大数据征信的“是与非”

1. 大数据征信的“是与非”

大数据征信的“是与非”
传统信用评估模型是根据一个人的借贷历史和还款表现，通过逻辑回归的方式来判断这个人的信用情况。而大数据征信的数据源则十分广泛，包括电子商务、社交网络和搜索行为等都产生了大量的数据。
　　大数据征信可以通过我们在互联网上留下的这些“足迹”清晰地描绘出一个人，但如何把控数据源的“量”与“度”，各家机构还在不断尝试。更重要的是，最终绘制出的人物“肖像”与个人信用究竟有多大的关联度，至今仍存有争议。
　　此前亦有接近监管部门人士对《第一财经日报》记者表示，个人征信牌照迟迟未能落地，其原因之一也在于监管部门对于大数据征信的商业化应用存有疑虑。尤其，以人脸识别为代表的关键技术的可靠性还有待进一步检验。
　　此外，“另一个更重要的症结在于行政化监管与商业化发展之间的矛盾。”该人士表示，现在个人征信市场的参与者越来越多，远不止申请牌照的八家机构，如果该市场要商业化发展，那么监管方式就要改进。
　　何为大数据征信
　　在FICO中国区总裁陈建看来，征信的本质就是采集和记录信用信息并在整理加工后提供给决策者，而如今，得益于大数据、云计算、人脸识别、深度算法等技术的进步，征信有了更广泛的意义和用途。
　　“只要对消费者的特征描绘和风险判断有显著作用的就可以叫征信。”陈建认为，现在一切信息皆可以成为信用数据，经过分析后用于证明一个人或企业的信用状况。因为数据覆盖广、维度多，因此形成了广义的征信，也就是大数据征信。
　　陈建表示，有价值的大数据具备几个因素：第一要覆盖面广，用户足够多，例如银联、电信的数据；第二维度要有效，能够有效转为结构化的数据，例如电商的数据；第三信息要稳定。
　　不过，对于这种日益崛起的征信新业态，今年7月在上海外滩举办的“2015上海新金融年会”上，央行[微博]征信中心副主任王晓蕾直截了当地提出了疑问，“我不知道你们说的‘征信’是什么”？
　　央行的征信系统是一个“放贷人之间的信息共享数据库”，主要采集的数据为身份信息、信贷信息、非金融负债信息三类，以及部分公共信息。因此，王晓蕾对于征信的基本定义为，“从放贷人那里采集借款人信息”。
　　而另一个“纠结”的概念在于，王晓蕾认为，放贷机构之“征信”是放贷机构基于内部信息的风险管理过程，而征信行业之“征信”是为放贷机构的风险管理提供外部信息支持的活动，征信机构应该是一个纯粹的独立第三方。
　　如果按照这个界定，我们现在所谈到的大数据征信跳脱了传统“征信”范畴内。不再局限于金融属性的信息，并且也打破了“采集者与信息产生没有任何关系”的独立第三方原则。
　　例如芝麻信用、前海征信、腾讯征信，一方面它们的数据来源目前还主要来自母公司阿里、平安、腾讯，而另一方面，它们的兄弟公司又涉足放贷业务，例如阿里小贷。
　　尽管有关大数据征信的定义和效用仍争议不断，但对于既无法接入央行征信系统又面临快速发展的互联网金融行业而言，利用大数据来帮助判定风险、开拓业务已是必然的选择。
　　从应用范围来看，目前大数据征信已从金融业务向生活服务蔓延。其中，最核心的两个价值就是：防范欺诈风险和信用风险。简单来说就是：既要证明“你是你”，还要描述出“你是什么样的人”。
　　如何证明“你是你”
　　无论是在传统金融领域，还是互联网金融领域，给客户做信用评估的前提是必须知道这个人就是他自己。所以，如何利用证明“你是你”是大数据征信首先要解决的问题。
　　尤其，随着越来越多的金融业务互联网化，“反欺诈”面临的挑战也日益增大。“身份认证”的重要性在各项监管文件中反复被强调，而各家机构也在不断探索如何利用新的技术在网上实现身份的核实。
　　其中，在指纹、虹膜、人脸识别等一系列生物识别技术中，人脸识别因技术的成熟度和准确率较高，以及其使用的便捷性而被进一步普及。包括腾讯征信、芝麻征信在内的多家个人征信机构都有组建自己的人脸识别技术团队。
　　此前，在腾讯征信的北京媒体沟通会上，为腾讯财付通、微众银行、腾讯征信等提供图像和模式识别技术支持的优图团队也向大家展示了“人脸识别”在“反欺诈”方面的应用，即如何证明“你是你”。
