征信数据（共6篇）
征信数据 篇1
互联网征信究竟可不可信, 随着大数据征信的逐渐变现, 这一话题再掀波澜。支付宝“芝麻信用”界面悄然上线信贷产品“好期贷”;京东白条也正在与51信用卡合作开发系统为用户提供征信, 而其风控依赖的标准主要是互联网征信。由于互联网金融在国内兴起的时间尚不足两年, 大数据征信的可靠性和含金量仍被不少业内人士质疑。
@周治翰 (开鑫贷副总经理) :互联网征信目前仍需要进行多重交叉验证, 即使是征信市场较为完善的美国和德国, 通过多个模型交叉验证数据的真假也是必不可少的环节。
@安丹方 (金信网首席运营官) :用大数据进行信用评估时, 很多数据会涉及个人隐私, 尤其是对个人社交圈和电商交易的数据、通话记录、微博数据的应用。目前国内关于个人隐私方面的保护几乎处于空白, 过快推进大数据征信, 企业将有可能面临法律和道德风险。而国内对失信行为的惩戒制度不够健全, 导致借款人违约成本较低, 难以有效抑制违约风险。民间机构的交易数据形态各异, 对数据的定义不同、业务操作规范不同, 授信标准也不同, 很难形成统一的数据标准供行业共享。而征信企业之间存在竞争, 数据是各家企业的核心资产, 想要实现信息数据的共享难度也比较大。
@叶大清 (融360 CEO) :中国目前的征信体系还不足以支撑银行在线放款。传统银行的劣势是只有线下没有线上, 但现在互联网时代的趋势让用户把时间都花在线上了。线下是一个过去的时代, 线上是一个新的时代, 最好的模式是线上线下结合。而线下要重点做两件事, 风险控制和服务。
@德暖 (普通网友) :中国的征信必然会崛起于网络时代, 但是需要完善相关法条以保驾护航, 否则大数据征信推进得越快, 恐怕带来的隐患就越多。在中国征信体系尚未真正建立起来前, 大数据征信应循序渐进地推进, 平台可以把其作为风控的补充, 但不宜完全依赖。就目前发展而言, 以大数据征信为基础的大数据风控至少在短期内还无法取代以O2O为主的风控体系。
征信数据 篇2
摘要：大数据征信使个人信息安全处于空前的威胁与挑战，本文简述了大数据征信的概念与发展，探讨其在个人信息安全的保护过程中存在的主要问题，并为完善大数据征信中个人信息保护提出对策与建议。
关键词：大数据征信;保护;个人信息
一、大数据征信的概念与发展
大数据征信是指对海量在线交易记录、社交网络数据等个人的信息进行收集整理，并运用大数据分析和刻画出信用主体的违约率和信用状况，进而控制金融信用风险。解决了传统征信因信息分散导致的采集成本高，效率低下等问题，与传统征信天然互补。由于大数据采集的覆盖面广、信息维度丰富，评估个人信息的信用风险全面而广泛，成为互联网金融和众多相关行业的基石。
二、大数据征信中个人信息安全保护现状及存在的问题
由于互联网征信企业极度依赖于大数据技术的收集与分析，一切信息皆信用，使得个人信息的安全性受到了空前挑战和威胁。近年来违法倒卖、泄露个人信息事件屡见不鲜，极大地影响了社会正常的经济秩序。由于个人信息在我国立法中仍处于薄弱环节，相关法规的制定存在较大的不足与滞后，商业化的大数据征信可能会成为侵害个人信息的工具，需用法律手段加以规制。
(一)立法保护滞后于现实需要
我国目前尚未出台专门的个人信息保护法，尽管个人信息安全保护不断出现在各种法律法规、司法解释中，但相关法律法规的制定过于分散且层次效力不一，在实践中缺乏可操作性，无法满足当前对个人信息保护的高质量法规的需求。现行的《征信业管理条例》与大数据征信的发展不适配，对于大数据征信中个人信息的采集、整理、保存、加工和公布等环节缺乏明确的界定，条例规范范围过于狭窄，对于涉及网络个人信息保护问题未作出合理规范。
(二)征信信息泄露严重监管缺乏
大数据征信涉及大量用户敏感信息，随着越来越多的数据被采集利用，用户面临着面临的信息安全风险变得更加严峻。与普通个人信息相比，征信信息由于价值和敏感性，泄露的危害更为严重。当前信息泄露已经形成产业链，数据黑市犯罪成本低利润高。再加上互联网征信公司内部管理制度不完善，存在业务操作和人员道德双重风险，近年来许多互联网公司人员存在监守自盗的风险，例如京东泄露了12G的`用户数据造成其严重后果。的“526信息泄露案”，湖南银行行长非法出售个人信息257万余条，包括身份证号、征信记录、账户明细等众多敏感信息。而在国外全球第一大个人征信机构益博睿涉及2亿的身份信息泄露，涉案金额超过6500万美元。
(三)个人维权法律救济困难
随着未来信息开发和利用的日益成熟，个人信息尤其是信用信息具备相当的商业、社会和法律价值。大数据时代使个人信息的权利边界消失，给个人信用信息主体维护自己合法权益带来巨大的挑战。由于个人信息主体往往处于弱势地位，与征信信息管理机构存在着信息和技术不对称，让受侵害的个人信息举证维权之路难上加难。在个人信息受到非法收集泄露等侵害时，由于通过法律救济途径解决纠纷可能产生的成本和风险过高，只好选择放弃诉讼维权，使得本应该成为最终保障的司法救济渠道起不到应有的保护作用。
