为了帮助贷款机构解寻找新的潜在借款人，统一不同机构提供的评分结果，美国三大全国性信用机构Equifax，Experian和TransUnion希望能够创造一个新标准来挑战已在业内根深蒂固的FICO“黄金标准”。他们为此组建了一支由数据科学家组成的工作队，并要求他们建立一个更具预测性的信用评分模型，在不增加风险的情况下为更多人提供更具一致性的多部门通用信用分数。这个全新的信用评分模型就叫作VantageScore。
从公开报道看，他们把评分的重点放在了被传统评分系统拒绝的那群人身上，比如很少借款的人。新评分模型会认可很少的借贷行为可能是出于自愿，而不是因为缺乏信用。或者由于经济环境前景不好，人们可能信用水平没有变化，只是出于谨慎而改变了自己的行为，减少债务。还有许多可能信用很好的人只是不喜欢用信用卡。这些人在传统评分模型中都因为缺乏相应的数据而获得了低分，但显然这是评分模型的缺陷。
这种思路当然是正确的，但关键是怎么解决上述的问题。VantageScore公司总裁兼首席执行官贝瑞特·伯恩斯表示，现在已经能够识别和测试即将进入市场的监管数据，如房租、水电费和电信费，“我们发现，租金和水电数据确实可以帮助预测信用行为的可预计性”。看起来他们是想通过扩大个人客观数据源的方式来提升对人行为的精准认识和预测。但问题是，这些新数据源在本质上跟信用卡数据没有什么不同，都是行为的客观结果，在蕴含的信用信息上甚至更弱。比如电信费，这同样跟消费习惯有关，因为通信方式现在很多样，费用差异也很大，这些信息跟信用的相关性恐怕远远不及信用卡。而且在增加信息源的同时带入了更多的误差，甚至错误，得是否偿失？
作为对比，美国另一家互联网背景的信用分析公司ZestFinance的模型思路就更像是“全新的”。因为他们采集了更多的主观数据源，并且通过机器学习发现了这些数据的信用相关性。比如申请人填写自己姓名时喜欢用大写还是小写，这是直指人心的一个数据源，这才是信用的本质，不是吗？
所以“权威”机构的工作一开始就过时了，我们需要一个真正的新时代。
本文作者：仓剑，北京米饭科技CEO
