当腾讯信用分骑上摩拜：只为上车兜风，不跟阿里飙车，先跑起来再说

上线3个月的腾讯信用分终于落地实测了，广州的用户可以凭借腾讯信用分申请摩拜免押金了。

好消息是：退还给你的299元摩拜押金，可能让你有种天上掉钱的感觉；坏消息是，若微信里信用分低的好友太多，你想骑车可能还得交押金。

不论如何，腾讯信用分再次带了一波节奏：各类媒体再次对其热议。

　　 然而，目前大多数媒体只看到了腾讯征信“上车”，氢媒工场分析了腾讯征信的优势与劣势后发现，其实腾讯尚无资格，甚至无意与阿里“飙车”。

　　1、 腾讯征信的劣势：数据深度不足，场景、份额较少

根据官方的介绍，腾讯信用分从 5 个维度对用户的信用进行评估，分别为社交指数、安全指数、财富指数、履约指数和消费指数，是运用大数据、机器学习等技术综合评估的结果。相对而言芝麻信用的 5 个维度是：信用历史、行为偏好、履约能力、身份特质、人脉关系。

　　不难发现一个微妙的细节：腾讯把社交指数排第一位，而 支付宝 把人脉关系排最后。可以，这很腾讯。

　　 ①数据深度不足。

　　我们知道，征信的基础是数据，但并非所有的数据都可用于征信，严格意义来讲， 社交与通讯数据算不上是征信数据，只能其辅助作用。或者说社交数据、通讯数据是弱金融属性的。

有多弱？

先看行业的普遍做法：根据易观此前发布的《中国个人征信市场专题研究报告》显示，央行个人征信中心数据构成中，社保、通讯等非金融数据，只占17%。而芝麻信用虽然将“人脉关系”数据作为评价标准之一，但也只占5%的权重。

再看专家的评论：国内运用人工智能与大数据做征信的专家丁卓博士曾表示：“其实，社交数据征信在做360度的用户画像刻画中，其作用大概只占5%-10%。对于金融行业的评估来说，这些数据不能作为直接的评价参考。”

　　 可见业内普遍认为，社交与通讯数据不能作为征信的主要衡量标准。

这一点不难理解，比如朋友圈、微博、QQ空间的内容，大部分可归结为感性的“秀炫晒”——它并不能真实地反映个体现实状况，由此简单得出的结果，必定与真实的用户画像相去甚远。

正如易观金融行业分析师田杰此前评论所言，腾讯征信最大的挑战在于个人信息的深度，如何获取与个人信用相关的金融信息，行为信息才是最大的问题。

　　 ②市场份额与应用场景被抢占。

除了数据深度不足的劣势外，腾讯信用分还存在一个难题：市场份额与应用场景已被金融系统更为成熟的支付宝占据，并且已形成一定的护城河。

根据艾瑞咨询10月发布的《2017年Q2中国第三方支付季度数据发布研究报告》显示，2017Q2支付宝的市场份额为54.5%，财付通市场份额仅为39.8%。而且支付宝的余额宝个人申购份额Q2还环比增长了22.1%。

可见，相对于近来才发力的腾讯金融而言，支付宝更加成熟的金融体系正在相互协同，产生化反。

　　就芝麻信用来说，发展至今已在信用卡、消费金融、酒店、租房、出行、婚恋、分类信息、学生服务、公共事业服务等上百个场景。反观腾讯信用分，除了摩拜免押金，现在的应用场景主要应用在消费金融领域，包括现金借贷（如微粒贷）、消费分期（如众安车险分期）申请银行信用卡（如 光大银行 、广州银行）。可见，其引用场景（虽然垂直）其实相对狭窄。

　　 不难看出，芝麻信用的先发优势已让阿里跟腾讯拉开距离。

　　 一方面就心理层面而言，用户习惯和忠诚度已逐渐形成。 笔者调查了 周围 十多个朋友，他们绝大多数都表示不会特别重视腾讯信用分的高低增减。“有一个芝麻信用已经够用了”，一个朋友D说。D自2015年芝麻信用上线以来就已开始使用，近3年时间内他的芝麻信用分已从最初的672增长至目前的751分。“三年才加了不到80分，再换一个平台用分数涨上去又得几年”，D说。这像一种隐形的“养成类游戏”，一旦投入了时间、注意力、金钱，就已成为了沉没成本，用户几乎难以转移。这是主观因素。