三、大数据征信中保护个人信息安全的对策与建议
(一)完善个人信息立法保护
针对大数据征信的特点，以征信业规制和网络个人信息保护的专门立法现有成果出发，通过立法出台统一的个人信息国家技术标准，给已有的普遍分散立法以操作的指引，制定最低标准网络个人信息保护法，明确规定个人隐私的信息、个人信息采集基本原则和使用目的，采集收集的负面清单制度，防止个人信息被滥用。通过构建完善的个人信息保护法律体系，为征信体系安全建设提供更有力的法律支撑。
(二)加强行政监督管理与行业自律
加强数据安全体系和信息监管体系建设，防范非法入侵造成信息泄露，对于信息泄露问题完善危机应急预案和补救措施。加强信息安全执法监管，严厉打击非法泄露、买卖信用数据的行为，加大对泄露个人信息企业的问责和处罚。对征信管理机构开展内部安全认证和行业自律机制建设，充分发挥征信行业协会其协调沟通征信机构与监管机构的作用，加强征信行业业务交流和制定技术标准，开展征信信息保护宣传提高民众意识。
(三)探索多元化个人信息保护救济方法
建立征信机构内部的纠纷处理机制，完善信息异议处理解决机制，缩短错误征信数据信息的更正时限，提高征信信息录入质量。完善个人对征信机构的投诉渠道，引入征信行业调解、仲裁和第三方纠纷非诉解决的法律机制。对于公民维护个人合法权益面临取证难、诉讼难等问题，完善互联网情景中个人信息侵权赔偿制度，并在个人信息保护中引入举证责任倒置和集体诉讼机制，优化个人信息司法保护程序，提供便捷高效的法律救济渠道。
[参考文献]
[1]刘红熠，杨妮妮.互联网征信背景下个人信息主体权利保护问题研究[J].征信，2016(06).
[2]赵红梅，王志鹏.大数据时代互联网征信发展中的问题及应对策略[J].金融经济，2016(18).
大数据征信，互联网金融发展支点 篇3
做为一种新的金融形式，互联网金融能使金融资源配置得以优化，正在中国以井喷的态势发展。但这种金融创新业态在带给企业及个人周转消费便利的同时，也在考验各类金融机构风险控制水平。其中最突出的表现，就是由于征信体系的滞后导致了互联网金融运作过程中风险集聚。信用风险的发生不仅会带来经济损失，增加交易成本，还会影响互联网金融市场交易秩序。随着互联网技术日臻成熟，基于互联网大数据来进行征信成为未来解决信用风险问题的主要途径。依托大数据征信，相关企业可以降低行业总体经营风险，优化互联网企业信审流程，大数据征信将为推动中国诚信文化的传播和诚信体系的构建贡献独特的价值。
互联网金融的野蛮发展
2014年是我国互联网金融的兴起之年。据《中国P2P网贷服务行业评价报告》显示，截至2014年年底，网贷运营平台约1600家。其中当年新上线平台超900家，注册资金在1亿元以上的超48家。
进入2015年，我们依然在接受互联网金融对国家金融体系的“洗礼”，无论是货币基金、银行理财，还是保险理财、票据理财、基金、债券、P2P网贷，里面都有互联网金融的身影，互联网金融已然成为中国大部分老百姓熟知的一种金融方式。比如P2P网贷就通过信用贷款、房产抵押贷款、汽车抵押贷款、供应链金融、银行过桥、委托贷款、保理业务、融资租赁等方式迅速普及了我们对于互联网金融的理解。
然而，互联网金融的快速发展也显示出其野蛮的一面。
比如对于P2P行业而言，截至2015年5月底，一家从事P2P行业研究的第三方机构发布的统计数据显示，全国共有3349家P2P网贷平台，今天的互联网金融，已经迅速转为红海，由于竞争非常激烈，其野蛮生长背后所出现的风险大、管理弱、安全性存疑等问题越来越得到重视。
在P2P行业中，近两年就发生大量的跑路倒闭情况，这也造成网贷行业“满眼尽是繁华，终究不太放心”的尴尬。其中2013年年底和2014年年底，P2P行业就出现了两次“跑路倒闭潮”。根据第三方机构发布的统计数据显示，2014年全年，问题P2P平台总数为275家，其中诈骗类平台高达126家。进入2015年以来，这种情况今年并未得以缓解。今年4月，全国P2P网贷发生倒闭、跑路、提现困难等各种问题的平台新发生53家；今年5月，新增主动停业的平台以及问题平台新发生67家。
与此同时，互联网金融所涉及的其他问题也越来越多地暴露出来。
比如因内控缺位导致个别互联网金融平台捏造虚假资金供求信息骗取客户资金；或是平台建设缺位，资金支付或借贷环节存在安全隐患，无法有效保护金融消费者权益；还有因为网络技术安全漏洞、个人隐私保护不力等；以及部分互联网金融平台存在的洗钱、非法集资、高利贷等违法违规行为等。
一位业内人士坦言，现在是互联网金融发展的一个最好的时代，但是从另外一个层面看，这又是一个最坏的时代。之所以这么说，是因为本应随互联网金融同步发展的信用体系建设滞后，由此带来的潜在信用风险和监管问题持续集聚，继而导致了以上所说的各种问题。
信用为题缘何成为互联网金融发展的关键？其主要原因在于征信体系的建立和完善，能够为市场交易者提供全面的信用信息，能有效的解决经济交易中的信息不对称问题，有效防范和控制信用风险，为社会提供一个良好的金融交易环境。
