1、基于大数据的企业征信服务 洪伟权 中国电信广东研究院 摘 要： 在“互联网+”浪潮席卷下, 各行各业纷纷“触网”, 探索自身与互联网的深度融合, 创新发展生态, 推动产业升级。本文尝试从运营商的视角聚焦“企业征信”细分市场, 基于大数据提供全链条、全方位、一体化的“互联网+”企业征信服务。征信的起源征信在中国是个古老的词汇, 最早出自左传昭公八年中的“君子之言, 信而有征, 故怨远于其身”, “信而有征”就是验证其言为信实。可见, 对他人的资信进行调查和评估自古以来就一直存在。现代意义上的征信起源于英国伦敦的一群裁缝。有些客户由于某种原因, 往往会拖欠为其定制服装的裁缝费用, 于是裁缝们便商量
2、建立一个黑名单, 记录拖欠付款的客户, 其他裁缝以后碰到黑名单中的客户, 就拒绝提供服务。1803 年, 类似的客户黑名单开始互相交换和交易, 拉开了现代征信的发展序幕。1830 年, 世界上第一家征信公司在英国伦敦成立, 主要向贸易双方提供对方背景和信用信息服务, 防止交易双方的相互不信任和诈骗行为, 标志着现代征信的正式出现。征信的概念征信, 英文叫 Credit Checking 或 Credit Investigation。根据信用中国的定义, 征信是指依法收集、整理、保存、加工自然人、法人及其他组织的信用信息, 并对外提供信用报告、信用评估、信用信息咨询等服务, 帮助客户判断、控制信
3、用风险, 进行信用管理的活动。征信按照业务模式分为个人征信和企业征信两部分, 个人征信主要是收集个人信用信息、生产个人信用产品的机构, 企业征信主要是收集企业信用信息、生产企业信用产品的机构。本文通过对企业征信的现状和存在的问题进行分析, 尝试从运营商角度提出“互联网+”企业征信的解决之道。企业征信现状分析国外企业征信的发展模式企业征信产业链由数据源、征信机构、评级机构和信用信息应用 4 部分组成, 其中征信机构作为整个产业链条的主体, 经过 170 多年的发展, 主要形成了 4种模式。在美国主要是市场主导型, 亚太国家和地区主要是会员制模式, 像日本、韩国采取的就是会员制模式。欧洲主要的模式
4、是政府主导型, 也存在混合制模式, 法国和德国是不同的代表。国外征信市场的模式比较 下载原图我国企业征信市场现状1988 年上海远东资信评估有限公司的成立, 标志着我国征信服务业开始起步。1999 年中国人民银行开通银行信贷登记咨询系统 (企业征信系统的前身) , 推动了我国征信体系的确立。经过多年发展, 我国征信体系已初步形成了以央行征信系统为主导、市场化征信机构为辅的多元化格局。政策法规建设2013 年, 央行下发征信业管理条例和征信机构管理办法, 对开展企业征信服务的征信机构采用备案制, 并要求这些征信机构符合两个“第三方”, 即信息来源于第三方, 信息提供给第三方。市场化征信体系建设截
5、至 2014 年 6 月, 我国共有 26 家第三方企业征信机构获得央行颁发的企业征信牌照。这些征信机构的业务特点各有不同:有像传统的中诚信只做征信业务的机构, 也有像宜信致诚和拉卡拉这种结合自身的业务特点获得授信数据的机构, 或者是类似国富信泰主要做进出口行业的征信工作。拉卡拉的企业征信业务主要面对的客户群为股份制商业银行, 拉卡拉通过自身对中小微企业 (类似便利店) 的流水账数据分析获得企业的信用评级报告。现阶段企业征信服务中存在的问题征信数据不完整据国家工商总局的数据显示, 截至 2015 年上半年, 中国登记注册的企业总数突破 2000 万家;如果把个体工商户也统计在内, 则接近 74
6、20 万家。由于尚未建成完善的信息共享系统, 使得这些经济主体陷入“信息孤岛”状态, 难以方便快捷地采集相关的征信数据。征信数据格式不统一目前, 企业征信数据在形式上没有一致性, 不仅每个地方情况不一样, 甚至每个城区都不一样, 这也造成信息服务提供商给征信机构提供的数据千差万别, 难以进行有效整合。征信数据来源单一目前, 大多数征信机构所获取的数据主要来源于企业工商法务数据维度, 缺乏企业经营行为、企业税务能耗和企业财务报表等维度, 难以反映被征信企业的价值和风险信息, 从而进行全方位画像, 实施动态管理。“互联网+”征信解决方案需求分析当前, 企业征信应用最为广泛的场景就是信贷风险管理,