　　根据现场的演示，在上传身份证照片、自拍照片并与公安部的信息进行比对之后，“人脸识别”的另一关键步骤是活体检测，通过读取随机的数字串，分析声音和唇语等信息来防范有人用视频、照片等方式仿冒用户。
　　据了解，在今年国际权威的人脸识别数据库LFW上，腾讯优图团队在人脸验证测试中达到了99.65%的准确率。目前，微信的“人脸识别”技术已经在腾讯征信、微众银行、微证券开户等场景中开始试用。
　　尽管人脸识别的准确率已经达到较高水平，但该项技术的商业化应用才刚刚起步，它的有效性和安全性仍备受质疑。
　　优图团队研发总监黄飞跃也表示，该技术现在还不能说100%地成熟，而是适用于某些特定的应用环境中。其中，金融领域的身份核实条件较好，由于用户往往是为了通过验证所以比较配合。
　　芝麻信用首席科学家俞吴杰表示，整个的反欺诈产品从身份认证到信息验证再到网络关联，每一步的技术含量非常高。以身份认证为例，现在已有很多的途径，比如信息交叉比对、人脸识别技术、KBA问答认证等。
　　他以网络关联技术为例说明：它能把所有出现过违约行为的身份、手机、设备等关键点都在风险库里面分门别类地保留下来，我们可以通过一层或者多层关联找出所有的风险点供合作伙伴参考，这对技术和硬件要求都非常高。
　　争议大数据征信
　　解决了“身份认证”的问题，接下来就要评估你的信用，即描述出“你是什么样的人”。
　　在关于大数据征信的文章中，我们经常可以看到一些案例，如经常半夜上网的用户可能被认为没有稳定的工作而降低信用评分，买双开门冰箱的用户可能因为有家庭而信用评分较高，微博更新频繁的用户可能因为社交活跃而信用评分较高等。
　　“这些考量因素被过度放大了，也许这只是用户个人习惯而已。但每一个因素与个人信用的相关性有多大？我们还无法完全解释，尤其当数据源不足够丰富时，这些评判便存在欠缺。”芝麻信用的技术专家景艺亮表示。
　　冰鉴科技CEO顾凌云在回国前曾领导并开发了ZestFinance前四代风控模型，在他看来，大数据征信的核心并不是对某个变量极其依赖，而是把很多个都只有微小影响的变量通过非线性的算法整合在一起，从而使模型的整体表现更好。
　　“大数据其实并不一定就是数据量本身大，我们讲求的是变量涵盖的信息维度要多和均衡，然后才是能够通过浅度学习和深度学习等多种复杂的算法把这些变量更有效地糅合在一起。”他表示。
　　王晓蕾认为，互联网记录了借款人以前不可记录的行为，获得了以前无法获取或获取成本很高的数据，为放贷人了解借款人是谁、有没有还款能力和还款意愿提供了新的渠道和方法。但是，相关的信息究竟如何使用有待进一步研究验证。
　　王晓蕾引用2014年美国政策与经济研究委员会(PERC)的一项研究结果称，非金融信息在信贷决策中的作用有限。例如，社交信息对于判断借款人的还款意愿和能力暂无预测力。
　　“诸如水、电、煤、有线电视、手机等非金融信息纳入征信系统，显著地提高了薄信用档案人群的信贷获得能力，但对于厚信用档案人群而言，边际作用不大。”她表示。
　　“只有好样本，没有坏样本是无法建立有效的信用评估机制的。”宜信至诚征信的董事总经理赵卉表示，电商、支付、社交等数据只能作为信贷审核的参考值，而贷后数据才是强参数。
　　对于这种论断，互联网公司们或是不赞同的。
　　腾讯征信总经理吴丹告诉记者，从这段时间内测的结果来看，在模型中加入社交数据以后，对它的风控能力有20%~25%的提升，尤其在小额贷款领域。因为，通常一笔几百块的借款，违约发生的原因不在于借款人的还款能力而是意愿。
　　俞吴杰表示，通过大量的研究证明，人的行为数据和他的信用有直接关联，因为行为很难撒谎。从这段时间公测的结果来看，用户的芝麻分越高，其贷款的违约率越低，二者呈单调、线性的关系，这也证明了芝麻分在信用评估上的有效性。
　　不过，仅仅依靠互联网上的数据并不足以建立一个强大的信用评估体系。显然，所有大数据征信的市场参与者都深知这一点。“在未来，把传统数据和创新数据结合到一起，一定是我们要到达的终点。”芝麻信用的总经理胡滔如此总结到。
　　顾凌云告诉记者，风控模型本质上还是对一个人金融还贷能力的预测和评估，所以，尽管ZestFinance大量采用非传统的信用数据，但在大部分的风险评估模型中，传统的信用数据(银行信贷数据)依然占有一定的比重，平均也在40%左右。