但是与国外相比，我国目前针对互联网金融机构的征信体系仍然缺乏，据统计，截至2015年底，人民银行的征信系统中有征信记录的约3.3亿人，约占总人口数的24%，远低于美国征信体系85%的覆盖率。大量的互联网金融平台无法获得有效的征信数据来源。这就导致一些问题连环发生，比如有的借款人违约造成坏账出现后，由于其失信成本较低以及尚未纳入到征信体系，但其他平台根本无法获得警示，造成了整个行业信息不透明持续存在，信用风险越来越高。
可以说，作为一种新的金融形式，互联网金融的确有很多优势，比如能使金融资源配置得以优化，能促进实体经济发展和经济转型升级。但纵观目前中国整个互联网金融市场，因为互联网征信不健全所导致的互联网金融发展障碍也很多。这些问题集中表现在信息共享机制有待建立、信息安全风险突出和失信惩戒力度不够等。在互联网金融飞速发展的过程中，如何做好互联网金融信用与风险控制，完善中国互联网金融监管与行业规范的发展，实际上已经不仅是该行业需要解决的问题，更是关乎推进社会信用体系建设的重要问题。
信用体系建设成为国家发展的重点
信用在任何社会、任何时代都尤为重要。司马光曾讲：“夫信者，人君之大宝也。国保于民、民保于信。非信无以使民，非民无以守国。”更早的《左传》也认为：“君子之言，信而有征。”即一个人说话是否算数，是可以得到验证的。
信用是现代市场经济的基石，更是很多新经济发展的支点。
比如在我国电子商务发展的初期，曾经饱受缺乏商业信用的困扰。因为不管是付款方还是发货方，总有一方不放心，这一信用“瓶颈”直到第三方中介支付宝的出现才得以缓解。
当下互联网金融飞速发展，行业规范与风险控制问题依然是互联网金融发展的最大挑战，例如在征信体系不完善的条件下，企业或个人向P2P平台贷款，由于信息不对称，P2P平台很难全面的掌握贷款对象的信用信息，有些企业和个人的贷款额度远超过其贷款能力，此时一旦出现问题，将会给P2P平台造成严重的影响。信用风险的发生不仅会带来经济损失，增加交易成本，降低资金利用率，更严重的会影响市场交易秩序，阻碍经济发展。
在现在发达国家中，信用报告是个人的“经济身份证”，所以征信服务非常常见。通过征信既可防范信用风险，保障交易安全，又可营造“诚信受益，失信惩戒”的社会环境。清华大学中国与世界经济研究中心公布的一项研究表明：与没有征信系统的情况相比，征信系统可以拉动约0.33个百分点的GDP增长；征信系统可促进小微企业贷款增加额占比近三成。
nlc202309010757
一个市场经济能够蓬勃健康发展的社会，也必然是一个征信体系完善的社会。正因为如此，从2013年开始，中国征信建设的节奏明显加快。
其中在2013年3月，我国首部征信行业法规《征信管理条例》开始实施；2013年12月，中国人民银行制定的《征信机构管理办法》正式施行。
2014年6月，中国人民银行征信中心开始对个人查询本人信用报告实施收费制度；2014年6月，国务院出台了《社会信用体系建设规划纲要（2014—2020年）》，明确到2020年，基本建成以信用信息资源共享为基础的覆盖全社会的征信系统，并明确了我国社会信用体系建设的方向。以此为基础，全社会开始对征信业的重视程度已经上升到一个新的高度，并开始努力推动征信业发展。
为提供有效的信用信息支持、构建诚实守信的社会氛围和环境，2015年6月，中国保监会、国家发展改革委印发了《中国保险业信用体系建设规划（2015-2020年）》的通知。该规划目的是到2020年左右将保险业信用信息的采集范围进一步扩大，信用记录覆盖率力争提高到95%，并依托国家统一的信用信息共享交换平台，与金融信用信息基础数据库及国家其他各类信用信息系统实现有机对接。
与此同时，国务院也迅速批准了《2015年社会信用体系建设工作要点》（发改财金〔2015〕1104号）有关规定。据财政部网站消息，财政部按照社会信用体系建设部际联席会议的统一工作部署，在社会信用体系建设方面做了一系列工作，包括积极参与社会信用信息共享交换平台建设，在政府采购领域建立失信主体“黑名单”制度等内容。
同样在6月份的国务院新闻办公室的国务院政策例行吹风会上，发展改革委副主任连维良表示，发改委近期将全面推进社会信用体系建设，建立健全各领域信用记录，建立健全市场主体准入前信用承诺制度。
与此同时，我国针对互联网金融有效征信体系也开了了具体的部署。其中中国人民银行在1月印发《关于做好个人征信业务准备工作的通知》，公布了首批获得个人征信牌照的8家机构名单。
根据这份通知，芝麻信用管理有限公司、腾讯征信有限公司、深圳前海征信中心股份有限公司、鹏元征信有限公司、中诚信征信有限公司、中智诚征信有限公司、拉卡拉信用管理有限公司、北京华道征信有限公司等八家机构需要在6个月时间内准备好个人征信业务的准备工作。所以才有阿里的蚂蚁信用查分、腾讯微众银行的人脸识别贷款、拉卡拉的考拉评分等一系列基于大数据的征信产品陆续面市。
大数据征信为互联网金融提供风控保障
