派智库

摘要：随着互联网技术的飞速发展，大数据逐步渗透至征信业，在给传统征信模式带来挑战的同时，也推动着征信业迅速发展。我国企业信用体系的模式选择，可在以中国人民银行征信中心为主的现有体系基础上，探索一条“政府和私营征信机构合作”的道路。目前，我国信用体系存在数据分割严重、信用信息不全且来源渠道窄、小微企业数据缺乏、信用风险评估方法科学性不足和信用评级机构间存在过度竞争等问题。应在通过跨部门数据集成、厚数据抽样调查和网络数据采集三方面获取信用信息的基础上，进行数据挖掘与信用模型研发，进而建立完善的信用体系。 内容来自dedecms

关键词：大数据；企业信用体系；模式；方案 织梦好，好织梦

近年来，随着互联网技术的飞速发展，大数据逐步渗透至征信业，在给传统征信模式带来挑战的同时，也驱动着征信业的迅速发展。如何以大数据等新兴技术发展为契机，进一步推进数据密集的征信行业的跨越式发展，是当前我国企业信用体系建设中亟须解决的重要问题。

一、企业信用体系的模式选择

目前，我国正在积极建设企业信用平台，但征信平台有不同的模式，选择哪种模式构建企业信用体系能更有效满足市场对企业的信用信息需求是面临的首要问题。 本文来自织梦

发达国家主要有三种比较成熟的企业信用体系模式，即美国的民营模式、欧洲的公共征信模式及日本的会员制模式。美国的民营模式以市场机制调节企业运作，市场效率高，服务范围广，又可使征信机构保持独立性。欧洲的公共征信模式主要由中央银行的一个部门建立，政府出资但不以赢利为目的，并强制全体参与，能迅速建立起企业信贷数据库。日本的会员制模式兼具私营征信机构产权明晰和公立征信机构非营利性特征，强调会员间的信息共享，重视征集中小企业的非财务数据信息。由于美国和日本的企业信用体系市场化程度较高，征信机构会根据中小企业特点和市场需要开发出多种特色化评价模型和个性化信用产品。一般来说，公共征信与发达国家的私营征信有显着替代作用，而私营征信与发展中国家的因特网普及率有显着的互补性。[1]互联网不仅能为企业带来高效的金融服务，也有助于信用数据库的不断更新，从而使征信系统能提供更加人性化与个性化的征信产品。 copyright dedecms

在我国征信系统建设初期，政府要加大推动力度，成为信用体系建设的主要发起者和推动者。[2]20世纪90年代，上海、深圳和浙江等省市在政府主导或扶持下最早探索建立了征信系统。但长远看，征信体系的建设应向市场化发展。[3]2012年12月，《征信业管理条例》颁布，确立了我国征信行业有限监管下的市场化发展方向，为企业信用体系的监管提供了制度依据。目前，我国征信业初步形成了“政府主导与市场化相结合”的多元化格局。[4]2014年国务院发布的《社会信用体系建设规划纲要（2014—2020年）》强调，社会信用体系建设要政府推动、社会共建。因此，我国企业信用体系的模式选择，可在以中国人民银行征信中心为主的现有体系基础上，探索一条“政府和私营征信机构合作”的道路：由政府提供企业相关的基础信息，以弥补私营征信机构建立初期的信息劣势；由私营征信机构负责信息的再征信、集成、分析、信用产品的设计、推广等；最后政府负责对信息使用和征信机构进行监管。 本文来自织梦

二、我国企业信用体系现存的问题 织梦内容管理系统

我国现有提供企业信用服务的机构包括中国人民银行建设和管理的企业征信系统、商业化运作的征信机构和评级公司、各地方政府正在大力推进的信用平台。但随着大数据等技术的兴起，互联网金融等新兴业态在我国迅速发展，市场对企业信用体系的要求不断提高，使信用体系存在的问题逐渐暴露，主要包括： 织梦内容管理系统

