儘管征信市場規模並不是動輒萬億， 但是幾乎所有互聯網巨頭和眾多創業者都看好這一領域， 蓄勢大顯身手。 冰鑒科技， 就是其一。 做征信， 有哪些生意經？
本文共計2843個字， 閱讀時間4分鐘。
文/劉景豐
專案要點：
1、100年前， 曾國藩寫了一本識人相人的《冰鑒》， 自此冰鑒也成了識人相人術的代名詞。 而今天， 冰鑒科技則運用機器學習和大資料技術， 對小微企業和個人提供獨立透明協力廠商征信服務， 可謂是現代版“識人相人術”。
2、互聯網消費金融的發展， 讓個人征信市場取得前所未有的發展， 已經成為互聯網金融的基礎設施。 根據艾瑞分析， 2017年， 中國個人征信行業潛在市場規模為1969.9億元， 實際市場規模約為222.3億元， 可發展空間巨大。
3、相對於業內其他參與者， 冰鑒的征信產品覆蓋貸前的精准行銷， 反欺詐模型、授信模型、信審模型、風險定價模型以及貸後的監控模型、催收優化模型、客戶留存等全產業鏈，
儘管看不見、摸不著， 但你的信用資料的確能影響你的方方面面， 只要你還打算從家裡出門的話。
貸款需要征信， 共用單車需要征信， 乘坐飛機需要征信， 入住酒店需要征信， 出去旅遊需要征信， 甚至交個朋友都需要看看你的信用……
儘管征信市場規模並不是動輒萬億，
創業契機：環境利好， 美國博士攜技術歸國
在許多人眼裡， 2015年以前的顧淩雲已經算得上成功人士：美國卡內基梅隆大學電腦碩士和博士， 畢業後到華爾街加入半透明資本做演算法工程師；兩年後作為創始成員加入Zest Finance， 三年裡開發了六代模型， 完成三輪共5400萬美元融資；此後又成為Kabbage首席資料科學家。 也正是在Kabbage， 顧淩雲深入地接觸了征信領域。
2013年顧淩雲認識了IDG資本合夥人並成為IDG駐場企業家（EIR）， 開始往返中美， 在美國看機器學習相關的專案， 在中國則看互聯網金融專案。
顧淩雲發現， 中國金融環境正在發生驚人轉變。 首先， 2008年以後， 美國金融體系在收緊， 而中國金融體系在去監管化。 在一個希望有金融和高科技創新的領域， 去監管化是個利好。
其次， 16年的美國生活， 讓顧淩雲對美國金融體系瞭若指掌。 美國的金融市場覆蓋廣， 初創公司想在商業模式為主導的金融領域取得革命性進展幾乎不可能。 但在中國， 傳統金融機構線下服務的人群或者解決方案都遠遠沒有達到美國的水準， 提升空間很大。 此外， 有賴於美國完善的征信體系， 美國富國銀行的小微企業貸款批准率超過了35%， 而中國小微企業在銀行借貸成功的批准率低於2%。 他認定， 征信在國內金融市場中必有一番大發展。
當然國內經濟環境的改善也讓顧淩雲看到了另一片市場：以高科技為驅動的企業越來越多， 國內的智慧財產權保護越來越好， 這讓高科技公司更有研發動力。 而他自身的技術優勢， 恰恰適應這種環境。
2015年6月， 經過兩年的觀察， 顧淩雲認為中國金融市場征信的發展氛圍開始形成。 於是他帶著16年的技術從美國回到上海， 創立冰鑒科技， 先攻小微企業征信。 因為小微企業對個人股東需要征信， 所以業務範圍後擴展至個人征信領域。
市場現狀：征信的“協力廠商獨立”沒那麼簡單
顧淩雲看到的個人征信領域， 其實並不是順風順水的海域， 而是一片沼澤地。
早在冰鑒創立之前的2015年初， 國內已經有8家規模比較大的個人征信企業在央行開始試點個人征信牌照， 期限6個月。彼時個人征信市場，已經被越來越多的互聯網巨頭和創業者看好。
6個月後，當大家高高興興準備拿牌照的時候，央行卻發來一道“聖旨”：8家試點個人征信的企業無一達標，期限延期兩年。兩年後的今天，仍然路途艱難。
原因不外乎有3點：各家企業除了做征信業務，還涉及信貸、行銷等業務，征信業務不獨立；資料只是根據自己的商業版圖獲取，來源單一，“資料孤島”現象嚴重；征信企業缺乏對個人資料隱私性保護，資訊安全難控。
國內的征信市場，近80%都是資料的底層提供商，資料來源的擁有者本身具尋租和變現的需求，因此資料提供商不能作為核心的征信機構。