2. 大数据征信与“大忽悠”征信的距离有多远

　　有不少人心存疑虑，质疑大数据征信的含金量和可靠性：
　　1、 数据整合难：央行征信系统并未开放，征信机构无法获取珍贵的信贷数据，而央行对企业在小贷、租赁金融的信贷行为也难以全面掌握；公共数据广泛分散在工商、质检、海关、税务等政府和业务管理部门，虽然建设统一信用信息平台已提上日程，但数据孤岛的问题仍难解；芝麻信用、腾讯征信等所背靠的集团，以及各类P2P平台自建的征信公司本身存在业务交叉和竞争关系，共享“黑名单”易，共享“白名单”难。
　　2、 数据标准缺失：到底哪些信息需要列入征信评估范畴还没一个统一的界定，越来越多的信息被纳入征信范畴，交通违章、地铁逃票等似乎什么都可以往里装，这些都可能构成个人不良征信记录影响个人信贷。
　　3、 公信力遭质疑：“征信采集者与使用者没有任何关系”的独立第三方原则被模糊，首批入围的民营征信机构数据的采集和使用都与自身有着千丝万缕的联系，这就决定了现在市场中的很多模型只能适用于自己的小生态，同时民营征信机构既做裁判又做选手，最终评价的公正性或在市场份额争抢中失衡。
　　4、 评级模型五花八门：中国并不缺数据，但缺乏可以数据通用的评估模型。国内个人征信大多模仿了美国FICO的模型，但在评估维度上五花八门，加上采集的数据差异，这就造成同一个人在不同平台得到的评分可能会千差万别。而企业征信的评级模型，以及债券评级模型的严谨性、科学性在国际上并无强公信力。
　　业内专家指出，只根据数据分析出的规律并不全面，如果仅据此进行风控审核，难免会出现疏漏或偏差。大数据只能作为辅助手段，不能作为风控的决策依据。
　　日前，有媒体报道，商务部正在酝酿制定《互联网金融机构信用评级与认证标准》。中国互联网金融信息查询系统主任、《标准》制定课题组副组长徐洲指出，只有独立的第三方才能避免为利益左右，才能把促进行业规范发展放在第一位，做到客观、公正、及时的信息披露。
　　某金融研究机构人士分析认为，一个从各处收集数据并完成大数据征信的机构，不能是数据来源方，也不能是金融服务的提供方，这样才能避免数据打架的现象。征信行业要真正兴起，发挥应有的作用，还是需要发挥出商安信、中诚信等独立第三方征信机构的力量。

3. 征信和大数据你知道多少？

什么样的征信算好？
  
 信用卡别超5张，刷卡使用率不超60%，例如单张卡10万额度使用别超6万，按时提前还款，不逾期。
  
 贷款笔数不超3家包括银行类和小贷借呗金条微粒贷都算数。
  
 
  
  
 负债包括信贷负债信用卡负债抵押类负债，信用卡按十分之一计算负债，如果月收入能覆盖所有负债加一起的月还款两倍或更多也不影响，如果你月收入5万，月还款5万这种入不敷出显然是不可以。这里有一种负债在某种情况下是加分项，比如房贷按揭。
  
 
  
  
 征信查询记录，征信花了说的就是查询记录太多，查询记录除了个人查询和贷后管理没有任何影响，其他一律都计算次数，次数越多征信越花，一般两个维度3个月不超4次半年不超8次，你在各种网站上点了测算额度哪怕只是看看额度没有借也增加一次查询。
     
