在信用风险评估中，可以利用替代数据进行评估。还可以利用心理测量，给消费者一张问卷，提供心理测量，该模型已经在拉美十几个国家使用，服务了上百万人。

以下为演讲实录：

目前国内普惠金融面临哪些挑战呢？

国内9亿消费者与传统银行打过交道，包括支付、存取款服务，4亿人获得过信贷服务。从小微企业信贷来看，国内有6千万左右的小微企业，其中12%的小微企业获得过传统金融服务，还有8%获得了新金融机构，比如说P2P、小微企业、保险等非银行金融机构的服务。

剩下80%的小微企业，还有将近10亿消费者，要想获得信贷或者金融服务需要付出很高的利率、很高的代价，什么原因呢？

因为传统金融服务，特别是以信贷为主的金融服务，在为消费者或者小微企业提供信贷服务的时候需要他们的信用记录，这些消费者往往没有传统的历史信贷记录，这就产生金融悖论，类似于“鸡生蛋、蛋生鸡”的问题，就是小微企业没有信用记录就无法获得金融企业贷款，从而更是没有信用记录，陷入恶性循环。

大数据技术可以来帮助解决这个问题。

首先看一下信用评估的基本思路是什么？传统的消费者信用风险评估主要从两个维度进行：存款能力、还款意愿，主要是以与消费者信贷直接相关的一些数据为基础，比如报告查询、查询数、信贷历史、违约数等为依据。

大数据时代，可以运用大数据的相关性，如果没有直接相关的信贷数据，可以找和信用相关的一些数据，比如说交税情况、收入情况、社保公积金情况，还有一些互联网行为的情况，可以多找一些，把消费者的信用信息积累起来，进行信用评估。

国内互联网经济、互联网金融非常活跃，出现了大量的和信用相关的数据，不仅体现了消费者的金融活力、经济活力，还可以从中找到一些信用信息。

上面列举了一些主要信用相关数据：人民银行的征信系统是最直接的，还有三大运营商，还有蚂蚁金服的支付宝，还有腾讯的微信，还有京东的一些数据。

其中三大运营商的数据，这里列出了注册用户和活跃用户，还有微信，它的活跃用户超过央行征信系统的活跃用户，而且这些数据容易获得，大数据技术可以采集这种海量的数据，从海量数据"沙"里淘金，可以挖掘出消费者的信用。因为这些信息往往还是包含着信用信息，比如说信用购买场景、一些支付的信息、一些经济的活跃性。

这个往往叫做替代数据，在信用风险评估中，可以利用这种替代数据来进行评估。

全球最好的信用评估公司曾经开发了一个产品，就是利用支付数据，还有电信数据、公共事业交付的数据，开发了一个信用评分，这个信用评分面向普惠金融人群、消费者有征信记录的人，先给他一个信用评分，先让他获得小额贷款、小额信用卡，然后在金融服务中架了一个桥梁，这样他就可以有信用积累，等信用积累到一定程度就回归到传统的信用评估、信用服务。

随着互联网金融的发展，国内目前替代数据、大数据应用情况也非常好，在实际中获得很大成功，但是整体来说还是比较碎片的替代数据、大数据。比如电信数据，我曾尝试研究电信数据在信用评估中的应用，从算法、到模型、到应用，电信数据分三类大运营商，电信和联通是集中的，中国移动分布在全国。如果想发挥大数据作用实现普惠金融，我觉得监管层面、国家层面可能要做一些基础设施。

我曾经提过一个政策的建议就是，把三大运营商的数据整合起来，做一个征信机构，作为三大运营商的内部信用风险服务机构。

另外，传统金融机构可以互联互通，不仅仅服务于金融，还可以服务日益活跃的互联网经营场景，这是有参考模型的，美国是有类似的垂直的征信机构存在的。在目前这种大力发展普惠金融的情况下，把基础设施建好是一个非常有意义的一个事情。

下面再看两个实际案例，这个案例是国内很多互联网金融公司采取的一种建模方法，首先就是利用大数据来给消费者画像，画像之后进行评估，有很多第三方数据、供应商，比如说电信数据、法律的数据、求职的数据、用户提交的数据，还有互联网的数据、交互的数据，把这些数据进行整合、挖掘、分析。

最后介绍一个非常前沿的、通过信用评估实现普惠金融的案例——利用心理测量，这是哈佛大学肯尼迪学院的一个教授和博士开的一个公司，已经开了10年，初衷是帮助小微企业主实现普惠金融，因为小微企业贷款难的问题是全球性问题，后来也拓宽到消费者。这种方法原型不需要数据，就是心理测量，给消费者一张问卷，提供心理测量。

心理测量是一个非常专业的、在实际商业应用中也比较成功的方法，比如测谎、高管的审查等等。这个模型已经在拉美十几个国家在用，也服务了上百万人口。当然原型是不依赖数据的，如果和刚才的替代数据结合，效果会更好一些。（以上内容根据演讲嘉宾发言整理而成，未经本人确定）