央行征信系统数据质量工作的思考与探索

谭任杰

（中国人民银行营业管理部，北京100045）



央行征信系统数据质量工作的思考与探索

谭任杰

（中国人民银行营业管理部，北京100045）

［摘要］本文以央行征信系统设立的必要性为切入点，阐明做好征信系统数据质量维护工作的重要意义，对征信数据质量考核工作进行深入分析，发现工作中存在的问题并提出相关建议，力求征信系统数据质量能够得到有效提高，展示更高质量的信用报告。

［关键词］征信系统；数据质量；量化考评；征信监管

随着市场经济的不断发展和完善，企业和个人跨行借贷、跨地域交易日益活跃，恶意拖欠和逃废银行债务现象时有发生，建立企业和个人信用信息共享机制，全面把握借款人信用风险，建立企业和个人信用信息档案已成为整个金融系统乃至全社会面临的迫切任务。建立完善征信系统是打造现代金融体系的必然趋势，同时也是建立成熟市场经济体制的重要标志。

2013年国务院第631号令签发《征信业管理条例》，条例中明确赋予人民银行为征信业务监督管理部门，这标志着我国征信行业步入了有法可依的轨道。目前，全国统一的企业和个人征信系统（即金融信用信息基础数据库，简称征信系统）是迄今为止世界上规模最大的征信系统。接入机构众多，涵盖商业银行、村镇银行、金融资产管理公司、融资性担保公司、小额贷款公司、证券公司、财务公司等，采集数据多达上亿条。截至2015年3月底，企业征信系统共收录法人及其他组织2060万户，2015年前3个月日均查询23.6万次；个人征信系统共收录8.62亿自然人，2015年前3个月日均查询153.2万次。如此庞大的信贷数据对防范金融风险，维持信贷市场稳定运行发挥了重要作用。

一、征信系统数据质量维护的重要意义

伴随着市场经济的不断发展，尤其是在当下互联网大数据时代，征信系统中数据的准确性及可信赖度日益成为社会关注的焦点。《征信业管理条例》第二十三条明确表示，“征信机构应当采取合理措施，保障其提供信息的准确性”。作为央行征信系统，就更应该对数据质量提出更高的要求标准。

（一）建立央行征信系统的必要性

在我国，以人民银行为牵头部门建立征信系统具有以下几方面的必要性：首先，通过设立央行征信系统，能够满足我国社会信用体系建设当下对征信服务的迫切需求。其次，由政府行政部门设立征信系统，是保护社会公众金融信息安全的普遍需求。再次，建立央行征信系统可以有效避免重复建设带来的社会资源浪费，为各部门数据交流、信息汇集奠定基础。最后，有利于减少信息异议和法律诉讼的发生。信用信息失真会使金融消费者权益受到严重侵害，征信异议申请和投诉案件屡有发生，截至2015年11月末，全国征信异议发生约为1300笔。较高的征信数据质量可以提供准确信息，有效减少征信异议及投诉的发生，维护信息主体权益，化解法律纠纷。

（二）有利于激发金融机构参与征信工作的积极性

征信系统数据维护是极其细致的工作，每一笔信贷业务数据必须及时、完整、准确地报送到征信系统之中。中国人民银行征信中心（以下简称“征信中心”）通过建立数据质量考评机制，每季度对各金融机构报送的数据质量情况进行通报，对数据质量考评较差的机构进行批评及约束；同时，每年对数据质量报送优秀的机构进行表彰，对参与征信工作成绩突出的人员进行奖励。在这种奖惩兼顾、按季考核的工作模式下，使各金融机构对征信数据质量工作引起重视，极大地调动了征信数据报送及维护人员对数据质量工作的积极性，强化了金融机构工作人员对征信工作的参与感。

（三）有利于树立央行征信系统的权威性

征信数据质量是征信系统的生命线。央行征信系统是我国目前最早、最全面的国家征信系统，做好央行征信系统数据质量工作，不仅可以为央行征信系统树立权威性，更为社会商业征信机构树立榜样，引导商业征信机构建立维护征信数据质量的正确意识，为金融业塑造良好形象，促进征信业蓬勃发展。