 
  
  
 逾期记录一般近两年不超连三累六，意思就是两年内不能连续3个月累计6次逾期。
  
 
  
  
 除了这些可见的，还有不可见的所谓大数据评分，大数据评分在银行看来是个很重要的因素，比如一个人征信很好没有问题，但大数据评分80分以下借款也很有可能被拒，怎么优化大数据呢？社保公积金要有，比如定期去知名商场刷卡消费，用支付工具缴纳水电煤气费，每个月给十个固定朋友通电话这叫有效社区，持续半年大数据都能获取到。更重要的是网贷小贷数量和逾期记录，无论上不上征信大数据都能获取。
  
 
  
  
 如果你的大数据评分是100分，征信没有问题，公积金个缴1000+缴满一年以上，你的额度在300-500w之间。所以征信和大数据非常重要。

4. 到底什么是大数据征信

到底什么是大数据征信_数据分析师考试
国内信用体系建设现状及市场规模
目前中国社会信用体系处于起步阶段。围绕征信体系建设的法律法规、业务规则、数据处理模式及方法正逐步完善和加强，与美国等发达国家相比，我国征信工作主要由央行来主导，与之相关的诚信权威信息目前还没完善，征信体系建设起步较晚。
2013年3月，我国首部征信行业法规《征信管理条例》开始实施；2013年12月，人民银行制定的《征信机构管理办法》正式施行；2014年6月，人民银行征信中心开始对个人查询本人信用报告实施收费制度；2014年6月，国务院出台了《社会信用体系建设规划纲要（2014-2020年）》，明确到2020年，基本建成以信用信息资源共享为基础的覆盖全社会的征信系统。
据人民银行发布的中国首份征信发展报告《中国征信业发展报告（2003-2013）》显示：据不完全调查，截至2012年年底，中国有各类征信机构150多家，征信行业收入20多亿元。此外，人民银行征信中心网站上的数据显示，截至2013年11月底，征信系统收录自然人8.3亿以上，收录企业及其他组织近1940万户。而美国三大个人征信公司在2013年的营收规模就达到了512亿元人民币。国内征信既有很大的市场空间，也有很多问题急需解决完善。
　　大数据征信与传统征信天然互补
传统征信方式存在着五点缺陷：1，封闭、数据不够完善。传统征信方式是通过固定途径收集一些可用作评级的信息，由分析人员对各项数据进行分析、评级，最终得到受评对象履约能力和履约意愿的评级。2. 数据容易失真产生偏差。由于人工的介入，必然受到职业素养、道德品质等主观因素影响，导致对受评对象的评价结果与客观事实存在一定偏差。3.实时性差、后续难以更正。没有用户评价系统，直接用户无法参与评定，难以后续跟踪。在数据失真偏差的情况下也难以更正。4.方便性差。征信平台上传数据积极性低、更新不及时、接入门槛高、查询次数受到限制。5.人力资源成本大。随着未来征信市场快速发展，征信产品种类和数量日益增加。面对巨大而繁杂的业务，人力成本不断增加对于征信企业来说亦是一个不容忽视的问题，行业人才的稀缺与行业快速发展将不可避免地产生矛盾。
大数据催生的征信体系建设则可以很好的解决传统征信体系面临的问题。因为其数据覆盖面广，涉及的维度更全面，通过互联网方便快捷的服务全体商家。
相比传统的征信方式，大数据信用采用云计算技术，从数据录入开始到评价结果输出的整个过程全部由计算机算法完成，避免了主观判断的影响，确保评价结果的真实性；即使同时处理多个受评对象，仍然能够保证快速、准确的高效性。大数据信用的运行成本主要来自知识产权和硬件的投入，相比大规模的人员需求，低成本优势显而易见。此外，大数据信用还能够满足评价结果与信用信息的同步，也就是说，当受评对象的信用信息发生变化时，能够对其信用进行快速及时的计算，保证了信用的动态实时性。
老刘认为未来的征信业将以智能数据分析系统为平台，依靠大数据挖掘技术实现转型升级。一方面依托大数据的征信体系可以深度挖掘用户信用信息，防范潜在的信用风险，实现有效的风险控制；另一方面，依托大数据的征信体系可以在数据充分信息化的基础上实现精细化管理。
　　大数据征信平台助力中小微企业融资
中国中小企业协会副会长、金电联行董事长范晓忻在接收央视采访时表示：“大数据不仅能够对风险进行度量，而且能够做到一定程度的预判”。
大数据征信平台可以通过对中小微企业3到5年，甚至是更长时间的历史生产经营数据以及交易数据进行挖掘、筛选、计算、分析。使企业真实的生产经营状况、成长发展状态，通过数据真实客观的反应出来。将无形的信用进行量化，形成可以让金融机构为企业发放贷款的信用信息。大数据信用融资改变了通过抵质押从金融机构获取贷款的传统方式，从结构上丰富了国家的金融体系。
金电联行作为首批获得中国人民银行颁发企业征信牌照的第三方企业征信机构，中国第一家拥有具有自主知识产权的信用信息云服务平台，第一个提供第三方信息价值链服务的运营模式。已经为中国上千家的中小微企业提供了信用融资服务，累计提供了60多亿元非抵质押的纯信用融资授信。其中融资额度最高达到了6800万元，最低一笔为98万元，而且迄今为止从未发生过一笔不良贷款。在贷后风险监管方面，金电联行也已经为国家开发银行、广发银行等多家金融机构提供将近300亿的监管服务。预计年内，监管金额将超过1000亿元人民币。
据悉，央行上周对首批入围个人征信牌照的机构再次进行调研，对首批入围芝的麻信用、考拉征信、腾讯征信等要做最后验收。一位知情人士透露，首批个人征信牌照有望在本月底发放。老刘相信，未来大数据征信平台将会建立更客观的信用评价体系，从中小微企业融资入手，打破以财务信息为核心的固有信用评价思维，改变以抵押担保为主的传统信贷方式。创建一个低成本、大批量、高效能、全风控的纯信用贷款管理模式。破解我国多年的中小微企业信用融资的难题，并不断向金融资本和社会信用市场延伸，形成以“数据约束”解决“信用悖论”的客观信用理论与评价体系，开创我国信用服务的大数据时代。
以上是小编为大家分享的关于到底什么是大数据征信的相关内容，更多信息可以关注环球青藤分享更多干货