　　 另一方面在数据积累层面 ，2015年芝麻信用的日数据处理量就已经在30PB以上了，相当于5000个国家图书馆的数据总量，其中包含了用户网购、还款、转账以及个人信息等方方面面数据，数据不论是在广度还是深度上，都是腾讯短期内难以追赶的。这是客观原因。

　　 所以，我们不难得出一个结论：腾讯征信其实中短期内无法与芝麻信用一较高低，它可能也无意这么做。

那腾讯到底想要什么？

　　2、 腾讯征信的优势及打法：先跑起来再说

我们知道，腾讯无往不利的一个最重大的优势在于社交流量——根据《2017微信数据报告》数据，微信9月平均日登陆用户达9亿。

虽然前文提到通讯数据、社交数据存在着“深度不足”的天然劣势，但这些数据覆盖广、难以模拟、维度多等特点依旧能作为腾讯信用分强大的支撑。

　　 利用这些特点，腾讯征信其实早已有一个“不十分完美的征信系统”。 这个系统的底层逻辑，根据自腾讯数据挖掘高级工程师刘黎春此前的描绘是这样的：

1.针对不同的底层数据类型设计特定的挖掘算法,挖掘用户的行为特征,形成底 层标签。综合考虑不同数据来源的,形成更上层的抽象用户标签

2.建立完善的用户画像标签体系结构,从不同维度、粒度对用户进行描述。

3.搭建用户画像挖掘系统,基于大规模存储和机器学习计算平台,定期对全 量用户数据进行计算和挖掘,并提供用户标签的使用和查询服务。

　　 初级系统有了，现在腾讯征信想要的，是尽快让这个个不十分完美的征信系统进入场景，获取数据反馈。

我们这里引进一个模型——《中国个人征信市场专题研究报告》将征信模型精简为四步闭环系统：①数据采集整理、②数据分析处理、③信用产品输出、④商业场景应用。腾讯最大的先天劣势在于数据采集整理（即数据缺乏深度），而第②、③步对于腾讯而言并非难事。

　　 因此，它想要的，是用自己的优势环节推动这个闭环系统开始正向循环，先让征信系统先进入场景，获得效果回馈，收集数据，调整算法，提高评估精度。

如果将这个闭环系统想象成一个车轮，那么腾讯的车轮虽然没有阿里的那样高转速，但只要先“转起来”，随着时间的推移，从长远来看必然形成加速度。

　　与此同时，为了弥补“数据深度不足”的天然劣势，腾讯与多家保险、银行达成数据层面的合作，如2015年就已与 广发银行 和 浦发银行 在数据层面达成合作，最近的11月9日，腾讯又分别与 招商银行 和富德保险集团达成合作，合作领域就包括金融大数据。

　　此前 马化腾 也在公开信中指出：腾讯将把社交平台、内容平台与京东的交易体系全面打通，有望实现零售行业线上线下跨场景的 智慧 连接。不难预测，京东的交易数据未来也将助力征信系统。

此外，通过摩拜这个高频出行场景落地自己的信用分服务，对于腾讯来说是一个不错的优势。

　　 但总体而言，腾讯没能像阿里那样掌握属于自身优势的线上交易场景，其获取交易数据的渠道更多地源自于社交，以及第三方公司，如京东、招行等。这对腾讯信用分在消费指数、财富指数、履约指数三个维度上的判定会有一定限制。

　　3、 总结

互联网企业的征信领域就像一轮麻将，阿里作为庄家已早早上听，还握着一手烂牌的腾讯只是按照自己的节奏默默地摸牌出牌而已。但在不清楚双方底牌的旁观者眼中，二者就是在明争暗斗。

　　 刻意营造腾讯阿里在金融征信领域的竞争，不过是媒体为营造戏剧性张力的惯用技巧而已。他们脑补加戏，暗示“必有一战”，其实刻意掩盖了对竞争双方是否对等的衡量。

所以你若问腾讯：老司机开车了？

它很可能会答：只兜风，不飙车。