資料的變現，產生了黑市。所謂黑市，即以非正常的價格交易不合法的資料，這些資料要麼是一些隱私資料，要麼是一些“摻水”數。如果將這些資料用於征信評估，無疑是大大降低信用度，而且對個人資訊也不安全。
剩下的20%才屬於征信領域。但因為征信投入大，短期盈利難，所以很多做個人征信的企業，同時做信貸業務，雖然開闢了新的盈利途徑，但是造成了征信業務不獨立，“自己既做運動員，又當裁判員”。
基於這一點，冰鑒科技創立之初就確立了一條原則：堅持做獨立協力廠商，不碰觸信貸業務。
為此，幾輪融資後冰鑒的股東變得足夠分散：目前股東數有10家之多，即使想要把征信業務偏向于哪一方，這麼多的股東也沒法兒做到統一，最終還是要不偏不倚。
目標規劃：對標美國FICO，年內率先盈利
在商業模式上，冰鑒選擇從企業征信切入，同時開展個人征信，為有信貸需求的金融機構出具借貸企業或個人的信用查詢；同時也為金融機構提供風控諮詢，説明建立風控模型，從中獲取盈利。
比如，當一個人到信貸機構借款時，需要出具個人信用報告。他就可以授權冰鑒對其進行信用分評估，通過搜索該使用者金融平臺的借貸資訊（借貸記錄、還款記錄等）、金融資料（銀行流水、個人消費等）、非金融資料（電商、出差、旅遊、司法記錄等）等多維度數據，將這些資料加入一個演算法模型，進而得出其信用分。金融機構據此決定是否放款、放款額度等。
這有點類似於美國的FICO（美國個人消費信用評估公司，它開發出一種個人信用評級法已經得到社會廣泛接受）。只不過美國信用市場更完善，FICO專注通過演算法模型得出信用評分，不需要建立資料庫；而冰鑒不僅要自己建立模型，出具信用評分，還要搜索資料，建立自己的資料系統。
在企業征信方面方法類似，通過企業的工商註冊資訊、涉訴資訊、對外投資資訊、輿情資訊、財務資訊、納稅資訊、法人資訊等多維度數據，用特定模型分析後可得出企業的信用評分和風控報告，幫助信貸機構決定對該企業的授信額度。
目前冰鑒科技征信產品覆蓋從貸前的精准行銷，反欺詐模型、授信模型、信審模型、風險定價模型以及貸後的監控模型、催收優化模型、客戶留存等全產業鏈。服務的金融機構有四類：傳統意義上的銀行、P2P 平臺、小貸公司以及互聯網金融公司。
相對于傳統的人工風控授信，這種基於大資料演算法的“識人相人術”無疑更客觀、更高效。平均而言，目前冰鑒已經做到將金融機構的風控能力提高30%-40%，而審批率則可以提高50%以上。這無疑為金融機構在保證存量的基礎上，挖掘了另一塊商業價值。
在具體應用場景中，冰鑒科技還推出了線上小額現金貸款解決方案、貸管家、投管家等多個標準化產品。與傳統依賴強授權獲得使用者通話記錄的方式相比，冰鑒的線上小額現金貸款解決方案基於機器學習演算法，僅需要使用者的三要素（姓名、身份證號、手機號），就能做出更精准的判斷。
在信用分使用方式上，有3種模式：直接使用冰鑒的信用評分作為唯一決策資料；用冰鑒的信用評分與自己的判斷依據相結合，得出決策依據；用冰鑒提供的變數資料與自己的演算法模型結合，得出一個新的信用評分。
顧淩雲說，目前已經有十多家城商行、農商行與冰鑒開展合作，此外還有一些P2P、小貸公司等也與冰鑒達成合作，“合作單位的數量已經超過150家”。
今年4月，冰鑒對外宣佈完成一筆1.1億元的A輪融資，從創立至此冰鑒已完成3輪融資，總額超過1.6億元人民幣。儘管業內許多人士對個人征信領域的盈利並不樂觀，但剛剛過完2周歲生日的冰鑒已經逐漸走上盈利的道路。“我對今年的盈利比較樂觀，我們今年已經開始與國有大銀行對接，爭取今年在五大行中樹立一個標杆的合作夥伴。”顧淩雲說。
在征信這片沼澤地裡，冰鑒已經走出了一條自己的道路，然而在巨頭環繞中，要走好這條路，還需要經歷一些考驗。
期限6個月。彼時個人征信市場，已經被越來越多的互聯網巨頭和創業者看好。6個月後，當大家高高興興準備拿牌照的時候，央行卻發來一道“聖旨”：8家試點個人征信的企業無一達標，期限延期兩年。兩年後的今天，仍然路途艱難。