5. 哪位大神告诉我何为大数据征信

1、确实有不同之处，央行征信是传统征信方式，大数据征信是伴随互联网金融发展起来的

2、央行征信与大数据征信差异主要从征信数据来源、权威性、数据完整性、用途等维度区分
3、央行征信特点：数据主要来自银行、证券、保险、社保等体系里构成一个数据循环，权威性高，数据基本完整，主要用于资产评估、银行放贷、信用卡额度等
5、大数据征信特点：数据主要来自互联网各大平台，使用互联网技术抓取或接口合作获取征信数据，资质再好一点的企业可以申请接入央行征信，权威性不如央行征信，但随着互联网金融的发展会越来越重要，数据完整性各大数据征信平台不同，主要用于互联网金融，例如P2P，如果p2p拿不到央行征信数据风险会很大。
6、展望未来：随着互联网金融的发展，大数据征信与央行征信会不断融合直至融为一体，真正的满足数据的完整性，那违法犯罪基本就真的大大减少了，信用真的就是钱！

6. 什么是大数据征信

大数据和征信是两种数据，大数据又称：网贷大数据。
网贷大数据一般为一个用户在网贷平台借款时提交的信息，从放款到还款或者逾期，这些数据都会由网贷公司进行上传至数据库。作为其他网贷平台借款时的审核依据，所以如果网贷逾期了，共享这个数据库的平台就会拒绝这个逾期用户的借款申请。
对于大数据有疑问的，可以在支付宝首页搜索：知否数据。
自行查询大数据报告，如果有违约信息或者法院失信等信息一样会显示出来。
征信统称为：央行征信。央行征信记录的都是银行或者一些持牌机构的数据，为一个人的终身数据，对于用户来说非常重要，房贷和车贷都非常注重一个人的征信资质，如果有未还的贷款，在申请房贷时会被拒绝。

