这些年，大数据及相关行业迅速发展，在金融行业也得到了多方面的应用，尤其在客户画像、信用评级、欺诈排查、信息修复等方面，大数据的应用更是助力了互联网金融的发展，成为了央行征信之外的有力补充，为服务没有传统征信历史的客户提供了便利。但是在发展过程中，行业出现了各种乱象，也出现了侵害用户信息权益等问题。2020年12月30日，央行对鹏元征信有限公司进行了行政处罚，涉及“未经批准，擅自从事个人征信业务活动”“企业征信机构任命高级管理人员未及时备案”两项违法行为。从事个人征信业务的机构需要向人民银行进行信息备案，更具体的来说，是需要按照《征信业管理条例》第七条的要求由央行批准后才可以持牌经营。
为完善征信体系的建设，规范征信业务及其相关活动，2020年1月11日人民银行公布了《征信业务管理办法(征求意见稿)》（以下简称《办法》）。该《办法》将客户画像、评分评级、反欺诈、信用修复服务，即信用信息服务、信用服务、信用评分、信用评级、信用修复等涵盖在征信服务中，这相对比2013年的《征信业管理条例》来说，征信业务不仅范围有所扩大，而且对征信业务更加具体化、细化，这也正适应了这些年大数据这些年发展所触及的领域。在征信信息方面，对征信评分评级、反欺诈所依据的信息和认定标准的公示做出了要求；对征信机构整理、保存、加工信用信息的原则做了明确，需遵循客观性原则，不得篡改原始数据。
那么我们回到本文的题目，那些之前做大数据征信业务的企业，业务影响如何？路在何方？在回答这个问题之前，我们来看一下国内征信业发展的简要历程。
为了让企业和个人金融信用数据流动起来，提高金融市场效率，人民银行2006年组织全国商业银行建立了征信中心，采集和整合了全国金融机构的数据，提供对个人和企业金融信用信息的查询。央行征信中心在解决处理信贷金融风险问题上发挥了重要作用，同时促进了国民经济发展。
截至2019年4月，央行征信系统已采集9.9亿人信息，有信贷记录的自然人为5.4亿人，还有大量自然人未被央行征信中心覆盖。这是因为央行征信中心服务的对象是直接受到监管的金融机构，对于没有受到监管的机构，央行未收集信息，也无法为其服务。例如，互联网金融平台在国内从2007年起开始萌芽，到2020年才有的机构接入到央行征信系统中来，在过去的13年的发展过程中，由于各种原因，如数据质量的问题、机构资质的问题、覆盖客群的问题等等，无法使用央行征信。中间也发生过征信风险，金融机构从业人员进行征信数据的倒买倒卖，就此，央行多次强调将继续加大对违规采集、查询和使用个人征信信息的惩处力度，提高征信信息侵权行为的成本。由于缺乏有效的信息共享，个人多头借贷、过度借贷、骗贷等行为不断出现。
随着移动互联网的发展，大数据和云计算的应用，行业也开始探索多种数据的使用，例如利用社交网络的信息，电商平台的交易信息、工商、税务、社保、等信息，进行客户信用评估、欺诈防范。从2013年起，各种背景的大数据公司成立，效仿了征信机构运作模式，为互联网金融平台、金融机构提供征信类的服务；伴随着大量的人力、物力和资本的投入，这个市场异常的活跃，大数据征信成为大数据创新企业的重要业务模式之一。
为更有效、更规范地推进大数据在征信领域的发展与创新，央行曾在2015年1月5号通知芝麻信用、腾讯信用、前海征信等八家个人征信机构准备征信工作，这也掀起了征信建设高潮的序幕。包括这八家在内的大数据企业纷纷推出自己的征信评分，通过对大量、多维度的数据进行挖掘，形成客户评分，借此反应客户的信用水平。例如，芝麻信用构成芝麻分的五个维度是：信用历史、行为偏好、履约能力、身份特质、人脉关系。除了信用评分模型之外，还有大量的机构提供欺诈排查的服务，例如，身份核实、行业负面名单等等，用以防范各种的身份造假、团伙欺诈等行为。还有的大数据企业提供定制化的服务，例如，通过和放贷机构联合开发模型，就某一类业务，开发有针对性的评分模型。
在征信市场启蒙即迅猛发展的过程中，出现了一些共性的问题，例如，信息孤岛现象严重，各家机构信息覆盖范围有限，由此带来的信用评价的有效性不足。又如，有些大数据企业在开展征信业务的同时，提供了信贷服务、理财服务，业务的独立性存在问题，易形成利益冲突。再如，对于信息采集、处理、使用、披露等方面存在问题，多次出现损害个人信息权益的案件。
因此，在统筹考虑市场需求和监管要求的情况下，2018年5月23日，百行征信举行了揭牌仪式，这是芝麻信用、腾讯征信、前海征信、考拉征信、鹏元征信、中诚信征信、中智诚征信、华道征信8家市场机构与中国互联网金融协会共同发起组建的市场化个人征信机构。
近期《征信业务管理办法(征求意见稿)》的发布，更加明确了征信业务的范围、具体业务要求、持牌经营的要求，这是为了保障行业的发展，也是是为了适应市场的需求。对于之前从事征信业务范围内的服务的大数据企业，将如何满足行业监管的要求？如何发挥技术能力？依据《办法》，征信机构可与其他机构展开合作，比如“委托其他机构提供免费征信信息”，“为金融经济活动提供个人或企业信用信息的其他信息处理者”。这应该可以解读为这些大数据企业可以作为征信机构的外包服务机构，成为征信机构的上游数据提供方或处理方。所以可以预想，这些大数据企业将会建立和征信机构的合作，虽然这一定不是他们最想选择的业务开展方式。在这种方式下，这些大数据企业依据本身的特点，进行相应的业务调整，对于拥有数据的大数据企业，可以作为征信机构的数据来源方；对于擅长于数据能力的大数据企业，可以为征信机构提供数据加工服务，输出数据和技术能力；而对于擅长做模型、评分的大数据企业，则可以利用对于业务和风险管理的理解，为金融机构提供业务的数据分析和策略服务。