征信过程最重要的就是数据。传统金融机构征信采集的数据基本上是通过现场方式进行采集，也就是要求客户到银行去，在柜台上填写各种关于收入、固定资产等财务情况相关的表格后当面采集信息，因此身份识别很容易。这种数据收集方式可以看做是定量化收集，是小数据。
但是在今天，互联网金融平台无法通过这种方式来收集数据。由于巨大的客户数量，随时变化的金融服务要求，以及移动化的在线特征，互联网金融平台不可能要求客户进行现场采集数据，这就要求更为便利的征信服务方式。
幸好有大数据和云计算技术，由这两项技术组成的互联网征信让这一问题迎刃而解。
今天的互联网征信过程中所要求的信息的全面程度，已经完全超乎了你的想象。脱胎于互联网的信用数据是一种“大数据”，其特征是来源更广、种类更丰富，时效性也更强，涵盖了信用卡还款、网购、转账、理财、水电煤缴费、租房信息、社交关系等方面。很多非财务类的数据，例如社交行为、文字言论、谈话语音、图片甚至交友情况等信息也被列为征信的数据对象。由于客户通过互联网产生了实时，留有痕迹，容易追踪的数据，所以相对于传统线下的采集和整合更加全面和准确。
不过，由于“大数据”太复杂，比如用户利用社交网络、电商网站、网贷平台中产生的大量碎片化数据非结构性特征强，这就要求征信企业对数据的存储和挖掘、分析计算能力有极高的要求，特别是需要挖掘数据之间的相关性。这时候，云计算就派上了用场。云计算则利用高效的数据挖掘技术和计算能力来增加征信的效率，同时允许使用专有的硬件部署来运行关键业务应用程序，所以可为用户提供了效率和安全的保障。
以2015年1月央行批准的可以对企业和个人征信的8家机构为例，这8家机构的数据来源均使用了大数据模式，其中的数据大同小异：既包括自己长期积累的数据、外购第三方的数据，也包括金融机构提供的数据、客户自己提供的数据，更包括从网络上公开获取的“大数据”，比如用户行为数据、社交数据等。其中芝麻信用和腾讯征信特别看重互联网行为数据，“芝麻分”和“猪猪分”都侧重对个人行为习惯进行分析。
另外，政府也注意到大数据在完善我国征信体系中的重要作用。2015年6月17日，国务院第95次常务会议审议通过了《关于运用大数据加强对市场主体服务和监管的若干意见》，我国政府也承诺要依法应予公开的政务信息，特别是市场主体的行政许可、行政处罚等信息，积极推动我国个人征信体系的建立。
目前已经有很多互联网金融平台开始应用互联网征信来提高工作效率。其中阿里巴巴网贷就是利用芝麻信用的其电商平台进行“大数据”征集和使用的案例。目前芝麻信用在蚂蚁金服旗下以征信事业群的形式存在，能够横向调取阿里巴巴集团的数据。阿里巴巴的征信平台，可以借助借款人在阿里平台上的所有消费信息进行有效评估，从而降低坏账的风险，进而实现稳定、可观的利息收入。
此外点融网、银湖网、拉拉财富都已经把芝麻信用分纳入风控模型，作为审核合格借贷人的指标之一。这些信用评估将帮助相关互联网金融企业对借款用户的还款意愿及还款能力做出决策判断，丰富了对借款人资质评估的手段。同时，合作双方会把自有资源互换利用，通过黑名单分享，芝麻分评定等措施，更好地针对信用类借款用户进行信用评估以及贷后追踪。
需要加快对大数据征信的立法
nlc202309010757
将大数据（主要是社交、电商等数据）纳入征信体系是中国征信业的一大进步，利用大数据来进行征信，可覆盖人群面广，对于在互联网上留有数据的人信用描述相对准确，但是业界人士仍然表示，大数据征信还有几个重大的问题尚未解决，其一是身份识别，即如何确定留下的数据属于这个人，以及保证所采集的数据的真实性，还有征信的授权的问题等。因为这些问题涉及到征信方是否有资格去采集、是否侵犯了个人隐私以及法律的边界问题，里面都有很大的探讨空间。
目前我国对大数据征信主要是以《征信业管理条例》为依据，并不具备一定的法律效力。虽然《征信业管理条例》明确禁止征信机构采集与信用无关的个人隐私信息，规定了绝对禁止采集和限制采集的个人信息范围。比如绝对禁止采集的个人信息范围包括宗教信仰、基因、指纹、血型、疾病和病史信息以及法律、行政法规规定禁止采集的其他个人信息，严格限制采集关于个人财务状况的信息。但是需要指出的是，个人财务状况的信息，包括收入、存款、有价证券、不动产的信息和纳税数额信息是完全可以通过大数据的方式进行部分采集的，而这些采集过程是否合法，目前还没有具体的说明。
另外就是个人隐私的问题。通过互联网征信平台在数据获取渠道、覆盖人群等方面显然优于传统征信系统，但也使得用户个人信息面临更多被泄露的可能。虽然很多征信平台表示，个人隐私的保护是征信的首要考虑因素，所有信用相关信息的采集一定在用户知情的前提下开展。但是目前大数据征信的快速发展以及大数据征信平台的迅速对接，都为个人信息隐私的泄漏都留下的空间。
