去年三月，美国国家消费者法律中心对主要的大数据征信公司进行了调查并发表了一篇重要的调查报告，题目是《大数据，个人信用评分的大失望》。
关注大数据观察网（微信公众号：shuju_net）了解更多精彩资讯
文章指出大数据征信公司的信息错误率高于50%，这些公司的数据模型繁多又复杂，使用不准确的数据，有“垃圾进，垃圾出”之嫌。文章对这些公司的合法性提出质疑，建议政府加强监管。
征信法成大数据征信首要难题
大数据征信在中国问题更大！“征信管理条例”明确规定“采集个人信息应当经信息主体本人同意，未经本人同意不得采集”。
这比美国《公平信用报告法案》对信息采集的要求更严格。如何按照条例要求，让信息主体本人同意用没人能说得清的大数据对其进行征信，这不是个容易事。
坏账的‘不可预测性’是大数据征信的第二个难题
征信的目的是预测借款人是否会守信还贷，那么人为什么会借钱不还?
这里面有两个原因：一是有钱就是不还；二是想还就是没钱。
第一种情况在美国很少，原因是信用报告和就业、住房相关，对中产阶级价值很高。有工作、有钱的人不会为几万美元债务毁掉自己的信用，这是赔本买卖。
但2008年房贷危机后产生了一个比较特殊的现象叫做策略性欠债不还 - 借房贷的房主在房价下跌到比贷款额低很多的时候，再去买一栋房子，然后不付以前买房子欠的贷款，把以前的房子还给银行。这一策略可以“套利”几十万美元。银行只能把房子收回，损失几十万美元。
虽然这些人的信用记录上会有一个污点，但是这对信用报告的影响有限，因为其他的债务照付不误。
这种坏账历史上没出现过，造成这一现象的原因一部分是经济和房价波动，但更主要的原因是政府政策失误，大数据对这种坏账的预测(征信)能力非常有限。
至于没钱还债又可分成两个原因：
一个原因是借款人花钱花得多了，入不敷出。
美国的一些研究调查显示大概有三分之一的美国人是“月光族” -- 每个月把挣的钱基本上花光。这部分人很多是低收入，一旦发生意外，他们就只能把能借到的钱都用上。这些借款的利息都很高，利滚利，时间久了，还不了债，就成了坏账，有了坏账信用评分就比较低。
这部分人有一个不雅的统称叫“次贷借款人” (subprime borrower)，在个人信用信息局的档案里占20%-25%。银行根据信用报告和信用评分的信息识别这样的客户，对他们非常谨慎，贷款卡的紧，贷款额比较低，利息也比较高。
另一个原因，也是最主要、最普遍的原因是借款人收入出了问题。
美国人失业后可以领取失业保险金。美国“劳工统计局”的数字显示在经济好的时候，每四个星期新增领取失业保险金的人口大约是28万人，其中15%的人失业时间会超过半年，称为长期失业。
一年平均长期失业人口约为55万。这个人群中多数也属于“次贷借款人”。而在2009年经济危机的时候，每四个星期新增领取失业保险金的人是65万，长期失业的比例是45%，当年长期失业人口约为380万。
也就是说，经济差的年份里长期失业率是经济好的时候的7.2倍，按人头计算是增加了325万人，增加的这部分长期失业人群大多数曾是“优良借款人”。
美国信用卡的坏账率在2006年是3.5%，而在2010年是10.5%。这七个百分点的增加几乎全部是新增长期失业人口造成的。经济好的时候，要预测哪年会发生经济危机、哪些人会失去工作、失去工作中的哪些人会赖账，这是不可能的。
现在的经济情况和2006年有些相似，没有听说过用大数据预测下一个经济危机的，但要用大数据征信的公司倒有不少。如果清楚坏账增加的主要原因是经济危机造成的失业等内在的不可测性，那么大数据的局限性也就很明显了。
