如果你在脸谱（Facebook）上有很多好友，那就意味着你在某些圈子里很受欢迎。而现在，某些出借人还会觉得你信用可靠。
《华尔街日报》4月1日的一篇报道称，利用脸谱、LinkedIn和推特（Twitter）等社交网站的个人资料来评估消费者信用风险的信用公司数量正在不断增长，Lenddo、Neo Finance和Affirm就是其中的三家。他们认为，当为某个人提供信贷时，尤其是当一个人缺乏信用记录或者信用记录有污点，所以在其他地方很难获得贷款时，一个人的社会身份、在线声誉和职业联系人圈子，应该成为信用公司考虑的因素。
这些初创企业希望有效利用人们已经认识到的一个缺陷——也就是基于费埃哲（FICO）信用评分系统设定的传统贷款标准存在的缺陷，来创造自己的业务模式。根据FICO的标准，如果人们未能如期还款，或者缺乏借贷经历，那么，他们就会自动被视为风险人士，他们的贷款也就会被惩罚性地课以更高的利率。还有一种可能，那就是他们的贷款申请会被拒，无论是否事出有因，比如，遇到了医疗紧急事故，或者最近刚刚移民美国。Lenddo、Neo Finance和Affirm主要通过手续费或者向每笔交易核收的佣金赚钱。但是，从长期来看，他们的商业模式是否能持久则是另一个问题。
让我们以加利福尼亚州帕洛阿尔托（Palo Alto）的Neo Finance公司为例来说明吧。该公司的目标客户是缺乏信用记录的汽车贷款借款人，他们从传统出借人那里大都可以获得高息贷款。在考虑过申请人的就业经历，以及他或她在LinkedIn上的好友数量，从而对他或她的收入潜力以及就业稳定性进行评估之后，Neo可以为他们提供利息更低的贷款。Neo当然会考虑费埃哲信用评分，但是，只是为了考察贷款申请人是否有过危险行为。这篇文章指出，Neo公司不会利用费埃哲信用分数来评估贷款的风险。
《华尔街日报》的那篇报道称，设在香港的Lenddo则更进一步，如果债务人偿还贷款违约，该公司会通过他或她的社会关系向其施加压力。举例来说，如果有人没有偿还贷款，那么，这家初创企业就会告知违约客户的脸谱好友，如果这位客户没有偿付贷款，他或她好友的Lenddo信用评分也会受损。查阅过某个贷款申请人在100个数据库和社交网络中显示的居住地和好友数量等资料之后，Lenddo会给予用户1分到1000分的信用评分。而贝宝（PayPal）联合创始人马克斯·列夫琴（Max Levchin）领导的旧金山初创企业Affirm，可让消费者利用智能电话轻松为其购买的商品和服务付费——只需轻点两下屏幕即可——而且会给他们30天的免费帐期。
有些国家尚没有标准化的消费者信用分数，贷款会根据一个人的名声发放，在这些国家，有些公司会利用从社交网络采集的资料来评估一位借款人的信用风险。在详查贷款申请人的在线资料之后，Lenddo会为发展中国家的借款人提供小额贷款，以帮助他们改善自己的生活质量。在解释这一商业模式背后的基本原理时，该公司网站引述了J.P.摩根（J.P. Morgan）创始人、华尔街银行家约翰·皮尔彭特（John Pierpont）的观点，他曾说过，在评价一个人的信用时，品格比金钱和资产更重要。
在这样一个互联网上的个人信息大爆炸——也即是所谓的“大数据”（Big Data）现象——的年代，将社交资料用于信用评分似乎是不可避免的。但是，要想证明到底哪些信息有用、哪些没用，尚需加以时日。“弄清哪些指标确实有效还需要好几年的时间。”沃顿消费者分析计划（Wharton Customer Analytics Initiative）联席主任、沃顿商学院营销学教授彼得·费德（Peter Fader）谈到。“这一领域现在还是个‘蛮荒世界’……就像早期的费埃哲一样。”
另一个科技时代的开启
20世纪50年代，均在加利福尼亚州门洛帕克（Menlo Park）斯坦福研究院（Stanford Research Institute）工作的工程师比尔·费尔（Bill Fair）和数学家厄尔·艾萨克（Earl Isaac）渐渐确信，利用先进的数学方法和统计学方法分析复杂的业务操作流程，能让一家公司做出更好的决策。1956年，两人各拿出400美元，成立了费尔-艾萨克公司（Fair, Isaac & Co.），并创建了费埃哲信用评分系统（FICO credit scoring system），这一系统后来成了很多企业信用风险评估模型的基础。他们认为，一家公司的运作埋藏着可供挖掘和分析的信息宝库，所以，公司“能以系统性的、数据驱动型的方法——而不是靠直觉和一致意见——做出决策。”费埃哲公司前首席执行官拉里·罗森伯格（Larry Rosenberger）、公司战略副总裁约翰·纳什（John Nash）和记者安·格雷厄姆（Ann Graham）在一本名为《决定因素》（The Deciding Factor）的书中写道。2009年，费尔-艾萨克公司更名为费埃哲公司。
