业的信用档案中，会使更多的人/企业拥有信用记录，更全面地反映个人/企业的信用状况，同时也将按时交纳公用事业费用的行为积累成信用财富。在美国，由国家电信和公共事业客户交换协会搜集与电信、电视和水电煤气等公共事业服务相关的新的连接申请，包括账户和支付历史、逾期、欺诈账户等相关信息，每12个月提供一次免费的征信报告。

注：文章为作者独立观点，不代表资产界立场。

题图来自 Pexels，基于 CC0 协议

本文由“泓策投研手札”投稿资产界，并经资产界编辑发布。版权归原作者所有，未经授权，请勿转载，谢谢！

原标题：征信业深度系列三：商业模式探究国外篇

商业大数据风险管理征信体系征信业务