替代数据征信的三重维度

　　替代数据是银行信贷数据（即传统信用数据）外的补充数据，是主体在从事经济社会活动时产生的与主体信用评价间接相关的、用以配合信用信息、辅助征信机构判断该主体信用状况的其他信息，包括缴税数据、工商登记信息、企业涉税信息、企业用电数据、企业用水数据、通信缴费记录、海关数据、环保数据、用工数据、奖惩数据、司法诉讼数据等。它是相对传统信用数据而言的，以信息技术为基础，因信息技术而生，依靠信息技术得以广泛应用。替代数据征信通过整合传统信用数据之外的海量信息，改变了传统信用评价对信贷数据的依赖。就其实质而言，替代数据征信是传统征信的补充，提供了传统信用数据、传统评价方法之外的另一种可能性，而不是对传统征信的替代。数字经济时代，替代数据征信服务社会经济发展的价值日益凸显，但也面临技术伦理、法律边界等挑战。只有准确把握替代数据征信的经济逻辑、技术逻辑和法律逻辑，才能更好地推动经济社会高质量发展。

　　替代数据征信的经济维度

　　替代数据征信产生于经济需求。借助替代数据征信，信用服务机构提高了信用评价质量，信用主体提升了信用评价等级，金融机构可以更加精准地识别客户的信用风险。因而，替代数据征信是市场主体理性选择的结果。

　　替代数据征信能够填补传统征信的空白地带。传统征信体系依赖借贷记录、担保信息等结构化金融数据，我国诸多中小企业和个人因缺乏信贷历史而成为信用白户，难以获得金融服务。强化对市场主体的金融支持，发展普惠金融，有效缓解企业特别是中小微企业融资难融资贵问题，替代数据征信可以发挥重要作用。替代数据征信通过采集网络行为数据、社交数据等海量的非结构化数据，挖掘非传统信用数据与信用评价之间的关联性，可以形成大数据信用画像。事实上，信用白户的信用原本就存在，只是传统征信无法彰显，替代数据征信通过数据挖掘将其发现并呈现出来。这就形成了信用评价的两条路径：传统征信与替代数据征信。两者各有利弊，相互结合可以更加全面客观地评价特定主体的信用水平。从这种意义上看，替代数据征信填补了传统征信的不足，为信用白户提供了有效的信用评价支持，可以破解信用白户与金融机构之间的信息不对称，显著降低信用白户的融资门槛。

　　替代数据征信助力金融机构优化风险管理。借助替代数据，可以实现对特定群体更全面的信用评价，更加精准地筛选优质客户，提高信贷营销效率，降低不良贷款率和风险损失率。同时，替代数据征信可以实现对特定主体信用状况的动态评估。传统信用数据类型固定、来源单一，特定主体的传统信用数据在一定时间内保持相对稳定。但替代数据类型繁多、来源复杂，特定主体的替代数据总是处于动态变化之中。正如用电量是经济发展的晴雨表一样，企业物流数据、公用事业缴费记录是判断其经营状况的重要标尺之一。数字经济的发展使得实体经济数字化，方便了企业物流数据、公用事业缴费记录的获取。通过分析企业每月的物流数据、公用事业缴费记录，金融机构可以动态识别企业的信用风险，及时采取积极措施加以应对。此外，金融机构通过实时性的替代数据，可以精准识别客户异常行为，为反欺诈、反洗钱提供更详细、精准的线索，切实服务民生和实体经济。

　　替代数据征信推动金融生态创新。替代数据的应用为金融机构打开一扇创新之门。通过挖掘多样性的替代数据，金融机构可以重塑产品设计与服务模式，使金融服务从标准化向场景化定制转变，形成“场景数据+金融服务”模式。以绿色低碳领域为例，卫星遥感数据与物联网传感器结合，可动态监测企业碳排放、能耗水平，金融机构据此可以为绿色信贷定价。通过降低绿色低碳企业融资成本，可以切实增强其产业竞争优势，有力推动经济发展向绿色低碳模式全面转型。

　　替代数据征信的技术维度

　　经济发展需求是替代数据征信产生的内因，信息技术的发展是替代数据征信产生的外因。数据已成为第五大生产要素。作为数据要素化应用的典型形态，替代数据征信可以通过整合多维替代信息，重构信用评价体系。这不仅成为新质生产力的重要组成部分，更为中小企业科技创新注入了新动能。