笔者建议应该尽快对征信立法，只有有法可依，才能确保征信过程中数据釆集、信息使用的有序和合法。比如征信机构采集和向信息使用者提供个人信用信息都需要征得信息主体的同意。再比如在保障隐私方面，《个人信息保护法》应尽快出台；针对数据缺失，大量原始数据分散在司法、工商等政府部门的情况，国家相关部门应建立从立法层面使数据采集从私法授权的方式改为公权力授权，即当央行授予民间征信机构征信牌照之后，该机构即拥有央行的公权力授权，可以直接对接拥有原始数据的机关、企事业单位，但涉及法定的保密信息的除外。
此外，有专家表示，《征信业管理条例》作为一部框架性的法规，具体落实执行还需要配套的规章细则，因此，应尽快制定相配套的制度，包括《征信机构管理办法》、《金融信用信息数据库用户管理规范》和《企业与个人征信业管理办法》等相关规章细则，使征信机构和征信业务规范发展，保障金融信用信息基础数据库的建设、运行和维护。
当然，互联网征信系统也不能解决所有的社会征信问题，对我国而言，互联网征信系统至多能覆盖约全国约50%的人口，大数据征信体系再强大，也不能认为是唯一的征信解决方案，应该尽快发展政府征信作为补充。据悉，我国政府正在收集工商、税务、海关等征信数据，比如有些部门已经推出了失信黑名单，联合进行失信惩戒，这样将有效弥补大数据征信的不足。
征信数据 篇4
征信是指对个人或企事业单位在生产经营或社会活动中所产生的信用数据进行采集、存储和分析,经过严谨的评估后,从而描述其主体的信用状况［１－２］。征信是市场经济条件下的一种专业化的信用信息服务。征信的表现形式有对外提供信用报告、信用评估、信用信息咨询等;征信的目的是帮助经济社会活动主体确认其交易对象的信用状况,为其判断信用风险提供帮助［３］。
征信是个人或企业的信用记录,对社会经济发展有着重要意义。我国于2014年颁发了《社会信用体系建设规划纲要(2014—2020年)》,旨在部署加快建设社会信用体系,构筑诚实守信的经济社会环境。本文对大数据环境下的征信市场运行机制与体系构建进行探究,以便为我国征信市场建设提供参考。
1大数据特征
2011年,著名咨询公司麦肯锡发布了《大数据:创新、 竞争和生产力的下一个前沿》研究报告,将大数据定义为: “大数据是指数量规模超出常规数据软件采集、存储、管理和分析能力的数据集”［４］。Gartner Group公司对大数据的定义是:“大数据是一种存储海量、增长速率较高并且种类繁多的信息资产,处理大数据需要强大的计算与分析处理能力［５］。”《著云台》的作者认为,“大数据通常用来形容大量非结构化数据和半结构化数据,大数据分析需要借助云计算技术,因为实时的大型数据集分析需要向成千上万的高性能计算机分配工作［６］。”
同时,对于大数据的特征,各类研究机构和学者也总结出其特点。著名的研究机构IDC将大数据概括为4个特点,即海量的数据规模(Volume)、快速的数据流转和动态的数据体系(Velocity)、多样的数据类型(Variety)以及巨大的数据价值(Value)［７］。 《大数据时代 》作者维克托·迈尔·舍恩伯格则从数据应用角度出发,提出了大数据的三大特征:“其一,大数据的核心是建立数据关系分析法,并在此基础上进行预测;其二,分析数据不再只依赖于数据抽样分析;其三,专注数据微观层面的精确性会失去在宏观层面的洞察力和判断力”［８］。
2传统征信市场分析及大数据征信优势
2.1传统征信市场
在我国,由于征信意识不强,整个行业起步较晚,没有对征信进行顶层设计和规范,同时由于技术制约,传统征信存在以下问题:
(1)信息不对称、功能设置重复。我国“条块分割、分级管理”式的行政管理体制,各级政府和职能组成部门都只是站在各自的立场和角度上履行相应的工作职责,导致征信市场协同程度低。从中央到地方,工商、税务、海关等部门属于垂直的管理体系。每个部门职能不同,都会根据自身业务建设征信评价体系和相应的信息系统。由于各部门征信建设标准不统一,从而造成对企事业单位或个人的征信评价标准不相同。因此,全面评价企事业单位和个人的信用广度,需要整合各职能部门的征信资源。
(2)信用管理上存在“真空地带”。我国在行政体制上实现分级管理,每级政府对征信提出的评价程度不一,有时还会造成信用管理上的“真空”。由于各级政府的工作内容或者重点不同,征信市场建设呈现各自为阵的局面。 同时,由于我国未颁布相应的法律条文,在涉及征信交叉问题或敏感问题时,各级政府出于自身利益考虑,工作协调的积极性不高。因此,深度评价企事业单位和个人的信用程度,需要各级政府上下联动、紧密配合并调配相关资源。
(3)数据不够完善。由于传统征信是通过固定模式和途径进行信息收集,造成环境封闭,工作人员仅仅只对各项数据进行简单分析与评级,因此造成数据不完善。同时,没有形成严格的职业标准,因此数据分析会受到主观因素的影响而形成偏差,从而导致服务对象的评价结果与客观事实有误差,有时甚至出现相反的评估结论。由于服务对象在评估过程中参与行为少,也没有对整个评估进行反馈,因此会造成不良循环。
(4)缺乏共享机制。由于传统的信息技术局限性,各级政府之间、行业部门之间并未形成信息共享机制,因此导致征信系统中数据上传不够便捷,从而导致数据实时性较低、更新不及时等问题。
