中国现在是全球第二大经济强国，可征信系统的成熟度却不能匹配我们的经济地位。银行、互联网、机构都说自己是大数据征信，可彼此数据沟通不通顺怎么能叫大数据啊，这不都成数据孤岛了吗？
美国征信走过百年路
说到征信就不得不提美国，从19世纪末第一家征信机构诞生到现在，美国的征信历史已有上百年，到了1980年前后，美国三大个人征信巨头已经完成了美国成年人口的全覆盖。2009年Zest Finance公司成立，利用自身数据挖掘能力和模型开发能力，建立了分析模型，进行最终消费者信用评分。由此形成了传统三巨头纵向历史信息深挖和ZestFinance对实时数据的横向分析，总体覆盖率超过95%。
美国征信从体系来说分为机构征信和个人征信，具体情况见下图：
资本市场、企业信用和个人信用评估为主要的三大征信类别，不同的征信类别有着不同的征信标准，目前美国的个人征信体系的三大征信巨头分别是Experian、Equifax和Trans Union。在打分时参考的有六个方面，分别是：Charater（品德）、Capability（能力）、Capital（资本）、Condition（条件）、Collateral（担保品）和Stability（稳定性）这6方面，也就是俗称的5c1s最终的得分与SSN(Social Security Number，社会安全码）捆绑在一起。
SSN是美国信用体系中最重要的一环，类似中国的身份证，美国公民从一出生就会有一个，而外国人如果获准在美国工作也可办理。因此只要查询SSN即可获得这个人的大量信息，但为了保护个人隐私，因此SSN中有很多信息是不公开的， 比如像是具体收入，驾驶记录、犯罪记录这些东西如果未经个人授权无法获得。
中国传统征信系统不足明显
相较于美国市场化的征信系统，我国的征信系统由中国人民银行下设中国人民银行征信中心，作为非营利性“征信机构”。对金融信用信息基础数据库，即企业和个人信用信息基础数据库进行建设、运行和维护。
中国人民银行征信系统
相关数据显示，截至2016年4月底，金融信用信息基础数据库共收录8.9亿自然人信息，其中有信贷记录的自然人4.0亿；收录企业及其他组织2146万户，其中597万户有信贷记录。个人征信数据覆盖度看仍不高，仅为35%，考虑到我国55%的城镇化率，个人征信覆盖度也只有61%。
在这种征信系统体制下，除了覆盖率较低之外，数据收集也过于保守，身份识别信息（姓名、身份证号码、家庭住址、工作单位等）、贷款信息，包括（贷款发放银行、贷款额、贷款期限、还款方式、实际还款记录等）、信用卡信息（包括发卡银行、授信额度、还款记录等）三大类太过狭隘，数据库建设明显存在不足。
互联网企业借大数据完善征信系统
随着互联网第三方支付业务的兴起，大量的互联网企业开始涉足金融市场。由于互联网企业一向重视数据的收集整理和分析，再加上征信系统本身是一个数据信息平台，而这方面的数据显然拥有很高的商业价值，因此大量的互联网企业例如阿里巴巴、腾讯、拉卡拉都开始涉足征信业务。
相比传统征信系统只包含了金融相关个人信息，互联网企业的加入让数据覆盖到水、电、煤、有线电视、手机、社交等非金融信息，从而让数据覆盖面更加完善，于是大数据征信这一名词开始快速走红。
数据孤岛征信有缺陷
很遗憾，尽管互联网公司的加入确实拓展了数据的边界和量级，但是依然难称大数据征信，原因就在于彼此之间的数据信息交换分享并不到位。
以第三方支付中的支付宝和微信支付为例，腾讯的数据在社交内容上占优，阿里巴巴则在消费内容上占优，如果可以结合两者数据进行分析，显然结果会更加清晰和全面，但很遗憾，由于两家存在很严重的竞争关系，因此这样的场景不会发生。
目前数据互通上相对好点的应该算是传统金融行业同互联网企业的数据互通，但就拿银行为例，也不是所有的银行都同意和阿里巴巴进行数据交换。所以尽管每一家都拥有海量数据，但只有真正聚合在一起时才能被称谓大数据征信。
笔者认为，在未来征信系统中，可以通过以中国人民银行征信中心作为主渠道再结合其他征信机构的方式构建一体化征信系统，同时建立完善的法律法规来约束数据的搜集和交换，从而让我国的征信系统走向成熟。