（一）数据分割严重

我国政府各部门分别掌握着企业各类数据信息，如税务部门有企业的财务数据和纳税数据、社保劳动部门有企业的社保数据和劳资数据等等。很多部门数据实现了电子化存储，也相当详尽和规范，但这些数据仅限在各部门内部查询和使用，不能跨部门共享，更不能向征信机构提供，使各部门数据不能有效率的用于企业信用评价。各部门的数据重复采集会导致行政机关资源大量浪费。[5]另外，各部门数据缺乏统一的编码基础，数据集成难度大，完整性、连续性还有待进一步提高。这都使各部门收集的数据不能有效利用，难以对企业的信用情况进行有效评价。 织梦内容管理系统

（二）信用信息不全且来源渠道窄 织梦内容管理系统

目前，中国人民银行征信中心的企业信用信息主要来自商业银行、农村信用社、小额贷款公司等专业化的提供信贷业务的机构。政府主导的地方性信用机构多数只提供工商注册登记基础信息，客观地收集和展示客户的基本信用信息，并不对客户信用信息做任何评价。而私营征信公司的信息渠道窄，限制了信用产品的进一步深化。在当前经济增速放缓的环境下，信贷机构传统的以大客户为主的客户体系很难继续支撑规模扩张和收入增长，而小微信贷往往呈金额小、碎片化、即时性特征，信用风险难以掌控，需要更多的企业信用信息来对单个金融主体进行全面刻画。

（三）小微企业数据缺乏

目前，信息不对称是小微企业融资困难的主要原因，[6]要解决这一问题，需建立小微企业征信体系，并进行信用评级。[7]目前，我国小微企业的信用数据没有公开的信息获取途径，即使在数据较为详尽的政府部门，大多数数据库包括的企业都是大中型规模的企业，小微企业却游离于信用数据之外，严重制约了互联网金融与普惠金融的发展。 本文来自织梦

（四）风险评估方法科学性不足

从评估方法方面看，我国企业信用体系建设中存在指标体系繁琐、不重视对偿债意愿的分析、对行业层面的分析不足等问题。大多数信用风险指标采用层次设计，指标间可能出现的相关性会造成最终评估结果的内生性问题；偿债意愿的强弱会导致具有相同偿债能力企业的信用风险完全不同；行业层面的周期性、风险的传递性等问题，可能比单笔业务失败对某家企业的影响更大。完善的信用评价体系应包括数据描述、数据分析、模型研发、信用评级等多个层次，逐步深入地反映企业全面的信用状况。所利用的数据也不仅是定量的数据（如财务数据），还应有各类定性的数据。

（五）信用评级机构间存在过度竞争 本文来自织梦

虽然我国有不少商业化运作的征信和评级公司，但征信业务品种和市场结构受政策影响较大。在成熟的市场经济中，授信机构必须是独立的经济主体，必须按市场规则运作，独立承担风险并获取收益。[8]各类资信评级机构处于过度竞争的状态，市场竞争秩序混乱，产品质量参差不齐，给征信业的发展带来极大的负面影响。 织梦好，好织梦

事实上，上述问题的凸显，一方面由于我国现有企业信用体系还比较偏向于传统征信模式，另一方面是由于我国的市场化逐渐成熟。企业征信的本质是利用信用信息对企业主体进行数据刻画，而大数据催生的企业征信体系建设凭借覆盖面更广的数据、涉及更全面的维度可很好地解决传统企业征信体系面临的问题。 内容来自dedecms

三、大数据时代下的企业信用体系建设方案

大数据时代的来临，使征信数据来源更加多元化、多维化和非结构化，可更真实全面地反映信息主体的信用状况，必将为我国征信体系建设增添新动力。[9]应以“政府推动，社会共建；健全法制，规范发展；统筹规划，分步实施；重点突破，强化应用”的原则，运用大数据的思维和方法，构建“跨部门融合、大数据预测”的多维度、高时效、高质量的企业联合征信体系，实现覆盖各类企业的信用信息资源共享。