2.2大数据征信优势
大数据环境下,由于数据采集覆盖领域广泛,涉及的数据维度全面。大数据征信体系建设则可以很好地解决传统征信体系面临的问题。
(1)大数据信用采用云计算技术,征信系统可以完成从数据采集到评价结果输出的整个过程,避免了人为主观判断的影响,确保评价结果的准确性、真实性和严谨性;即使并行处理多个信用受评对象,仍然能够保证快速、准确的高效性。
(2)当受评对象的信用信息发生变化时,能够对其信用进行迅速及时的计算分析,保证信用的动态实时性,即大数据信用还能够满足评价结果与信用信息的同步。
(3)大数据信用的运行成本主要为硬件设备和软件系统开发投入,相比大规模的人力成本,其成本优势显而易见。总之,大数据环境下的征信集合了各种信息数据,对风险分析更为客观、全面,将为我国经济建设的风险防范提供参考依据。
3征信市场运行机制与体系构建
3.1构建多元的数据采集模式
现阶段,在相关牵头部门的组织和推动下,我国已形成了金融行业征信和政府公共征信体系。金融征信体系包括金融业征信系统和信用管理运行机制。金融业征信系统中信息采集工作主要以金融主管部门为主导,以金融机构为依托,以企事业或个人为征信对象。目前,金融征信系统已初具规模,收集金融业内的信用信息以防范金融交易风险。政府公共征信体系包括公共征信系统和信用管理运行机制。公共征信系统以政府行政部门为主导,以其机关事业单位为依托,以企事业或个人为征信对象进行建设。公共征信系统收集了政府各类信用信息,实现信用惩戒与预警监管。随着云计算技术的兴起,我国已出现除上述之外的第三类信息采集主体即互联网征信采集主体, 同时也形成了一套独立体系。该体系以行业协会组织为主导,以各互联网企业为依托,以企事业和个人为征信对象。其目的是防范信用交易与管理风险。例如阿里和腾讯等互联网公司各自平台每天承载数亿条的交易记录和信息,互联网企业介入征信体系,极大地丰富征信场景,当人们逐渐意识到除与银行有关的信用之外,与互联网交集时产生的大数据也将影响其今后的消费行为时,其征信意识将被培养起来。大数据环境下,金融征信系统、政府公共征信系统和互联网征信系统日趋完善,在功能上互为补充。
3.2构建信用信息共享机制
目前,我国还未建立完整统一的征信管理框架,金融征信体系、政府管理征信体系、互联网征信体系各自体系也未互联互通。以公共征信体系为例,我国职能部门,尤其是在经济领域,如工商、税务、海关等部门,都已开始建立与自身业务相关的征信管理系统。由于各自业务不同, 侧重点不一样,加上受信息技术的制约,因此建设标准和发展速度不统一。2014年,国务院印发了《社会信用体系建设规划纲要》,明确了与人民群众切身利益和经济社会健康发展密切相关的各方面的具体任务,国家将成立征信管理机构,建立征信数据互联互通的公共征信运行机制。 大数据的兴起,云计算的发展为实现各级政府、各职能部门征信系统的互联奠定了技术基础。
金融征信体系中中国人民银行征信中心是核心。设立目的之一是建设、运行和管理全国统一的企业和个人信用信息基础数据库,但目前只是以金融信用信息为主,未来将扩展到证券、保险、信托等各种金融信用交易,以实现大金融征信资源共享。
互联网征信体系刚刚兴起,各互联网巨头企业都纷纷布局征信市场领域,以阿里为代表的电子商务平台、腾讯为代表的社交平台、百度为代表的信息搜索平台已成为该体系的重要组成部分。在市场竞争与合作中,各征信体系会相互影响,相互渗透,在政府组织与协调下,最终实现互联网征信标准的统一。
3.3构建层次丰富的征信产品体系
征信产品是实现征信服务的有效载体,虽然我国征信已取得初步进展,但征信产品与服务远远不能满足经济发展的需求。首先,现有征信产品单一,目前仅仅包括市场调查、帐单、信用担保、资信评级、消费记录、信用调查等; 其次,现有产品质量不高,主要表现在信用数据的及时性、 精确性、完整性、拓展性较低。信用数据是整个产品质量和价值的保证,也是征信工作的基础,造成这一现状的原因是数据源采集、数据二次加工、评估模型都比较落后,没有形成较为完备的技术体系,因此也就无法构建层次丰富的征信产品体系。借助云计算技术,征信业将以数据分析系统为平台,通过大数据挖掘技术实现升级转型。一方面,依托大数据深度挖掘用户的各类信用基本信息,形成征信市场的基础性产品;另一方面,依托大数据进行个性化研究,形成增值性产品。此外,依托大数据的征信体系, 借助专业化的知识和技术手段,防范潜在的信用风险,实现有效的风险控制,提供高端产品,从而满足征信市场的有效需求,构建层次丰富的征信产品体系。
4结语
征信数据 篇5
(一) 建章立制, 着力构建有效的组织管理体系, 发挥业务考评的正向激励作用
近几年安徽省全面负责辖内金融机构数据质量工作部署后, 中国人民银行合肥中心支行领导十分重视, 专门印发文件, 对辖内金融机构数据质量工作进行部署, 并提出明确工作要求。同时, 制定了具体的目标规划, 将2008年和2009年两年统一定为“数据质量基础年”、2010年定为“数据质量赶超年”、2011年定为“数据质量稳定年”, 并着手构建有效的数据质量工作组织管理体系。
