買保險、貸款都看它 數位徵信大浪來襲二

到底分數是怎麼算出來的?曾為台灣多家金融、電信業者建立呆帳評估系統的Deepbelief首席科學家尹相志指出,數位信用評分機制基本原理就是將你的行為,與大數據資料庫做比對,找出跟你有類似特徵的一群人,依據這群人的信用、違約率,估計出你的信用分數。

芝麻信用揭露評估標準,除了是否按時繳交貸款、卡費,還包括預訂旅館與計程車時是否依約現身,網路購物是否在期限內取貨付款,是否常換手機號碼。

還有一個重要參考指標:你的臉書、微信好友。也就是說,如果你臉書好友盡是些不良分子,那麼自己的分數肯定會被拖累。「因為物以類聚,」風險管理專家、東吳大學會計系教授沈大白分析,如果一個人的朋友,平常網路發言都談些風花雪月、賭博喝酒的事,常常在不良場所打卡,代表這很可能是他自己的特徵。

其實,依照個人教育背景、年齡、性別、婚姻狀態、地址進行貸款或保險的風險評估,早行之有年,在美國也有銀行業共享的徵信資料平台,在台灣則有聯徵中心。但新興國家尚未建立這類徵信平台,評估個人信用的難度極高。讓數位信用分數得以快速崛起,成了替代方案。

根據世界銀行(World Bank)統計,中低收入國家中,每10個人只有不到1人擁有信用紀錄。中國的狀況稍微好一些,《中國銀行業產業發展藍皮書》顯示,截至去年8月底為止,在人民銀行登錄有案的9億3千萬人中,只有不到一半人有信用紀錄,遠遜於已開發國家的9成水準。

「未來能評的項目、分數,只會越來越多!」沈大白說,在龐大商業利益的推動下,採用數位信用分數,已經是無法扭轉的大趨勢。

缺點:有統計誤差
一旦出錯,標籤難以擺脫

好處是,如果數位信用分數機制能發展得更完善,線上借貸平台鄉民貸執行長黃智康分析,可讓信用評分更精準,例如讓信用好的人,偶爾忘記繳卡費時,不用繳交鉅額循環利息;讓信用好、行為謹慎的人,可因個人特質而享受特別低的貸款利率與保費,而不是被粗糙的跟類似社經地位的人劃為一類。

但這麼做,卻也可能出現問題:統計誤差。

目前,有越來越多網站採用人工智慧(AI),讓機器自己找出信用給分規則。Google前資訊長梅瑞爾(Douglas Merrill)離職後創立了以AI評信用分數的公司ZestFinance,他大膽預測,到了2030年,AI就能完全取代人類進行核貸工作。然而,透過AI學習出來的規則,卻像個黑盒子,往往連開發者也搞不清背後邏輯是什麼,一旦規則出錯,未來將更難發現,被冤枉的使用者恐投訴無門。

「給人打分數不像下棋,」沈大白說,AI下圍棋很厲害,但為人打分數一旦犯錯,後果很可怕。而且,縱使數位評分資料無誤、公式正確,這樣的給分模型卻忽略了:人是會變的。一個信用差的人可能正在洗心革面,卻因被貼上了難以擺脫的數位標籤,被剝奪奮發向上的空間。

中國國家發改委在今年一月下旬發布的數據顯示,近幾年透過信用分數防堵機制,已經阻擋了842萬人次購買機票、327萬人次買高鐵車票,因此讓109萬人乖乖的履行義務、好從黑名單中移除。

《連線》(Wired)今年1月號雜誌,以封面故事介紹中國興起的信用社會,一不小心恐變成由政府撒下天羅地網,形成全民連坐的監視社會。搭配中國企業任意將客戶資料用於非授權的領域,包括《華爾街日報》、《紐約時報》等西方媒體,已紛紛表達中國「老大哥」之手伸過頭的憂心。

挑戰:防系統偏見
可模擬情境、供開放查詢

在不可逆的大趨勢下,該如何避免整個世界往錯的方向發展?美國已有包括普林斯頓大學、卡內基美隆大學和麻省理工學院,用軟體偽裝成男性、女性、富人、窮人、精神障礙人士,測試這些人在各網站上遭受的不同對待,一一揪出各數位評分系統的偏見。沈大白預測,電腦病毒問世,就出現防毒軟體,未來也可能出現反制被貼數位標籤的服務。

暢銷書《大數據的傲慢與偏見》作者凱西.歐尼爾(Cathy O’Neil),曾是華爾街的量化分析師、並為新創公司開發評分模式。她主張,未來應該強制企業開放大眾查詢自己的數位信用分數,甚至還可能開發出App,讓人們可以模擬萬一當月手頭特別緊,遲繳電話費會扣幾分、如何影響未來貸款買車利率,據此做出個人決定。

「數據不會消失,電腦不會消失,數學更不會消失。」歐尼爾說,人們正日漸仰賴數據所建立的預測模型。信用分數的時代已經來臨,了解如何建立你的信用分數,將是未來的新顯學。

參考資料:TVBShttps://news.tvbs.com.tw/politics/884805