当所有人在网络上购物、交友，透过手机、电脑活在网络世界上的行为，已经成常态，而且比实体世界还精确且更易追踪时，一个靠“信用分数”辨别“你的价值”的社会，已经铺天盖地而来。

 所谓的信用分数，就是你在网络、手机上留下的数字纪录，各家企业早就设下各式各样的网络评分机器人，帮每一个人“画像”。

你很可能因为平常打卡地点、登录 Facebook 帐号的地理位置在豪宅区，而被判定是有钱人；也可能因为经常写错字、乱用标点符号，而被判定为教育程度不高。

这样的数字信用分数，最常被电子商务业者用于行销，也开始被中国、美国、西班牙、巴西、南非等地新兴的网络线上借贷业者，用于决定是否核准贷款，应用场景正随着商业力量，铺天盖地伸向各个领域。保险公司透过分析 Facebook 、Twitter 帐号，决定保费计算基准，甚至红娘网站也将评估结果，用于婚恋交友参考。

现在，中国的应用最为大胆、广泛，堪称全球最敢玩。

今年 2 月下旬，中国的人民银行宣布由官方主导的百行征信（简称信联）获准成立，领先全球将手机使用、出没地点、购物等行为打出的数字信用分数纳入官方征信平台。

年初，中国国家发展和改革委员会（简称国家发改委）也公布了首批“社会信用体系建设示范城市”，不但设立网站即时更新各主要城市执行信用社会的评比成绩，也选定了包括杭州、南京、厦门、成都等 12 个城市。

未来，信用制度还将搭配刷脸系统，目前上海、济南、深圳、重庆等城市已试办在十字路口放置监视器，拍摄违规穿越马路的行人，把脸部特写秀在十字路口的大型屏幕及官方微博上。想要删除照片？先缴清罚款再说！

电商霸主阿里巴巴旗下的芝麻信用，拥有中国最大的数字信用分数评分系统。借由分析支付宝帐户、淘宝或天猫的交易纪录，为使用者打下“芝麻分”，并授权给共享单车、婚恋网站、租屋服务，例如，芝麻分达 600 分可租车免押金。

原理：大数据比对

找类似一群人，算违约率

到底分数是怎么算出来的？曾为中国台湾地区多家金融、电信业者建立呆帐评估系统的 Deepbelief 首席科学家尹相志指出，数位信用评分机制基本原理就是将你的行为，与大数据资料库做比对，找出跟你有类似特征的一群人，依据这群人的信用、违约率，估计出你的信用分数。

芝麻信用揭露评估标准，除了是否按时缴交贷款、卡费，还包括预订旅馆与计程车时是否依约现身，网络购物是否在期限内取货付款，是否常换手机号码。

还有一个重要参考指标：你的 Facebook、微信好友。也就是说，如果你 Facebook 好友尽是些不良分子，那么自己的分数肯定会被拖累。“因为物以类聚，”风险管理专家、中国台湾地区东吴大学会计系教授沈大白分析，如果一个人的朋友，平常网络发言都谈些风花雪月、赌博喝酒的事，常常在不良场所打卡，代表这很可能是他自己的特征。

其实，依照个人教育背景、年龄、性别、婚姻状态、地址进行贷款或保险的风险评估，早行之有年，在美国也有银行业共享的征信资料平台，在中国台湾地区则有联征中心。但新兴国家尚未建立这类征信平台，评估个人信用的难度极高。让数字信用分数得以快速崛起，成了替代方案。

根据世界银行（World Bank）统计，中低收入国家中，每 10 个人只有不到 1 人拥有信用纪录。中国的状况稍微好一些，“中国银行业产业发展蓝皮书”显示，截至 2017 年 8 月底为止，在人民银行登录有案的 9 亿 3 千万人中，只有不到一半人有信用纪录，远逊于发达国家的 9 成水准。

“未来能评的项目、分数，只会越来越多！”沈大白说，在庞大商业利益的推动下，采用数位信用分数，已经是无法扭转的大趋势。

缺点：有统计误差

一旦出错，标签难以摆脱

好处是，如果数字信用分数机制能发展得更完善，线上借贷平台乡民贷CEO黄智康分析，可让信用评分更精准，例如让信用好的人，偶尔忘记缴卡费时，不用缴交钜额循环利息；让信用好、行为谨慎的人，可因个人特质而享受特别低的贷款利率与保费，而不是被粗糙的跟类似社经地位的人划为一类。

但这么做，却也可能出现问题：统计误差。

目前，有越来越多网站采用人工智能（AI），让机器自己找出信用给分规则。Google 前CIO梅瑞尔（Douglas Merrill）离职后创立了以 AI 评信用分数的公司 ZestFinance，他大胆预测，到了 2030 年，AI 就能完全取代人类进行核贷工作。然而，透过 AI 学习出来的规则，却像个黑盒子，往往连开发者也搞不清背后逻辑是什么，一旦规则出错，未来将更难发现，被冤枉的使用者恐投诉无门。

“给人打分数不像下棋，”沈大白说，AI 下围棋很厉害，但为人打分数一旦犯错，后果很可怕。而且，纵使数字评分资料无误、公式正确，这样的给分模型却忽略了：人是会变的。一个信用差的人可能正在洗心革面，却因被贴上了难以摆脱的数字标签，被剥夺奋发向上的空间。

中国国家发改委在今年 1 月下旬发布的数据显示，近几年透过信用分数防堵机制，已经阻挡了 842 万人次购买机票、327 万人次买高铁车票，因此让 109 万人乖乖的履行义务、好从黑名单中移除。

挑战：防系统偏见

可模拟情境、供开放查询

在不可逆的大趋势下，该如何避免整个世界往错的方向发展？美国已有包括普林斯顿大学、卡内基美隆大学和麻省理工学院，用软件伪装成男性、女性、富人、穷人、精神障碍人士，测试这些人在各网站上遭受的不同对待，一一揪出各数字评分系统的偏见。沈大白预测，电脑病毒问世，就出现防毒软件，未来也可能出现反制被贴数位标签的服务。

畅销书《大数据的傲慢与偏见》作者凯西·欧尼尔（Cathy O’Neil），曾是华尔街的量化分析师、并为新创公司开发评分模式。她主张，未来应该强制企业开放大众查询自己的数位信用分数，甚至还可能开发出 App，让人们可以模拟万一当月手头特别紧，迟缴电话费会扣几分、如何影响未来贷款买车利率，据此做出个人决定。

“数据不会消失，电脑不会消失，数学更不会消失。”欧尼尔说，人们正日渐仰赖数据所建立的预测模型。信用分数的时代已经来临，了解如何建立你的信用分数，将是未来的新显学。