扩展资料：
征信数据库
1、企业信用信息数据库
经几百家分支机构历经10年的采集、加工、录入，日常数百名工作人员的优化、维护等辛勤工作，已经拥有了2000多万家中国区域的企业数据库，涉及有价值企业信用信息达亿条，信用信息最远追溯可达8年，建立起了中国最庞大的企业信用信息数据库。
2、企业信用信息分六大类
分别为政府监管信息、银行信贷信息、行业评价信息、媒体评价信息、企业运营信息、市场反馈信息 。
其中政府监管信息包括企业基本资质、质量检查信息、行政许可/认定、行政奖罚信息、商标/专利/著作权信息、人民法院判决；银行信贷信息包括中国人民银行信贷评价信息、商业银行信贷评价信息、小额贷款公司及民间借贷评价信息。
行业评价信息包括行业协会（社团组织）评价信息、水、电、气、通讯等公共事业单位评价信息；企业运营信息包括企业财务信息、企业管理体系评估信息；市场反馈信息（包括消费者、交易对方、合作伙伴、员工等不同身份的实名评价信息）。
参考资料来源：百度百科-征信

7. 什么是征信大数据?

大数据征信是利用数据分析和模型进行风险评估，依据评估分数，预测还款人的还款能力、还款意愿、以及欺诈风险。在金融风控领域，大数据指的是全量数据和用户行为数据。
目前使用的是围绕客户周围的与客户信用情况高度相关的数据，利用数据实施科学风控。
1、大数据征信模型可以使信用评价更精准：大数据征信模型将海量数据纳入征信体系，并以多个信用模型进行多角度分析。
2、大数据征信能纳入更为多样性的行为数据：大数据时代，每个相关机构都在最大程度上设法获取行为主体的数据信息，使数据在最大程度上覆盖广泛、实时鲜活。
3、大数据征信带来了更为时效性的评判标准：传统风控的另外一个缺点是缺乏实效性数据的输入，其风控模型反映的往往是滞后数据的结果。利用滞后数据的评估结果来管理信用风险，本身产生的结构性风险就较大。

扩展资料大数据出现不良信用记录的原因
征信大数据黑了，就是出现了不良信用记录，当出现不良信用记录，只能继续保持良好的信用，使用5年以后就不会再展示了。不能停用，停用后信息就不再更新了。
根据《征信业管理条例》的规定，不良信息自不良行为或者事件终止之日起展示5年。
对于账户处于正常开立期间的信贷业务，征信中心每个月都会进行更新。但是，信贷业务在销户或结清后，其信息就不会再更新了。
参考资料来源：凤凰网-征信大数据90%是垃圾 真正有用的数据从哪里来？

8. 什么是大数据征信

大数据和征信是两种数据，大数据又称：网贷大数据。
网贷大数据一般为一个用户在网贷平台借款时提交的信息，从放款到还款或者逾期，这些数据都会由网贷公司进行上传至数据库。作为其他网贷平台借款时的审核依据，所以如果网贷逾期了，共享这个数据库的平台就会拒绝这个逾期用户的借款申请。
对于大数据有疑问的，可以在支付宝首页搜索：知否数据。
自行查询大数据报告，如果有违约信息或者法院失信等信息一样会显示出来。
征信统称为：央行征信。央行征信记录的都是银行或者一些持牌机构的数据，为一个人的终身数据，对于用户来说非常重要，房贷和车贷都非常注重一个人的征信资质，如果有未还的贷款，在申请房贷时会被拒绝。

扩展资料：
征信数据库
1、企业信用信息数据库
经几百家分支机构历经10年的采集、加工、录入，日常数百名工作人员的优化、维护等辛勤工作，已经拥有了2000多万家中国区域的企业数据库，涉及有价值企业信用信息达亿条，信用信息最远追溯可达8年，建立起了中国最庞大的企业信用信息数据库。
2、企业信用信息分六大类
分别为政府监管信息、银行信贷信息、行业评价信息、媒体评价信息、企业运营信息、市场反馈信息。
其中政府监管信息包括企业基本资质、质量检查信息、行政许可/认定、行政奖罚信息、商标/专利/著作权信息、人民法院判决；银行信贷信息包括中国人民银行信贷评价信息、商业银行信贷评价信息、小额贷款公司及民间借贷评价信息。
行业评价信息包括行业协会（社团组织）评价信息、水、电、气、通讯等公共事业单位评价信息；企业运营信息包括企业财务信息、企业管理体系评估信息；市场反馈信息（包括消费者、交易对方、合作伙伴、员工等不同身份的实名评价信息）。
参考资料来源：百度百科-征信