互联网征信有什么利弊？

(一)拓宽信用评级的技术渠道，有助于实现准确评级。

首先，互联网征信在技术手段上是对传统征信模式的发展。基于大数据和互联网技术的快速发展，互联网征信拓宽了传统信用评级的技术渠道。传统的信用评级大多基于一定的数学模型。在考察个人或企业的违约率与其他观察变量的相关性的基础上，根据历史数据确定违约率与信用评级的关系。最后通过对被评级人的调查，给出能大致代表被评级人违约率的信用评级。

(二)丰富了信用评级的数据来源，有助于评级更加真实。

传统的评级方法除了技术手段外，还有一定的局限性。第一，根据历史数据预测未来数据是必要的，但根据历史数据预测未来数据存在不确定性。第二，只能依靠个人或企业的财务数据进行分析。在对个人或企业进行评级时，维度相对单一，无法得到全面立体的评级。而且在很多情况下，财务数据更容易被篡改，缺乏其他数据进行交叉验证，降低了评级的可靠性。互联网评级可以在很大程度上避免上述缺点。第一，互联网征信覆盖的数据范围更广，进一步丰富了评级使用的数据，不仅包括金融数据、支付数据、交易数据等传统金融机构的内部数据，还包括社会数据、购买记录、评价记录等非金融机构的外部数据，有助于更加全面、准确地描述个人。第二，互联网征信使用数据的频率更高，互联网征信的数据采集频率是实时的，记录了个人的每一笔交易或社交内容，因此互联网征信有可能实时调整评级。互联网征信的背后是海量的交易数据，可以不断实现数据之间的交叉验证，以增强评级结果的真实性。

(三)丰富信用评级的经营主体，有利于加强市场竞争。

根据央行的最新通知，意味着央行已获准接入8家公司的个人征信业务，这为这8家征信公司合法开展个人信用评级工作奠定了法律基础，也为个人信用评级的发展提供了坚实的法律保障。

不足之处

(A)数据质量需要提高

互联网征信的基石在于拥有海量数据，能够通过海量数据筛选出合适的数据。然而，互联网公司掌握的数据质量仍然存在重大缺陷。第一，互联网公司不能收集个人敏感信息，法律上有禁区，比如个人的支付记录、存款等，而这些敏感信息是影响个人征信结果的重要因素。第二，互联网公司的数据积累太短，导致数据宽度很长，但深度不够。任何模型都需要在一定的时间长度内不断验证和试错。就互联网征信而言，累计时间长度甚至达不到要求，所以互联网公司的征信结果可能没有说服力。

(B)互联网信贷模式的可靠性需要测试。

在解决了数据问题的基础上，还需要解决模型的可靠性问题，模型的可靠性来自两个方面。首先，如何确定一个合理的模型；其次，在确定合理的模型后，如何让信用主体和信用结果的使用者接受。从第一个方面来说，确定一个合理的模型是非常复杂的。模型的成功取决于三个因素:模型设计、数据匹配和应用场景。得益于大数据技术和云计算技术，互联网征信的模型在设计上越来越复杂。模型越复杂，理论上越能真实反映征信情况。然而，模型越复杂，数据质量越高。互联网公司要防止模型设计和数据不匹配的问题。此外，可能还存在模型设计和应用场景的匹配问题。对于不同的应用场景，模型越复杂越好。有必要为应用场景持续设计模型。