繼高企的獲客成本后，征信數據調用，正成為中國無數普惠金融疾行軍一塊隱性的、數目不低的成本。

監管一直希望貸款（快速審批秒下款）類機構能真正踐行小額、分散的普惠金融之路，然而，我們必須意識到的是，如果放款機構的人均借款額只能維持在區區幾千元的水準線、貸款定價還不能過高，此外放款機構還要去負擔數千萬級借款人、人均數十元的征信查詢成本，對于本身以盈利為目的的商業機構來說，負擔真不算小。

券商中國記者調研了7家放款類機構（含貸款交易撮合平臺）。作為普惠金融踐行者，或者說希望以普惠金融為目標的機構，他們共同呼吁，借款征信查詢成本能夠進一步降低；或者，在同樣的成本范圍內，所獲取的數據能夠更加精準有效。

做普惠金融不能僅靠監管不斷呼吁，只有我們從實際業務痛點倒推貸前環節需要優化的地方，才能最大化激發機構做普惠金融的熱情。

兩筆賬目勾勒征信查詢成本

從數學的角度，讓我們來算兩筆賬：

1

一個持牌的、具有發放貸款資質的金融機構（互聯網銀行或消費金融公司），在它每做出一次授信決策之前，就要花1塊錢查詢央行征信；2塊錢調用鵬元征信以及中誠信的學歷信息接口、航旅信息接口和住宅信息接口；再花2塊錢查詢芝麻信用和騰訊征信；然后再花2塊錢查詢滴滴和美團信息……請問，最后按照風險權重配比，把整一籮筐的征信信息都查完，單個用戶至少要花多少錢？

這家持牌機構展業三年的總貸款申請人數大約6000萬，那么它平均每年花在平臺首次貸款客戶上的征信查詢成本有多少？

如果這家機構的過審率為15~20%，而復借的用戶達到50%，用戶每復借一次還要再查詢一次，那么這家機構花在復借審核征詢查詢上的費用有多少？

最后，這家持牌機構平均一年至少要花多少錢在借款人征信查詢上？

2

一個非持牌的小型消費金融公司/大中型P2P，在它每一次授信/貸款撮合之前，也要花2元多錢調用芝麻信用反欺詐信息和騰訊征信社交數據；然后再花3元左右查詢同盾和百融數據，調用運營商、航旅、教育等數據。

綜合下來，一個客戶單次查詢要花費約5元錢的征信查詢成本。平臺的過審率達到70%，復借戶不需再度查詢，只需接入平臺自身開發的風控模型。展業四年，這家公司的借款總戶數已經達到三千萬規模，實際借款用戶近兩千多萬。那么，這家非持牌機構一年至少要花多少錢在征信查詢上？

兩個問題如果只站在數學角度探討，第一個問題所涉持牌機構年均征信查詢費用要在1.5億左右；第二個問題所涉非持牌公司年均花費3750萬。相對各自的營收，這筆費用都不足以構成負擔，但都不是一筆小數目。

但我們需要知道的是，現實的數字或許會更大：因為只有當家機構的借款用戶規模足夠大、信查詢量足夠大的時候，放款機構對于征信提供商才有議價權，才能享受上文所述的批量合作下的查詢費用。

放成一筆貸款要調用的數據有哪些

必須說明的是，上述兩個案例均無指代特定公司，而是記者在采訪了一家互聯網銀行、三家持牌消費金融公司、三家非持牌貸款類（含撮合）平臺后綜合得出的平均數據。

一家民營銀行的高管告訴記者，央行征信查詢是最便宜的。“早年間，央行征信查詢還要10塊錢一筆，近兩年給商業銀行的是2~5元一筆。考慮到民營銀行初建，給民營銀行和一些持牌消費金融機構的價格，都是一元一筆。但它不是繳一次就完事，復查是照常收費。比如我們每季度進行貸后管理要查詢信息，進行信用污點跟蹤，這里是照常收費的。”該民營銀行高管告訴記者。

