图为上海冰鉴信息科技有限公司创始人顾凌云（图片来源：新浪财经 杜琰摄）
新浪财经讯 6月30日消息，由新金融联盟主办、上海交通大学上海高级金融学院联合主办的“2015新金融联盟峰会”今日在北京举办。上海冰鉴信息科技有限公司创始人顾凌云在峰会上表示，一家好的征信和数据处理公司要有了数据的清洗能力，数据处理能力，才能再考虑建模能力。
以下为嘉宾发言实录：
顾凌云：非常感谢胡总的分享！下面是我做的冰鉴科技对小微企业的内容，希望能对大家有所帮助。
首先，对于我们来讲，征信有很多种，可以做笑微企业，也可以做个人，我们为什么选择小微企业呢？因为它城墙比较高，护城河比较宽，对很多企业来说这是难以逾越的鸿沟，对我们来说有特殊的方法可以来解决。
很多人跟我聊都说你们为什么叫上海冰鉴科技股份有限公司？为什么叫冰鉴，这是晚清曾国藩镇压了解散了湘军回到老家写的一本书叫《冰鉴》，包括识人的关键，包括面相等等，相当于我们进行特征总结和建模，对人进行评估，所以，我们创立这家公司时觉得冰鉴这个名字还挺有意思的。一开始我想到另外一个名字，徙木立信，商鞅变法的时候说，后来我太太说这不行，徙木立信是政府的行为告诉你我的改革是能成功的，你评估企业和个人，和政府的信用还不太一样，所以我后来想徙木立信以后出发开发票很麻烦，以后不知道的用了土木理性还麻烦了，所以还是用了冰鉴这个词。
小微企业征信和个人征信还是不一样，传统企业有很多参与其中，陈总的FICO在美国做得相当不错，邓白氏做得也不错，还有益博睿在小微企业征信方面迈出了比较令人尊敬的尝试，新兴企业也有很多，比如OnDeck在几个月前刚刚上市，市值现在大概4亿美金左右，还有Kabbage最近一轮融资大约10亿美金；CAN这家公司现在的估值也已经超过了20亿美金。这些新兴企业都会把所谓大数据融入当中对小微企业进行征信。中国小微企业征信才刚刚开始，个人征信才刚刚开始，小微企业更是如此。没有征信的企业相对护城河比较宽，参与的人不是特别多。
在美国基本上个人征信是以FICO为基础的，同时以Equifax、Transunion、Experian信用局共享江山，大家一般会以这三家查任何人的分数，一般是以FICO为基础的。信用里我的老东家ZestFinance为代表性机构之一，设计了很多领先的算法。ZestFinance这家机构本身进行信用评估，也是贷款商，把贷款借给别人，这和FICO不一样，不是第三方，也不是所谓的州里平台，比如Z在美国平均一个人借款额度在500—600美金左右，还款额度在5—8个月之间，如果是另外一家竞争对手，比如德克萨斯ZicFinance(音)他就不敢给ZestFinance，如果重力第三方平台能像Finance提供中立征信，就能缓解大家相互之间不信谁的现象。
小微企业护城河比较宽，小微企业行业非常分散，做餐饮的，做服装的，做设备租赁的，每个行业能一样吗？即使我采集到了和个人征信相同数量的数据，但实际上我可以训练的数据远远小于训练征信的，吸收的数据量太大。在中国，小微企业为了快速成长，几乎没有不做假帐的，如果获得风险投资的公司还有三本帐，给自己的帐和税务局之间，垃圾进垃圾出，做模型也没有什么办法。关键你对小微企业的流水要进行分析，但小微企业分析不是一件很简单的事情，怎样把流水分析做好也是很难的。贷后的部分其实也很重要，我把钱借给你了，你是不是应该准时地还，即使现在能准时还，我是不是建立个模型预测你是不是有可能不还了呢？这几个在目前国内，除了冰鉴之外还有其他几家公司，相对也还算做得不错，能够解决一部分所谓小微企业征信当中的难题。
中国征信市场，我想做各类比，我想了一下有一定的道理，所以拿出来和大家分享一下，19世纪末、20世纪初因为爱迪生的愿意使照明电进入普通老百姓家里，一开始并不是这样的，只有有钱人才有这个全力，在大原子后面给爱迪生公司做个柴油发电机，他家就有电了，周围还是没有电。之后有中心的火力发电站发电把高压电传输到老百姓家里去。
现在刚刚起步大公司的，阿里、腾讯、平安，当年有钱的大户人家，他们有自己的模型团队，好比自己后院假设了发电机，对自己的模型团队进行评估把这个模型做出来，更普通的二线、三线金融机构和P2P平台怎么进行评估，没有专业团队模型成员给他们做技术支持的话，像Finance、冰鉴这样的第三方透明平台给他们信息保障，反馈信息给他们，他们很难把征信工作做下去。
大家可能会问，一家好的征信和数据处理公司到底需要什么东西，大数据讲了那么多，后面在我主持对话当中也会讲到这一点。我认为，第一，中国现阶段还根本谈不上建模，数据源的差异，如果现在我知道这个人刚刚在拍拍贷借了钱没还，我根本不用建模就知道不应该借钱给这个人。如果我不知道呢？可能通过一套复杂的模型才能简单预估出一个可能性来，如果数据源有差异可能第一步就领先于别人了，如果数据源有差异，今后五到三年之中数据源差异一定会被慢慢抹平。
抹平之后，你要有整合能力，你有成本，有时间成本和技术成本，这时候你要判断在特定场景里你到底应该有哪些数据。有了这些之后才有了数据的清洗能力，数据处理能力，再到下一步才是我们的建模能力。建模能力目前只改在第四位，尤其中国特色当中。后期BI智能分析能力和你的模型能不能结合起来，结合在一起才是征信公司有没有综合实力简单的评估标准。
如果你不能穷尽金融数据直接进入社交数据，我个人认为是费时费力，而且不一定能得到好结果的事情。中国征信的合规性在大步向前，性别、种族等最好用的变量可能慢慢退出历史舞台，我们的应变是什么。现在在美国和很多成熟的信用国家要拒绝的时候要发一封信给他，告诉他我什么原因把他拒绝了，在中国现在还不需要，以后一定会，要用含有科技水平的拒绝信给他回应，直接回答客户为什么拒你。如果以后使用学习问落呢？使用了朴素贝叶斯呢？当使用其他算法，当线性变成非线性，低维变成高维空间时，所有的变量融合在一起，你知道一个或哪几个变量才是有用的呢？所以，这是后来需要考虑的问题，是说在前面的话。
我的分享就到这里，非常感谢大家！
金融业创新层出不穷，行业发展面临挑战与机遇。银行频道公众号“金融e观察”(微信号：sinaeguancha)，将为您提供客观及时的新闻精粹，分享独家、深度、专业的评论点睛。