内容来自dedecms

（一）跨部门数据集成 dedecms.com

数据集成可依靠地方行政力量打通各部门壁垒，把各部门数据以现有的存储方式提交到专门的数据处理机构进行汇总。由于各部门数据结构不同，需要由专业数据处理机构对各部门提供的数据进行程序清理和人工清理，制作成统一的数据读取格式。其中，企业的股东（投资人）、高管、负责人等自然人的个人信用数据也应纳入统一数据库，作为反映企业信用状况的一个重要方面。数据传输采用SSL VPN[1]提供基于身份验证的安全控制和数据加密技术，将各政府部门的企业数据传输到专门授权的应用服务器，建立统一的数据库。 copyright dedecms

在数据匹配上，目前各政府部门的数据所依据的主要查询编码并不统一。如，工商部门主要以工商注册号进行数据查询，税务部门主要以税务登记号进行查询，还有些部门没有代码仅以企业名称查询。而使用机构信用代码系统更新企业信用信息还存在很大问题。[10]但大多数部门的数据中都包含组织机构代码，且组织机构代码与政府公示信息关联最多，因此可将组织机构代码作为主要匹配代码。对缺乏组织机构代码的数据，则利用企业名称进行多字段模糊匹配。

本文来自织梦

（二）厚数据抽样调查

dedecms.com

从政府部门集成的数据具有“大数据”的特点，企业覆盖面全，但信息目类偏少，是一种“薄数据”，没能包含一个企业的所有维度，信息种类不全面，规模小的企业也未包含在内。厚数据是指样本数量不大但涵盖的信息维度众多的数据。通过对已有的企业进行抽样调查，可获得厚数据。厚数据抽样调查以小微企业为主要对象，作为对大数据的重要补充。如，西南财经大学中国家庭金融调查与研究中心在全国范围内开展的“中国小微企业调查”，具体数据内容包括小微企业的生产、经营、管理、融资、资金使用、并购、资本运作、用工、人力资本、研发、创新、风险、法律、运营环境等。如果能将厚数据与大数据相结合，不仅能反映企业过去的情况，还能对未来的成长性、风险性进行预测。

（三）网络数据采集

虽然各政府部门的数据与小微企业抽样调查的数据已反映了企业多个维度的信用信息，但仍有不少数据分散在各类媒介尤其是互联网中，如质检部门抽检通报的数据、新闻媒体曝光的数据、网上交易数据、网络借贷数据、新媒体行为数据、搜索习惯等，这些数据变量丰富、时效性强，并且是对客观现实的反映，是企业信用数据的有益补充。如果能及时纳入企业数据库，则企业信用信息的时效性和全面性将大大提高。互联网数据可通过爬虫技术等技术手段自动获取，将获得的数据进行总结。 织梦好，好织梦

（四）数据挖掘与信用模型研发

织梦好，好织梦

通过跨部门数据集成、厚数据抽样调查和网络数据采集三大不同来源获得的数据形成了一个具有数据量大、响应快、数据多样性的企业大数据库。庞大的数据库包含了大量与企业信用状况相关的信息，也可能会存在一些无用信息。通过数据定向挖掘技术将众多数据进行分类、筛选，将与企业信用状况相关程度高的数据选择出来，从而形成信用评价的高质量数据支撑。 copyright dedecms

从数据挖掘的角度看，目前已有少数将聚类算法[2]应用至信用风险估计的方法，而将关联算法[3]应用至信用风险估计的方法则鲜见。由于在实际应用过程中可能出现指标数据缺失、没有违约相关的历史数据，以及由此造成的指标筛选困难等问题，对企业信用体系来说，通过对多种方法的探讨和应用，不仅可提高对企业信用风险评估的准确性，而且可开发出更灵活的信用产品，更好地贴近实际应用。