7、即银行等金融机构对中小微企业贷款受理的审核、审批、发放、贷后管理和资产保全等全链条的风险管理。信贷风险管理的前提是风险的识别, 即贷款对象是否会违约?具体而言, 金融机构需要提供全维度画像和全链条监控的“互联网+”企业征信服务。全维度画像中国有句古话, “冰冻三尺, 非一日之寒”;西方安全管理也有个海因里希法则 (Heinrichs Law) :每一起严重事故的背后, 必然有 29 次轻微事故和 300 起未遂先兆以及 1000 起事故隐患。这说明一个企业要违约, 不会是瞬间的, 而是有征兆、有现象地慢慢表现出来现阶段传统企业征信主要聚焦于企业的工商法务数据, 而单个维度数据难以满足金融机构的
8、需求, 需要收集企业工商法务数据、企业经营行为数据、企业税务能耗数据和企业财务报表等多个维度的数据, 对被监控企业进行全维度画像, 从而能够预先捕捉到企业违约的信号, 为金融机构的信贷风险管理争取提前量。全链条监控金融机构的信贷风险管理要求提供从贷前的风险评估到贷后的风险管控等全链条服务。要求“互联网+”征信服务提供商具备丰富的大数据平台运营经验, 聚焦企业信贷, 通过整合工商、法务、互联网、通信、能耗等各类数据, 对数据进行清洗、分析、建模, 为金融机构企业信贷业务提供贷前查询、贷后监控的大数据辅助风控服务。运营商的优势运营商通过多种业务拥有大量有价值的数据, 除传统的通话时长、通话记录、流
9、量日志等数据之外, 还包括移动互联中的位置信息、移动轨迹、上网行为数据、App (应用) 、手机品牌及类型等关键信息, 数据维度及饱和性的提升使得运营商具备更有说服力的数据基础。随着运营商数据分析能力的提升、数据架构的合理布局, 加之数据沉淀和汇集能力的提升, 依靠大数据平台, 结合云计算, 对用户的画像更完整、更清晰。与此同时, 运营商已经开始实践跨行业的各类大数据应用, 积累了相当多的经验。在数据安全和数据应用监管方面, 运营商有一整套严格的体系和流程, 也有丰富的经验, 完全能够满足征信业务安全监管的要求。我们有理由相信, 运营商在征信数据采集、征信数据安全及征信应用等方面可以做得更好。
10、方案设计系统架构基于大数据平台, 将数学算法运用到海量数据中, 通过关联分析找出主体的关联关系, 识别关联对象并对其监控, 预测事件发生的可能性。平台构建基于分布式数据、智能搜索和智能决策引擎、关联图算法等一系列核心技术构建大数据平台底层。应用展现基于大数据平台, 对抓取的海量碎片化互联网信息进行文本分析、自然语言解析, 通过机器学习, 实现智能的风险控制和数据可视化。需要注意的问题继中国电信旗下的天翼征信 (上海) 有限公司申请征信牌照后, 中国移动集团公司也宣布与招商银行启动征信合资公司筹备工作, 而中国联通早已启动大数据建设与应用工作, 并通过其合资子公司招联消费金融有限公司对相关大数据
11、进行测试与验证。电信运营商试水“互联网+”征信市场, 在有力推动国内征信行业发展的同时也要注意以下问题:信息安全的问题运营商需要注意处理电信管理条例中相关规定与征信业务透明查询之间可能存在的冲突, 如号码归属权问题。社会渠道的数据整合“互联网+”征信要求收集企业的工商法务数据、企业经营行为数据、企业税务能耗数据和企业财务报表等多个维度的数据, 从而对被监控企业进行全维度画像。电信运营商要发挥自身国企背景和良好的社会形象优势, 与各相关部门对接, 获取有关数据。运营商内部的数据整合同一个企业的不同分支机构可能在运营商内部广泛使用各种业务, 运营商需要思考如何通过一一对应关系甄别企业用户的真实身份, 建立唯一性的征信数据库。运营商之间的数据整合针对同一企业, 不同运营商征信业务展示的结果可能有差异。这只代表该企业在某个运营商的通信生态环境下的征信情况。运营商开展“互联网+”征信服务, 需要考虑运营商之间征信数据的开放与整合问题, 这需要三大运营商的智慧。