　　信息技术催生信用评价新形态。传统征信依赖人工专家作出定性分析，信用专家运用自己的专业知识对类型相对单一、数量极其有限的数据进行分析判断，除依靠逻辑推理外，还需直觉判断。专家经验个性化特征明显，其经验可能不适用于特定类型信用主体的评价。替代数据征信通过机器学习在看似毫无关联的海量数据中发现关联，形成特定个体的信用评分。这一量化评分并不是特定个体的信用原始分数，而是通过大数据技术在相关指标的对比中得出个体在群体中所处的排位，继而量化为具体的信用评分。替代数据征信主要依赖机器学习等数据驱动方法，而非传统逻辑推理，这强化了数据的作用，凸显了算法的重要性。替代数据征信是征信领域的重要变革。替代数据征信通过整合传统信用数据之外的碎片化信息，重塑了信用评价的底层逻辑：评价方法从定性分析转变为定量分析，评价对象从单个个体演变为抽象全体。数据驱动的算法评价导致信用服务机构身份向数据服务商转变。金融科技平台在替代数据征信中占据重要地位，甚至挑战传统金融机构的信息优势，影响其商业模式。

　　信息技术赋能新质生产力发展。科技创新是发展新质生产力的核心要素之一。要依靠信息技术创新驱动，不断催生新产业新业态新模式，用新动能推动新发展。首先，运用大数据技术的替代数据征信本身就是新质生产力的代表。网络行为数据、社交数据等非结构化数据难以用传统的逻辑推理规则处理，而机器学习更适合处理这类数据。数据驱动方式通过特征工程挖掘行为模式、机器学习捕捉非线性关联、图形分析与时序建模揭示动态风险，将碎片化数据转化为信用评估指标。其次，替代数据征信可以更好地服务于作为科技创新主体的中小企业。一方面，替代数据征信依托算法可以提供更加全面精准的信用评价，加快中小企业融资速度；另一方面，替代数据征信重构了信用经济的价值创造逻辑。替代数据信用评价的认识逻辑体现了从原始数据到智能决策的转化过程。实践表明，中小企业的知识产权、研发投入等数据用于信用评价，可以有效降低融资成本。替代数据征信将企业知识产权、研发投入等数据转化为可量化的信用资产，可以推动形成“数据要素—企业信用—金融资本—研发投入”创新循环。金融机构基于创新进程给予企业动态授信，可以保证研发周期长、风险高的科技项目获得持续资金支持。

　　替代数据征信的法律维度

　　经济维度阐明了替代数据征信的必要性，技术维度说明了替代数据征信的可行性，而法律维度则要解决替代征信的合法性问题。因为替代数据征信在推定经济社会发展、实现征信领域数据要素化的同时，也制造了“一切数据皆信用”的假象，模糊了信用数据的边界，过度利用替代数据也可能损害相关利害关系人利益。经济发展的客观需求和技术可行性必须纳入法治轨道进行考量，即以合法的手段实现合法的目的。这是法治政府、法治国家、法治社会一体化发展的应有之义，也是社会信用体系建设的必然要求。

　　划定替代数据边界，构筑合法性管理防线。数字技术的发展导致信用数据范围不断扩张，除传统借贷数据外，凡是经过处理能用于识别和判断信用状况的任何数据均为替代数据，这导致信用数据与非信用数据的边界日益模糊。《征信业务管理办法》第三条确立了信用数据的实质判断标准：“依法采集，为金融等活动提供服务，用于识别判断企业和个人信用状况”。该判定标准虽有助于廓清替代数据的边界范围，然而在具体应用过程中受限于网络数据的复杂性和多来源性，仍可能存在难以精准判定的情形。观念更新、技术变革乃至具体应用场景的更替，都可能导致替代数据范围发生变化。为此，从提升替代数据治理效能出发，宜采取裁量限制的立法模式。具体而言，通过立法构建替代数据边界的二元框架：首先，以负面清单形式明确规定非替代数据的类型；其次，对剩余的非信贷数据以裁量限制方式加以规范，可参照公共信用信息目录与失信惩戒措施清单的治理范式，授权有关机关建立替代数据目录动态更新机制。

　　替代数据处理应当注重隐私等权益保护。要坚持以人为本、智能向善。在替代数据处理过程中，必须加强个人隐私、商业秘密和国家秘密的保护，防范替代数据滥用的社会危害。替代数据数字化的特点决定了仅仅赋予信用主体权益和强化政府监督职责，不足以保护相关利害关系人的利益，必须健全信用服务机构的保护义务。因此，完善征信法律规范的重点，就是在确立替代数据处理规则的基础上，明确信用服务机构的保护义务。徒法不足以自行。必须善于运用技术措施解决技术引发的隐私保护问题，将信用服务机构的保护义务转化为具体的技术措施。通过加密、脱敏等技术手段，解决替代数据被重新用于识别特定个体和数据的安全问题，建立系统科学的个人隐私、商业秘密和国家秘密保护方案，实现法律与技术的有效衔接。

　　替代数据征信的三重维度揭示了其经济价值、技术优势与法律逻辑的内在关联。在现代法治语境下，只有构建适应性法律框架，回应替代数据征信的经济需求和技术理性，才能实现公平、效率与安全的价值追求，引导征信制度从信用评价向信用赋能变迁，从而推动经济社会高质量发展。

　　（作者单位：首都师范大学政法学院）