3月31日，波士顿咨询公司（BCG）发布中国个人征信行业报告（2015），认为中国个人征信行业雏形初现，有望成为一片新蓝海.
报告将针对中国新创生态聚合类征信机构，从数据、模型、产品、应用等纬度首次对该类型征信机构作了全透视。
报告作者之一、BCG全球合伙人兼董事总经理、中国金融业智库负责人何大勇指出，包括芝麻信用、腾讯征信、前海征信、考拉征信和华道征信等这类新创生态聚合类征信机构，在数据上，除了对外接入传统征信数据外，都大量运用了自身场景下沉的多元鲜活数据，包括支付、互联网电商、社交、电信服务、公共服务等；在征信评价所使用的技术上，都不同程度的运用大数据等创新技术对经典征信模型进行了补充和完善。在产品应用场景上，都从一开始就比较注重非金融场景的开发，探索传统信贷与创新生活场景应用兼顾的发展。
针对上述观点，为了便于读者理解，报告以当下市场上表现出众的芝麻信用为例，将新创生态聚合类征信机构开展具体业务的方式过程，结合报告的观点，给出了较为直观的范例。
报告提到，芝麻信用通过运用云计算、机器学习等技术客观呈现个人的信用状况，并已在信用卡、消费金融、酒店、租房、租车等多个金融与生活类场景为用户、商户提供信用服务，使其享受到信用的便利。作为蚂蚁金服旗下独立的第三方信用评估及管理机构，芝麻信用通过建立独立IT系统，数据单独存储，组织架构上禁止交叉任职，业务经营上独立决策等，保证征信机构独立开展业务。
从数据来源看，芝麻信用评分应用电商，互联网金融，公安部人口户籍、最高法老赖、教育部学历、工商注册等政府机构数据，合作伙伴，以及广大实名用户自主提交的数据和信息，从信用历史、行为偏好、履约能力、身份特征和人脉关系五大维度对个人经济信用行为进行综合评估。
在构建信用评分模型体系之时，芝麻信用专注经济信用预测，并利用先进的机器学习法，实现对经典信用评估模型的改良。由于传统评估模型如评分卡、逻辑回归等极为依赖强相关原始数据的可获得性，而中国大量人群缺少历史借贷及还款行为等个人金融数据，导致沿用传统模型方法论时，征信机构难以克服数据源的局限性，或难以以较低的成本进行海量数据的关联性分析。芝麻征信在充分研究和吸收传统征信评分模型算法的优势的基础上，积极尝试前沿的随机森林、神经网络等算法，挖掘出和信用表现有稳定关联的特征，从而更加高效和科学的
报告作者之一、BCG全球合伙人兼董事总经理、中国金融业智库负责人何大勇指出，包括芝麻信用、腾讯征信、前海征信、考拉征信和华道征信等这类新创生态聚合类征信机构，在数据上，除了对外接入传统征信数据外，都大量运用了自身场景下沉的多元鲜活数据，包括支付、互联网电商、社交、电信服务、公共服务等；在征信评价所使用的技术上，都不同程度的运用大数据等创新技术对经典征信模型进行了补充和完善。在产品应用场景上，都从一开始就比较注重非金融场景的开发，探索传统信贷与创新生活场景应用兼顾的发展。
针对上述观点，为了便于读者理解，报告以当下市场上表现出众的芝麻信用为例，将新创生态聚合类征信机构开展具体业务的方式过程，结合报告的观点，给出了较为直观的范例。
报告提到，芝麻信用通过运用云计算、机器学习等技术客观呈现个人的信用状况，并已在信用卡、消费金融、酒店、租房、租车等多个金融与生活类场景为用户、商户提供信用服务，使其享受到信用的便利。作为蚂蚁金服旗下独立的第三方信用评估及管理机构，芝麻信用通过建立独立IT系统，数据单独存储，组织架构上禁止交叉任职，业务经营上独立决策等，保证征信机构独立开展业务。
从数据来源看，芝麻信用评分应用电商，互联网金融，公安部人口户籍、最高法老赖、教育部学历、工商注册等政府机构数据，合作伙伴，以及广大实名用户自主提交的数据和信息，从信用历史、行为偏好、履约能力、身份特征和人脉关系五大维度对个人经济信用行为进行综合评估。
在构建信用评分模型体系之时，芝麻信用专注经济信用预测，并利用先进的机器学习法，实现对经典信用评估模型的改良。由于传统评估模型如评分卡、逻辑回归等极为依赖强相关原始数据的可获得性，而中国大量人群缺少历史借贷及还款行为等个人金融数据，导致沿用传统模型方法论时，征信机构难以克服数据源的局限性，或难以以较低的成本进行海量数据的关联性分析。芝麻征信在充分研究和吸收传统征信评分模型算法的优势的基础上，积极尝试前沿的随机森林、神经网络等算法，挖掘出和信用表现有稳定关联的特征，从而更加高效和科学的