原因不外乎有3點：各家企業除了做征信業務，還涉及信貸、行銷等業務，征信業務不獨立；資料只是根據自己的商業版圖獲取，來源單一，“資料孤島”現象嚴重；征信企業缺乏對個人資料隱私性保護，資訊安全難控。
國內的征信市場，近80%都是資料的底層提供商，資料來源的擁有者本身具尋租和變現的需求，因此資料提供商不能作為核心的征信機構。
資料的變現，產生了黑市。所謂黑市，即以非正常的價格交易不合法的資料，這些資料要麼是一些隱私資料，要麼是一些“摻水”數。如果將這些資料用於征信評估，無疑是大大降低信用度，而且對個人資訊也不安全。
剩下的20%才屬於征信領域。但因為征信投入大，短期盈利難，所以很多做個人征信的企業，同時做信貸業務，雖然開闢了新的盈利途徑，但是造成了征信業務不獨立，“自己既做運動員，又當裁判員”。
基於這一點，冰鑒科技創立之初就確立了一條原則：堅持做獨立協力廠商，不碰觸信貸業務。
為此，幾輪融資後冰鑒的股東變得足夠分散：目前股東數有10家之多，即使想要把征信業務偏向于哪一方，這麼多的股東也沒法兒做到統一，最終還是要不偏不倚。
目標規劃：對標美國FICO，年內率先盈利
在商業模式上，冰鑒選擇從企業征信切入，同時開展個人征信，為有信貸需求的金融機構出具借貸企業或個人的信用查詢；同時也為金融機構提供風控諮詢，説明建立風控模型，從中獲取盈利。
比如，當一個人到信貸機構借款時，需要出具個人信用報告。他就可以授權冰鑒對其進行信用分評估，通過搜索該使用者金融平臺的借貸資訊（借貸記錄、還款記錄等）、金融資料（銀行流水、個人消費等）、非金融資料（電商、出差、旅遊、司法記錄等）等多維度數據，將這些資料加入一個演算法模型，進而得出其信用分。金融機構據此決定是否放款、放款額度等。
這有點類似於美國的FICO（美國個人消費信用評估公司，它開發出一種個人信用評級法已經得到社會廣泛接受）。只不過美國信用市場更完善，FICO專注通過演算法模型得出信用評分，不需要建立資料庫；而冰鑒不僅要自己建立模型，出具信用評分，還要搜索資料，建立自己的資料系統。
在企業征信方面方法類似，通過企業的工商註冊資訊、涉訴資訊、對外投資資訊、輿情資訊、財務資訊、納稅資訊、法人資訊等多維度數據，用特定模型分析後可得出企業的信用評分和風控報告，幫助信貸機構決定對該企業的授信額度。
目前冰鑒科技征信產品覆蓋從貸前的精准行銷，反欺詐模型、授信模型、信審模型、風險定價模型以及貸後的監控模型、催收優化模型、客戶留存等全產業鏈。服務的金融機構有四類：傳統意義上的銀行、P2P 平臺、小貸公司以及互聯網金融公司。
相對于傳統的人工風控授信，這種基於大資料演算法的“識人相人術”無疑更客觀、更高效。平均而言，目前冰鑒已經做到將金融機構的風控能力提高30%-40%，而審批率則可以提高50%以上。這無疑為金融機構在保證存量的基礎上，挖掘了另一塊商業價值。
在具體應用場景中，冰鑒科技還推出了線上小額現金貸款解決方案、貸管家、投管家等多個標準化產品。與傳統依賴強授權獲得使用者通話記錄的方式相比，冰鑒的線上小額現金貸款解決方案基於機器學習演算法，僅需要使用者的三要素（姓名、身份證號、手機號），就能做出更精准的判斷。
在信用分使用方式上，有3種模式：直接使用冰鑒的信用評分作為唯一決策資料；用冰鑒的信用評分與自己的判斷依據相結合，得出決策依據；用冰鑒提供的變數資料與自己的演算法模型結合，得出一個新的信用評分。
顧淩雲說，目前已經有十多家城商行、農商行與冰鑒開展合作，此外還有一些P2P、小貸公司等也與冰鑒達成合作，“合作單位的數量已經超過150家”。
今年4月，冰鑒對外宣佈完成一筆1.1億元的A輪融資，從創立至此冰鑒已完成3輪融資，總額超過1.6億元人民幣。儘管業內許多人士對個人征信領域的盈利並不樂觀，但剛剛過完2周歲生日的冰鑒已經逐漸走上盈利的道路。“我對今年的盈利比較樂觀，我們今年已經開始與國有大銀行對接，爭取今年在五大行中樹立一個標杆的合作夥伴。”顧淩雲說。
在征信這片沼澤地裡，冰鑒已經走出了一條自己的道路，然而在巨頭環繞中，要走好這條路，還需要經歷一些考驗。