2月17日，ZIBS“中国+”系列之“Alternative Data and Credit Assessment”讲座于线上成功举行。活动邀请新开发银行信贷风险高级专业人员Sidharth Kamani围绕替代数据与信用评估展开分享。ZIBS全球合作经理Dasol Kim主持讲座，并就人工智能和电子支付平台对替代数据与信用评估的影响等话题与主讲人展开讨论。

On February 17, ZIBS "China+" series seminarwas held online. Sidharth Kamani, the senior credit risk professional at the New Development Bank, shared his views on alternative data and credit assessment. (Click here for English version)

Sidharth Kamani首先阐述了信用评估的定义。信用评估是一种评估个人或企业信用风险的过程。通常涉及到收集和分析与信用相关的信息，如信用历史、收入、债务、还款记录等，从而确定个人或企业的信用水平。信用评估通常用于决定是否给予贷款、信用卡、租赁合同等信用产品，以及制定相应的利率和条件等。

过去几年中，受机器学习和人工智能对数据的收集的影响，信用评估已经有了新的变革。替代数据的获取正在改变银行评估信用度的方式，使其能够为更广泛的客户提供服务。随着移动银行和机器学习的出现，银行能够优化信用评分，增强发放贷款能力，进而让部分曾无缘相关服务的人获得相应资格，推动普惠金融发展。

Sidharth Kamani以中国的阿里巴巴、腾讯和美国的亚马逊、谷歌和苹果等公司为例，分享了替代数据所遵循的增长模式。这些公司首先创建了电子商务平台，然后以支付平台提供贷款，最后出售保险和储蓄产品。该模式之所以有效，是因为电子商务平台能够帮助公司利用数据搭建替代数据平台，并利用支付平台的附加数据来评估信用度。由此可见，获取数据和分析数据的能力改变了信用评估过程。

同时，替代数据评分彻底改变了无银行账户人群的信用评估状况。无银行账户人群指从未获得过贷款或信用卡的人。由于在银行系统内缺乏相关信用评价，他们会面临贷款利率较高、获得金融产品的机会有限等问题。目前，替代数据评分正在改善这一状况，为首次在银行办理业务的人群提供了更具参考性的信用评估方式。

Sidharth Kamani谈到，支付宝就是一个充分利用替代数据的例子。它甚至能为完全没有信用记录的人提供信用评分——即使你没有信用卡，或者以前从未贷款，在支付宝仍然会获得信用评分。支付宝获取替代数据的重要来源包括移动支付和银行支付的手机。它记录了个人金融交易数据和非金融数据如数字足迹、社交媒体使用情况和社会心理测试等。这些都能够让支付宝更深入地了解个人支付能力和意愿。

关于大数据和人工智能在信用评分领域的应用，Sidharth Kamani表示，基于人工智能的信用评分模型可以依据成千上万的数据点来快速确定信用度。研究发现，该模型的表现并不逊色于传统信用评分模型——它甚至表现更优，这一点在经济不景气的情况下更为明显。Sidharth Kamani强调，虽然用数字足迹收集数据的做法日益普遍，但人们对数据隐私和道德方面的担忧也不能忽略。确保大数据和人工智能相关企业能够以负责任和道德的方式运作，也是当前监管机构的重要课题。在替代数据和机器学习模型领域，美国监管机构正在鼓励更负责任的数据利用，从而推动普惠金融发展。

然而，即使未来有了良好监管，仅靠人工智能的信用评分模型也无法完全消除偏见。苹果公司和高盛公司提供的信用卡服务就存在固有偏见的例子——给予女性的信用额度总是小于男性。在中国，替代数据的使用让新商户能够获得无担保短期贷款，从而更新库存、维持业务。虽然此举带来了新的变革，但也有人担心所使用的数据和模型可能存在偏见。目前，监管机构正在着手处理相关问题。要确保更可靠地使用替代数据，还有很长的路要走。

在最后的分享环节，Dasol Kim同Sidharth Kamani围绕相关问题展开讨论。

针对金融机构应如何处理和防范信用评分模型风险的问题，Sidharth Kamani强调，目前全球都在谈论监管以及将数据中已有偏见纳入算法的必要性，这是所有监管机构都在研究的重要领域。

围绕发展中国家如何推动普惠金融这一问题，Sidharth Kamani认为，发展中国家的金融科技公司使用基于人工智能的信用评分系统有三个关键要素：确保人人都有银行账户、移动电话和互联网接入。值得注意的是，不仅是在发展中国家，全球几乎所有国家的移动渗透率都在增加，这无疑是未来值得探索的方向。

编辑：梁萍