1. 建立数据质量管理组织, 全面加强数量质量工作领导。
早在2008年, 安徽省即策划成立了由征信管理部门领导、全体业务骨干组成的“安徽省征信系统数据质量管理小组”。根据工作需要, 小组成员及时碰头, 学习贯彻总行数据质量工作最新要求, 明确工作思路, 梳理工作任务, 拟定阶段性工作计划, 就加强数据质量工作进行集体研究, 加强对数据质量工作的领导。2010年, 为进一步加强数据质量工作, 在小组的基础上又专门成立了“数据质量工作课题组”, 从征信系统数据质量现状、影响数据质量主要因素及分中心在提高数据质量上的作用入手, 探索征信系统数据质量工作的长效机制。
2. 建立数据质量三级管理体系, 全力提升数据质量工作执行力。
2009年初, 为明确各级职责, 在人民银行和金融机构两个层面形成数据质量管理工作的合力, 进一步创建了数据质量三级管理体系。在该体系的具体运作中, 根据工作需要, 将相关人员对应分为三个层级。在组织体系内, 由人民银行征信工作分管行领导和地方性金融机构分管领导共同组成第一层级, 征信管理部门领导和地方性金融机构部门负责人共同组成第二层级, 征信管理部门、地方性金融机构数据质量工作业务骨干组成第三层级。
3. 建立和推动建立数据质量双层考评机制, 充分调动金融机构数据质量工作积极性。
在征信管理部门层面, 根据总行下发的数据质量情况的考核通报和掌握的各金融机构数据质量工作动态, 形成各金融机构数据质量工作分季度考核结果和年度工作情况综合评定。为增强考评的严肃性和约束力, 以合肥中心支行行发文形式予以通报, 使各金融机构及时掌握全省及自身征信数据质量现状。同时, 积极将考评结果纳入合肥中心支行对各金融机构年度综合评价体系, 作为金融机构评先评优以及金融机构接入人民银行业务系统的参考依据, 作为征信管理部门实施下年度征信业务检查的重要依据, 切实提高金融机构的工作责任心和主动性。在金融机构层面, 积极推动各金融机构建立征信系统数据质量考评制度, 在数据质量管理工作中落实“谁录入谁负责”的工作原则, 落实数据质量工作的源头责任, 增强具体工作人员的工作责任意识, 最大限度地从源头确保数据质量。推动金融机构建立行领导、部门负责人、具体经办人责任追究制度, 对履职不力的相关责任人给予必要处罚。
(二) 多措并举, 综合运用多种政策手段, 落实具体目标任务
1. 加强数据核查, 从源头确保数据质量。
坚持两端数据核对为主、定点监测为辅的数据质量核查方式, 进一步完善数据质量核查手段。一是保持两端数据核对的稳定性和连续性。着重加强对数据源的核对, 包括金融机构会计系统与信贷系统的核对, 信贷系统与原始资料的核对, 确保从源头上提高数据质量;二是建立健全定点监测数据核对机制, 提高样本覆盖率, 合理安排核查频度。要求各商业银行定期向当地人民银行报送信贷业务数据, 加强基层人民银行对商业银行的数据质量的监督。
2. 坚持深入一线, 积极快速处理突发数据质量问题。
虽然经过积极努力, 辖内金融机构数据质量意识有了明显提升, 但一时疏忽仍然难以彻底避免, 为及时挽回突发数据质量问题可能会造成的重大不利影响, 积极构建重大突发事件快速反应及补救机制。坚持第一时间深入金融机构现场, 了解数据质量管理过程中的突发问题, 并现场给予指导解决。
3. 加强数据质量业务检查, 切实提高金融机构数据质量工作意识。
近年来, 中心支行先后开展了10多次征信业务执法检查, 同时多次组织辖内各市中心支行对全省金融机构个人征信系统使用和管理以及异议处理工作开展情况进行现场检查。在每次检查方案的制定过程中, 都坚持将数据质量报送的及时性、完整性、准确性纳入检查范围。通过检查, 发现数据质量问题, 有效运用行政处罚等有效手段, 引起各商业银行对数据质量工作的重视, 提高了金融机构数据质量工作责任意识, 积极主动地开展数据质量管理工作。
二、提高征信系统数据质量的成效
经过近几年的探索和实践, 安徽省辖内征信系统数据质量得到显著的提高, 很好地完成总行下达的各项数据质量工作任务。去年底, 安徽省地方性金融机构接口行企业征信系统两端数据核对综合一致率达到98.65%, 连续6个季度保持在95%以上, 提前一年半完成总行规定目标;非接口行综合一致率也大幅提升, 顺利达到95%的年度工作目标。在个人征信系统量化考评中, 徽商银行和奇瑞汽车金融公司达到100分, 安徽省农联社达到97.79分, 均提前实现数据质量提升目标。
三、提高征信系统数据质量的建议
1.着力加强业务培训。针对数据质量工作的新形势和新要求, 要着力加强辖内征信工作人员的业务培训工作。要组织人员参加数据质量工作业务培训, 学习数据质量管理最新精神, 掌握数据质量管理方法;
2.着力加强业务锻炼。要积极创造条件, 选派业务骨干到总行上挂锻炼。要通过业务工作实战, 开阔了业务人员视野, 提高了工作技能, 同时通过他们的转培训, 间接提高了全省工作水平。