大约同一时期，另一场具有革命性的意外变化也在渐趋成型。总裁小托马斯·沃森（Thomas Watson, Jr.）领导下的IBM公司推出了IBM 701，这是该公司首次批量制造大型商用计算机。随着计算机越来越普及，公司开始逐渐将其业务流程计算机化。更多公司首次拥有了凭借电子手段大量采集和存储消费者购买记录等数据的能力。这一变化引发了计算能力和“数据挖掘”（data mining）能力的急剧增长。的确，沃森“引领IBM公司从商用机器转向电脑的决策，在商业界开启了一场信息技术的革命，并成了大型公司决策管理的开端。”罗森伯格、纳什和格雷厄姆在书中写到。
现如今，科技和数据领域也在发生一场类似的结构转变。计算机已经越来越小型化，而功能则越来越强大，数据存储的成本也已越来越低，同时，云计算可让任何地方的人取用信息。数字化客户资料从未达到过如此大的规模，研究机构互联网数据中心（IDC）称，2012年，人们创建、复制或消费的信息高达2.8万亿G。随着全球各地的人们利用数百万部与互联网连接的设备，通过社交网络和其他途径分享信息，这一数字在2020年之前有望每两年就翻一番。
“20世纪50年代和60年代发生了一场规模庞大的‘模式转移’（paradigm shift）。突然之间，电脑就成了很普及的东西。”研究信用评分的沃顿商学院统计学教授罗伯特·斯坦恩（Robert Stine）谈到。“现在，我们在数据访问领域以及用于处理这些数据的科技领域看到了一个新飞跃。”
但是，就像费埃哲公司运营的早期一样，很多公司现在也在努力解决哪些社交数据对人们的长期信用行为具有预测性的问题。在脸谱上发表种族主义言论与这些人缺乏信用有对应关系吗？在《经济学家》（The Economist）2月9日刊登的一篇文章中，Neo公司的创始人纳文·巴蒂亚（Navin Bathija）对该杂志谈到，他确信，一年之内，将有足够的数据用以确证两者之间是否有关联。然而，在同一篇文章中，ZestFinance的创始人和谷歌公司前首席信息官道格拉斯·梅里尔（Douglas Merrill）则认为，在其他方面相同的情况下，那些只打小写字母或者大写字母的人，更可能是欠债不还的人。ZestFinance利用类似谷歌搜索算法的方法，通过核查数千个与信用有关的潜在变量，来评估一个人的信用风险。该公司称，传统的核算方法只关注“几种”变量。
此外，费埃哲信用分数和社交数据还有一个显著区别：费埃哲分数的计算主要采用数量资料。该公司称，费埃哲信用分数的35%取决于一位客户的信用记录，30%来自客户的欠款数量，15%根据客户的信用历史长度确定，10%取决于客户的新贷款和贷款类型。信用分数会随着客户行为的变化而升降。斯坦恩谈到，这种信用分数还可以定制化，以满足不同企业的要求。虽然用某个人的贷款偿付历史来预测其未来行为合乎情理，但将一个人的脸谱好友数量与这个人的可信赖性联系到一起却另当别论。“这是因为，你有很多朋友并不意味着你在社区中拥有更高的地位。”斯坦恩在谈到罪犯并非没有朋友时说。
社交数据最有用的地方，是将其应用于信用记录很少或者根本没有信用记录的人。“这是一个很有价值的额外数据源，对某个人的信用行为具有很强的预测性。”沃顿消费者分析计划联席主任、沃顿商学院市场营销学教授埃里克·布莱德劳（Eric Bradlow）谈到。“当一个人的资料非常稀少时，这样的数据尤具价值。”不管怎样，考察新变量一直都是构建信用预测模型的标注做法。“他们会不断寻找新变量，以提高他们信用分数的预测能力。”他谈到。
很多出借人已经在将定性数据与费埃哲信用分数一起使用。举例来说，当面对信贷历史很少或根本没有信用记录的人时——比如，刚刚毕业的大学生——这些信用公司会找到某些与这位贷款申请人相似的人，以预测申请人将来的还款行为。“如果你与那些拥有这些特点的人类似，那么，我就有了对你还款特点的判断。”斯坦恩谈到。但是，在这位贷款申请人证明自己值得信赖之前，为他或她提供的贷款往往会附加更加严格的条款，比如，发放的信用卡信用额度更低、利息更高等。
如果从社交媒体采集的数据用于补充费埃哲信用评分——近60年的事实证明，费埃哲信用分数非常有效——那么信用公司就可以更轻松地避开麻烦。“费埃哲信用分数是个非常好的基准线。”费德谈到。“它已经被验证过很多次了。”在没有大量确凿证据证明社交媒体数据与还款行为之间存在强烈相关性之前，就完全抛弃费埃哲信用分数并仰赖从社交媒体采集的数据是愚蠢的。“抛弃费埃哲信用分数‘重新发明车轮’？我可不怎么认同这种做法。”费德补充谈到。“我可不愿意在这种做法上下赌注。”
