你好,游客 登录
背景:
阅读新闻

中国大数据征信行业的“软肋”与对策

[日期:2017-10-10] 来源:亿欧  作者:董成竹 [字体: ]

  

大数据,征信,大数据,金融,科技

 

  大数据征信前景广阔,在资本市场、商务合作和终端消费市场,征信产品的需求已经显现出来,金融机构、企业和消费者对通过第三方大数据征信机构在经济活动中考察合作和交易对方的信用状况抱有很大的期待。

  我国征信业刚刚起步,发展时间并不长,根据发达国家的经验,建成征信数据库至少需要三到五年的时间。数据库建设滞后导致市场上征信产品和服务并不丰富,这是我国征信业发展的现状。

  中国大数据征信行业方心未艾

  国内知名大数据专家、职品汇创始人龚才春博士介绍说,中国的大数据征信行业还处于起步阶段,虽然,受到了资本和市场和互联网金融企业的追捧,但方兴未艾的征信行业尚不足以支撑起互联网金融行业不断扩展的商业蓝图。

  龚才春博士指出,国内征信市场现在处在无序竞争阶段,这种局面下肯定会出现优胜劣的现象,独立、客观、公正、规范,具有优质数据和强大评级体系的征信机构,最终会在市场上存活,而那些“伪大数据征信机构”将面对愈加严酷的市场环境。

  中国大数据征信行业有哪些“软肋”

  在政府鼓励和市场迫切需求双重驱动下,国内掀起了一股狂热的互联网征信浪潮,但已经有不少人心存疑虑,质疑大数据征信的含金量和可靠性。国内知名大数据专家、职品汇创始人龚才春博士介绍说:当前国内的大数据征信行业还存在着诸多难点,比如:

  1、大数据数据整合难,信息孤岛难题待解:央行征信系统并未开放,征信机构无法获取珍贵的信贷数据,而央行对企业在小贷、租赁金融的信贷行为也难以全面掌握;公共数据广泛分散在工商、质检、海关、税务等政府和业务管理部门,虽然建设统一信用信息平台已提上日程,但数据孤岛的问题仍难解;芝麻信用、腾讯征信等所背靠的集团,以及各类P2P平台自建的征信公司本身存在业务交叉和竞争关系,共享“黑名单”易,共享“白名单”难等等。

  2、征信数据缺乏统一标准:到底哪些信息需要列入征信评估范畴还没一个统一的界定,越来越多的信息被纳入征信范畴,交通违章、地铁逃票等似乎什么都可以往里装,这些都可能构成个人不良征信记录影响个人信贷。

  3、公信力遭质疑:“征信采集者与使用者没有任何关系”的独立第三方原则被模糊,首批入围的民营征信机构数据的采集和使用都与自身有着千丝万缕的联系,这就决定了现在市场中的很多模型只能适用于自己的小生态,同时民营征信机构既做裁判又做选手,最终评价的公正性或在市场份额争抢中失衡。

  4、评级模型五花八门:中国并不缺数据,但缺乏可以数据通用的评估模型。国内个人征信大多模仿了美国FICO的模型,但在评估维度上五花八门,加上采集的数据差异,这就造成同一个人在不同平台得到的评分可能会千差万别。而企业征信的评级模型,以及债券评级模型的严谨性、科学性在国际上并无强公信力。

  龚才春博士指出,只根据数据分析出的规律并不全面,如果仅据此进行风控审核,难免会出现疏漏或偏差。大数据只能作为辅助手段,不能作为风控的决策依据。

  大数据征信行业的应对之策

  1、互联网信息采集技术是关键。

  大数据征信给人的第一印象就是数据规模庞大。但这不重要,仅从数据量上来说,传统的信用评级公司经过数据的长年积累也可能做到。关键在于数据的采集上,大数据征信数据库更多地依靠技术能力聚合有关企业或个人有效信用数据,并录入基础数据库,纳入相关企业或个人的信用档案中。

  正是通过互联网技术,才能让信用信息数据库迅速汇集、冲洗出鲜活的信用信息,如果一些征信公司没有数据库,或者数据库里只有一些企业的基本信息,就标榜自己是大数据征信,就值得警惕了。

  2、实现企业信用的动态评估。

  大数据的另一个显著特征是,对及时捕捉来的数据进行适时分析,由基础数据库纳入数据评估系统。比如当前一家企业的信用评级良好,下一刻在质监部门或新闻媒体就有可能发布关于这家企业的负面信息,大数据征信数据征信就要能够实时捕捉到这些信息,并通过系统内置的数据计算模型,对数据进行交互处理,对企业的信用状况进行重新评估更新,让公众能够及时了解到企业最新的信用信息,也就是说在大数据征信机制下,企业或个人的征信状况是动态变化的,这就是大数据征信的独特魅力。

  传统征信机构的普遍做法是,征信公司向企业发出资料清单,依据企业提交的信息资料、辅以对企业短时间的财务分析,对企业进行信用评估,并标注有效期一年、两年、三年,这和大数据征信机制完全相悖。

  3、通过统一数学模型进行信用评级。

  传统征信更多地是依靠人为的、主观的因素来评级,通过分析师或信用评估从业者对企业提报的资料经过分析而做出企业的信用评定。而大数据征信面对的是海量的企业或个人的信用数据,依靠人工来分析评级很不现实,大数据征信下的信用评级是通过系统内统一的数学计算模型,对企业或个人的信用信息进行计算,并得出相关企业或个人的信用分值和信用等级。

  大数据征信所采用统一数学模型的信用评级,更具客观性,效率也大大提高。

  4、实时出具信用报告。

  通过统一数学模型对企业或个人进行信用评级的同时,征信系统能够实时为企业和个人出具信用报告。比如说,传统征信模式通过调查、资料分析和信用评级,要出一份信用报告,至少需要2周或更长的时间,而大数据征信通过系统广泛采集企业的信用信息,可以做到信用报告直接在线下载打印,这是传统的征信模式所无法比拟的。

  作为一个新兴行业,大数据征信业在发展初期出现混乱局面本无可厚非。征信行业需要正本清源,需要不断完善进步,这样才能适应互联网金融、国际贸易、传统商业、人力资源行业等不同行业发展的需求。

 

  本文系投稿稿件,作者:董成竹;转载请注明作者姓名和“来源:亿欧”;文章内容系作者个人观点,不代表亿欧对观点赞同或支持。





收藏 推荐 打印 | 录入:Cstor | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款