3.着力加强业务学习。开展数据质量现场核查前, 要积极组织工作人员重新学习接口规范, 熟悉核对程序的使用方法, 仔细研究、领会总行制定的工作要求, 保证各成员成为数据质量问题的行家里手, 为相关工作的顺利开展提供强有力的保障。
摘要：数据质量工作的好坏关乎征信系统建设的成败, 意义十分重大。近年来, 在中国人民银行总行的悉心指导下, 安徽省始终将征信系统数据质量管理工作作为一项重要的基础工作来抓, 在辖内积极实践初步探索出一套行之有效的工作模式。
征信数据 篇6
大数据征信风险控制是指通过运用大数据征信构建模型的方法对借款人进行风险控制和风险提示。随着金融行业进入到大数据时代,互联网金融行业也开始主动运用这一方法。
大数据时代是海量数据同完美计算能力的结合,大数据可以很好地完善征信体系,帮助金融机构提供金融产品,降低信用风险。同时,大数据可以利用海量数据进行计算,分析其中内在规律,完善评分模型、优化审批,在得出更加有效的规律后,再进一步优化评分模型、优化审批,从而形成良性循环。
1 大数据征信下企业风控模型的现状
传统的企业风控模型虽然在过去进行信用风险管理中发挥了很大的作用,但是,由于其数据来源受到渠道的限制,导致其信息维度过于单一,在数据维度多样化的大数据时代,传统风控模型解决问题的能力也受到了极大的限制。大数据征信是利用数据分析和模型进行风险评估,依据评估分数,预测还款人的还款能力、还款意愿、以及欺诈风险,从而利用数据实施科学风控。概括来说,大数据征信下的风控模型主要有以下三大益处。
1.1 更精准的信用评价
大数据征信模型将海量数据纳入征信体系,并以多个信用模型进行多角度分析。美国互联网金融公司Zest Finance的模型,可以处理3 500个数据项,提取近7万个变量,利用身份验证模型、欺诈模型、还款能力模型等十余个模型进行分析,使评价结果更加全面准确,从而使模型评估性能大大提高。
1.2 更合理的行为数据
丰富信用风险评估的数据维度是大数据风控的最大优势,征信数据规模越来越大,数据维度越来越广,模型不断更新优化。之前征信机构对于企业和个人信息的搜集相对比较困难,数据搜集数量也比较有限。但是依托大数据和云计算技术优势,可挖掘大量数据碎片中的关联性,推动数据统计模型不断完善,更加科学地反映用户的信用状况。大数据时代,每个相关机构都在最大程度上设法获取行为主体的数据信息,使数据在最大程度上覆盖广泛、实时准确。
1.3 更稳健的评判标准
大数据风控可以从数据维度和分析角度提升传统风控水平,可以让传统风控更加科学严谨。传统风控的缺点就是缺乏实效性数据的输入,其风控模型反映的往往是滞后数据的结果,利用滞后数据的评估结果来管理信用风险,本身产生的结构性风险就较大。大数据的数据采集和计算能力,可以帮助企业建立实时的风险管理视图。借助于全面多纬度的数据、自我学习能力的风控模型、实时计算结果,企业可以提升量化风险评估能力。
2 大数据时代企业风控模型的发展
大数据征信依靠大数据、云存储技术,信用数据来源越来越广泛,不再局限于传统征信行业仅依靠借贷数据的历史。它所表现的特点是数据来源更广,种类更加丰富,时效性也更强。从Zest Finance公司构建征信模型的框架思路上,可以根据以下几个方面思考企业风控模型的改进或创新。
2.1 数据源方面
收集客户信息越全面,反应客户信用的维度越多,预测出错的概率就越低,因此,除了用好目前特有的数据外,也应不断收集客户金融交易之外的数据。
2.2 数据技术方面
风险模型也应考虑是否可以借鉴Zest Finance模型,建立不同层次的模型体系,根据每个客户特性建立一个模型,再将不同的模型结果进行综合评分。
2.3 评分推广方面
将评分和业务(如贷款利率、贷款金额、放款速度等)进行关联提高客户粘性,通过风险评分提升客户的业务粘度。
3 结语
大数据征信最主要的就是通过模型来挖掘客户的风险,而模型的好坏,依赖于模型技术的实现,数据挖掘和机器学习的快速发展,日新月异为大数据征信奠定了技术基础。大数据征信评估有望对金融机构降低信用风险和欺诈风险带来显著效果。因此金融机构在设计授信政策时,不妨多维度使用征信产品数据,实现全流程大数据风控,从不同角度筛选不良客户。风险控制作为金融的本质是其中最重要的一环,而大数据征信毫无疑问将在这个过程中发挥重大的作用。及时修正模型,优化模型,从而提升数据积累和建模等多方面的能力,以面对新经济形势带来的机遇与挑战。
摘要：随着大数据技术在各行业的深入应用,中国金融行业对风险管理的要求日益提高,企业风控模型面临着日益迫切的转型需求。就大数据征信下企业风控模型的现状与发展进行探讨。
关键词：大数据,企业风控模型,现状,发展
参考文献
[1]张海泉.大数据时代下的信贷风险防控研究[J].中国集体经济,2014(14):75-77.
[2]吴昭华.大数据时代的互联网金融发展研究[J].电子世界,2014(5):192-193.