4、侧重运营商： 聚信立。主要是基于互联网大数据，综合个人用户运营商数据、电商数据、公积金社保数据、学信网数据等，形成个人信用报告。 聚信立通过借款人授权，利用网页极速抓取技术获取各类用户个人数据，通过海量数据比对和分析，交叉验证，最终为金融机构提供用户的风险分析判断。
征信数据场景化，场景恰恰又是数据的最广泛来源。数据衍生于一定的生活和工作应用场景之上。尝试将征信扩展到更为广泛的场景之上，金融是征信被应用的最广泛的领域，衍生出这样一种说法：市场经济本质是信用经济，而征信的最核心本质：风险控制。
2、信用怎么验证？（HOW）
如何验证一个人/组织的信用好坏？不可能仅凭一句话：你的信用不错，你的信用挺好，就能评判一个用户的信用好坏，这显然是不合理的。虽说一家之言略显有理，也并非完全可信。在没有健全的法律法规、没有优秀的实践先例的情况下，国内征信均是根据市场需求和国外征信产品经验，以传统的“信用报告+增值服务”的商业模式来运营的。以央行征信中心为例：个人和企业征信报告+动产融资质押登记和应收账款融资服务等增值服务。
如何设计征信评价标准/尺度？传统的征信商业模式均采用——信用报告的模式，说白了就是将个人/企业信息进行整理输出，论技术含量和信息价值量都不是那么可观的。普通用户或许更加愿意接受简单、直观的征信产品形态，不需要洋洋洒洒的一纸文书，更不需要那些看不懂的专业评价内容。一个分数等级、一个评价体系简化面向用户的信用评分模型，其实并未减少评价模型背后的任何可能。蚂蚁金服的芝麻信用就是典型的信用分模型，而腾讯征信采用了信用评级的形式。信用分、信用评级概念上都简化了用户的理解和获取成本，这一点上可谓异曲同工；同时，直观的征信模型对信用场景也更加友好，应用场景更加宽泛。那么如何将背后无数信用数据变量整合成一个显性衍生变量呢？