但央行征信并不能作為信審數據單一來源。上述民營銀行高管和一家大型持牌消費金融公司高管告訴記者，他們均在央行征信之外，調用了鵬元、中誠信、芝麻信用、滴滴、美團等第三方機構數據接口，這些垂直細分征信數據共同構成了信審數據籮筐。

“比如我們有的時候還要查借款人學歷、航旅記錄、出行信息、手機通訊信息等，就會跟目前的第三方機構合作。他們的數據維度其實越來越豐富，但我們不會只和一家合作，而是和多家合作，調用各家不同的數據接口。比如我調用鵬元的學歷、調用芝麻的反欺詐，用哪家的什么數據，我們有自己的邏輯模型。”一家大型持牌消費金融公司高管告訴記者。

此外，我們必須要知道的是，中國有無數的非持牌放貸類機構（包括撮合貸款的P2P），目前沒有資格接入央行征信。

綜合一家非持牌消費金融公司和兩家P2P平臺的總經理的說法，他們目前主要接入的第三方征信公司有同盾、百融、芝麻、騰訊、百度、前海征信等，通常不會一次性全部接入，同樣也是根據自己的客群屬性調用接口。

“我們的單個借款用戶征信查詢成本已經算是業內較低了，一個才四塊錢，我知道有很多公司是5~8塊左右。當然我們的量（借款人量）比較大。據我所知，業內最低的應該就是螞蟻借唄，他們對自己的數據極其有自信，當然人家的數據確實比較好，單個成本才2塊錢左右。”一家非持牌貸款類機構高管告訴記者。

基于商業機密的角度考慮，上述機構并未全向記者明言征信查詢占運營成本的比重有多大，但記者獲知的三個公司來看，最低的是蘇寧消費金融，征信查詢成本占比為10%；另外兩家分別為20%和30%左右。

“不管占比多少，借款人數在千萬以上的平臺，幾乎每年都要掏出上億元在征信查詢上。占比其實跟各個公司自己的業務特性有關，有些公司天然有場景、有入口，那么他們花在獲客上的成本可能稍微小一點，那么征信查詢的占比就大了；有些風控比較粗放，他就是愿意把錢花在推廣啊、獲客啊，那么他們的征信查詢成本占比就沒這么大了。”上述非持牌貸款類機構高管向記者分析。

普惠金融玩家的呼聲

“作為普惠金融機構，我們更在意央行數據之外的數據，包括馬上成立的信聯和囊括各部委類似公積金、社保的綜合數據的打通，這些對于大幅降低機構成本有很大幫助。目前數據就是還是存在壁壘問題，P2P和小貸機構類金融機構的信貸數據如果能共享起來，甚至各部委和地市級的數據能打通，對于普惠金融機構發展很大”， 蘇寧消費金融公司相關人士表示。

事實上其所言，極具代表性。

“我對百行征信的寄望是，能做到行業集中共享，打破信息孤島。比如一個借款用戶已經過度負債的話，平臺能夠通過查詢一個接口就意識到這個情況的存在，然后不予以其發放借款標的。”一位P2P高管稱。

上述兩位人士所言，其實反映出的是一個問題——目前不同的征信數據商互為割裂。此前一位個人征信行業專業人士曾向記者表示，出于自身業務保護和商業利益的考慮，各平臺不愿主動將數據共享；更為重要的是，各家平臺對于個人信用評價的模型算法都不太一樣，出于保護個人信息的考慮，各家平臺對外輸出的通常是針對個人標簽化的信用評價，而非涉及隱私的個人具體信息。因此，對于尚在籌建的百行征信而言，如果只是單純從各家平臺搜集這類標簽化的信用評價，其實意義并不大。

除了呼吁多維度統一的數據，有行業人士建議，其實放款機構本身也會對央行征信數據庫進行數據報送，豐滿了后者的數據維度，是否在使用成本上能夠得到進一步優惠。

做普惠金融絕對不是容易的事情，也不能僅靠監管不斷呼吁，只有我們一次次從實際業務痛點倒推貸前環節需要優化的地方，才能最大化激發機構做普惠金融的熱情。

【來源： 券商中國 作者：劉筱攸 胡飛軍 】