社交数据碰壁
将社交数据用于信用评估所面临的一个严峻挑战来自消费者保护法规。根据《平等信用机会法》（Equal Credit Opportunity Act），贷款必须发放给所有资信可靠的申请人，不管他们的种族、宗教信仰、性别、婚姻状况、年龄和其他个人特征如何。这类信息的大部分都可以从脸谱的页面上采集到。“虽然现在已进入了一个完全不同的时代……但这些法规依然适用。”研究消费信贷的沃顿商学院金融学教授戴维·马斯托（David Musto）谈到。他指出，有些公司因为查看求职人员在社交媒体上发布的信息而引发了争议。“我不会问你是否已经结婚，可我能自己找到结果。”马斯托谈到。“这种方式降低了歧视行为的可验证性。”
隐私则是另一个问题。去年，有几家新闻机构报道，德国最大的信用评鉴机构夏华（Schufa）公司准备从社交媒体采集数据，用以评估消费者的资信状况，此举引发了公众的强烈抗议。公司最终放弃了这一计划。马斯托谈到，在美国，信用评估机构受到“严格的监管”。“他们会严格遵守这些法规……我认为，不会有哪个大型信用评估机构采用这种方式。”至少有一个大型出借人不会利用社交数据来评估借贷人的信用状况，它就是花旗银行（Citibank）。该银行社交媒体负责人弗兰克·伊莱亚森（Frank Eliason）对《经济学家》谈到，银行会为了市场营销而监视社交媒体，但不会用它来测评资信状况，那是个“危险的游戏”。
还有一个问题是，当费埃哲信用评估体系一直运转良好的时候，出借人自然不愿转而采用一个新标准。过去，也曾有其他公司推出信用评分新系统，其中包括美国三大信用机构，但是，那些系统一直发展缓慢。采用社交数据进行信用评估的初创企业也面临着同样的障碍。“把客户从费埃哲撬走，是很难的一件事。”斯坦恩谈到。费埃哲的挑战者必须证明，“他们构建出了一个更好的系统。”但是，这些公司无疑会继续争夺市场份额，尤其是现在。“这是个利润丰厚的市场……因为科技的发展，进入市场的门槛已经降低了。”他谈到。“为了完成这类工作，你已经无需在一个大房间里安装一台大型计算机了。算法也变得更加精到了，你再也不需要像以前那样对它们进行大量微调了。”
利用社交媒体评估信用的另一个问题是：与实际还款记录不同的是，一个人的社交媒体资料更容易被操纵。“（消费者）可以花钱购买推特好友”，并以这种方式提高自己的信用分数，斯坦恩谈到。“从某种程度上来说，操纵这些东西会让人们占到便宜。”他还补充谈到，随之而来的结果是，为了获得贷款而操纵自己资料的借款人，与试图识别确实有信誉的消费者的出借人之间会形成对峙。
尽管存在这些问题，但“大数据”时代确实已经到来，而且市场也在适应这一潮流。最近，美国三大信用机构之一的益百利公司（Experian）推出了“扩展查看”（Extended View）分数，将租赁信息也纳入了该分数的计算。此外，为了改善信用评估系统，该公司还与环联公司（TransUnion）和艾可飞公司（Equifax）合作，共同推出了名为VantageScore（直译为“有利分数”）的信用分数，以应对费埃哲挑战者的发难。举例来说，CNN财经频道（CNNMoney）3月11日的一篇报道称，以前，在计算某个人的信用分数时，会在大约7年的时间里都考虑他的债务曾进入讨债公司的问题，而现在，只要他的债务已清偿或问题已解决，只要他的欠债额为零，那么，新版本的VantageScore就不会再予以考虑。另外，这一评分系统还将消费者的公用事业付费记录纳入了他们的信用状况。就这一问题而言，费埃哲公司称，它也准备用非传统数据计算信用记录有限或者根本没有信用记录的人的信用分数。
然而，《华尔街日报》报道称，截止到目前，费埃哲公司尚没有采用从社交媒体采集的数据的计划。但是，布莱德劳认为，信用评分标准会发生改变，尤其是在更多的关联性业已确立之后。“社交网络数据最终也可能进入费埃哲的评分系统。”他谈到。“我认为，用一个分数概述某个人信用记录的需求并没有减少。我认为，将来的变化是什么因素被纳入这个分数的变化。”
说到挖掘社交数据用于信用评估的信用公司，斯坦恩谈到，“我不知道这是否是个好主意，我想，这是不可避免的趋势。”他接着谈到，“他们试图在一个人们尚未使用这类信息的市场中开拓出一个利基市场。几年以后我们便会知道，这么做到底是否是个好主意。”
Join The Discussion
No Comments So Far