（五）信用体系建立

dedecms.com

完善的企业信用体系将由描述性信用信息、分析性信用信息和评级性信用信息三个部分构成。描述性信用信息主要是对影响企业信用的负面信息进行报告，目前中国人民银行的企业征信系统主要是以这类描述性信息为主。分析性信用信息是基于大数据和厚数据整合的企业数据库利用统计学、计量经济学、数据挖掘等方法，对各类数据进行因素分析、建模、预测等，用以评估企业的成长性和风险性。评级性信用信息不仅以企业的定量数据作为基础，还包含企业的各类定性数据，力求多维度、高质量地反映企业的信用状况，为投资者、交易关联方和监管者提供最方便的信用信息。 织梦好，好织梦

（六）隐私保护 内容来自dedecms

根据《征信业管理条例》等相关的法律法规，应对各类信息进行分级处理，在企业大数据库中明确标示，在查询权限的设置中予以相应设置。将描述类的负面信息和正面信息，尽可能设置为“公开信息”，这样才能使各类信息使用主体更容易获取与企业信用关联度大的信息数据，从而最大限度地发挥信用体系的作用。由于存在个人和企业征信的隔离问题，为避免违约后的企业经营者快速重建新的、具有良好征信的企业实体，延续已违约企业的经营，[11]可将企业主的个人信用信息和企业信用信息联合报告，以产生违约警示作用。

（七）政府监管

dedecms.com

在对企业征信机构的采集、整理、保存和使用企业信用信息过程进行监管方面，政府应从企业征信机构的设计和初建环节开始就积极介入，从源头上保证征信机构的资质，避免重复建设和信息资源浪费。在扶持第三方征信机构方面，政府可按小比例出资，取得股东资格并有权选择征信机构的“独立董事”，以便保持对征信机构日常经营的监察，掌握重点征信机构的工作动态。征信机构设计的信用信息分类和使用权限设置方案应在政府指定部门备案，并授予政府最高查询权限，建议该查询端口放在国家的执法部门（法院）。此外，政府要推动设立征信业协会，通过直接监管协会来间接监管行业。 织梦内容管理系统

参考文献： 本文来自织梦

[1]耿得科，张旭昆.征信系统对银行不良贷款率的抑制作用——基于2004～2008年92个国家面板数据的分析[J].上海经济研究，2011（7）：35-44. dedecms.com

[2]徐宪平.关于美国信用体系的研究与思考[J].管理世界，2006（5）：1-9.

[3]黄余送.全球视野下征信行业发展模式比较及启示[J].经济社会体制比较，2013（3）：57-64. 织梦好，好织梦

[4]李辰.我国大数据征信发展的现状、困境和经验借鉴[J].征信，2016（9）：32-34. 织梦好，好织梦

[5]陈余韬.企业征信系统建设中的问题与建议——基于工商行政管理部门监管角度[J].中国市场监管研究，2016（5）：61-64.

dedecms.com

[6]刘维奇，高超.中小企业贷款问题的进化博弈分析[J].中国软科学，2006（12）：94-103.

内容来自dedecms

[7]潘振媛.小微企业信用评级体系初探[J].信息技术，2012（8）：189-192. 织梦内容管理系统

[8]吴晶妹.未来中国征信：三大数据体系[J].征信，2013（1）：4-12. copyright dedecms

[9]冯文芳，李春梅.互联网+时代大数据征信体系建设探讨[J].征信，2015（10）：36-39.

本文来自织梦

[10]李丹，王鸿雁.征信体系建设中存在的问题及建议——基于数据库建设等方面的思考[J].征信，2016（7）：39-41. 内容来自dedecms

[11]沙磊，申志华，李鹏.以征信平台推动商业银行的中小企业融资业务——关于延伸与追踪中小企业信用记录的方案思考[J].金融理论与实践，2010（11）：49-51.

dedecms.com

---

[1] SSL VPN指基于安全套接层协议（Security Socket Layer-SSL）建立远程安全访问通道的VPN技术。

[2]聚类分析又称群分析，它是研究（样品或指标）分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类分析以相似性为基础，在一个聚类中的模式间比不在同一聚类中的模式之间具有更多的相似性。 内容来自dedecms

[3]关联分析又称关联挖掘，就是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。