征信的基本面——可验证，究竟验证什么呢？征信的核心是数据，而真实、可靠的描述性数据和结构化数据显得更加弥足珍贵。以单一维度评价一个人/组织显得很单薄、很平淡，不那么有说服力，拓宽数据来源场景，累积多维度的数据资源。
撇开企业征信不谈，个人征信领域的翘楚：芝麻信用、腾讯信用、51信用卡、 聚信立都携带特定消费场景的基因，并非完全意义上的综合征信评价模型。有一点必须承认：在其优势领域内有着得天独厚的先机优势，但数据单一性也不容忽视。以上四类征信场景分析如下：
1、 侧重电商： 芝麻信用。以芝麻信用所构建的信用体系来看，芝麻信用分根据当前采集的个人用户信息进行加工、整理、计算后得出的信用评分。 综合考虑个人用户的信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度的信息，其中淘宝、支付宝等“阿里系”的数据占 30-40%。数据的电商属性成就了电商领域的王者，也是其征信数据的短板之痛。
2、侧重社交： 腾讯信用。主要是基于社交网络。通过QQ、微信、财付通、 QQ 空间、腾讯网、QQ 邮箱等社交网络上的大量信息， 比如在线时长、登录行为、虚拟财产、支付频率、购物习惯、社交行为等，利用其大数据平台 TD Bank，在不同数据源中， 采集并处理包括即时通信、 SNS、电商交易、虚拟消费、关系链、游戏行为、媒体行为和基础画像等数据，并利用统计学、传统机器学习的方法，得出用户信用得分，为用户建立基于互联网信息的个人征信报告。
3、侧重信用卡： 51信用卡。主要是基于用户信用卡电子账单历史分析、电商及社交关系强交叉验证。 根据用户的信用卡数据、开放给平台的电商数据所对应的购买行为、手机运营商的通话情况、登记信息等取得多维信息的交叉验证，确定用户的风险等级以及是否贷款给该用户。