二、央行征信系统数据质量考核工作

接入征信系统的金融机构除做好日常业务数据报送工作外，还应配合各地方中心开展数据质量考评工作。数据质量考评体系主要针对目前已接入征信系统的各类型地方性金融机构进行两方面数据质量考核工作，一是按季度进行数据质量综合考评，二是开展年度征信系统数据质量激励与约束机制。

（一）季度数据质量综合考评

1.数据质量考评方案设计思路

征信系统数据质量评价方案主要从科学性、可操作性及引导性三方面进行设计。科学性是指在设计征信系统数据质量考评时应涉及征信系统数据质量相关制度要求、征信系统数据质量应达到目标、具体工作开展方式等方面为指导。可操作性，也就是可行性和实用性，指征信系统数据质量评价指标内容客观明确，指标简化，方法简便，信息及数据易于采集且准确可靠。引导性主要指评价指标能引导被评价对象的行为。评价只是手段，接入征信系统机构的工作人员不仅仅是为了评价而评价，它的最终目的应该是保证较高数据质量目标的实现。因此，征信系统数据质量评价指标应具有灵活、动态和全方位的特点，以此才能更好地引导被评价金融机构与组织目标保持一致。

2.数据质量考评内容及标准

为保证征信系统数据入库质量，征信中心对接入征信系统的金融机构从数据报送的及时性、完整性、准确性三个维度进行考核，包括对数据报送过程中和当前系统数据与金融机构数据源一致度的衡量。其中，及时性主要考察金融机构数据报送的及时情况，是否于业务发生下一工作日上报征信数据；完整性主要考察金融机构数据报送的完整情况，是否按照征信系统数据采集规范，将各类已结清和未结清信贷业务信息及客户信息全部上报；准确性主要考察金融机构数据报送的准确情况，已上报的数据是否与业务实际相符，格式、逻辑是否符合征信系统数据采集规范要求。

通过核对金融机构台账与征信系统中数据进行对比，查看户数、笔数、发生额、余额是否一致；并结合征信系统后台提取各金融机构的连续上报率与通过率情况，得到六类评价指标，分别对应完整性，即信贷业务完整率、借款人完整率；及时性，即账户记录更新及时率、长期未更新账户变化率；准确性，即借款人名下账户一致率、账户两端余额一致率。最终根据不同类型数据报送机构，赋予相应的权重，形成综合一致率，若金融机构综合一致率越高，则表明该机构数据质量报送越好。目前，地方性金融机构信贷信息数据质量量化考评达标线为97分，警戒线为95分。征信中心每季度对全国各地区地方性金融机构考评得分进行汇总通报，对成绩较低、未能达标的机构要求开展自查，分析差异原因，尽快整改，着力提升数据质量。

为督促各地方性金融机构提高对征信数据报送质量的重视程度，各地征信分中心应针对当地金融机构在数据报送过程中存在的异常情况进行监控并开展核实，确保高质量信贷数据入库。以北京分中心为例，在2015年期间，每月监测辖内企业征信数据报送机构的数据报送通过率与到期未结清情况，将存在的问题下发机构，对其要求核实纠改。针对个人征信系统报数机构每月通过征信内网邮箱定期下发报文处理情况、数据更新情况及应报未报数据更新明细，电话督导存在问题的机构对问题进行核实，并将结果及时反馈。通过一年多的连续督导，辖内地方性金融机构企业及个人征信数据报送质量得到显著提高，能够对到期业务进行及时结清上报，有效避免了异议数据的产生。

（二）数据质量激励与约束机制

为有效调动各金融机构征信报数及维护工作人员参与数据质量工作的积极性，进一步提高金融机构报送征信数据的质量水平，征信中心建立了征信系统激励与约束机制。

根据地方性金融机构全年各季度的数据质量综合评分、全年有无数据质量重大事故发生、数据质量稳定情况、数据量和异议处理情况等，由征信中心和分中心共同参照《地方性金融机构征信系统数据质量激励与约束机制实施方案》，将各地区辖内的地方性金融机构划分为A、B、C、D四档。其中，A档机构为优秀机构，D档机构为被约束机构，A档和B档机构有推荐1—2名优秀个人的资格。征信中心统一对优秀机构和优秀个人进行嘉奖，对被约束机构进行通报。以北京地区为例，2014年数据质量激励与约束工作中，企业及个人征信系统共有12家机构被评为A类机构，47家机构被评为B类机构，约有57名征信工作人员被推荐为征信工作优秀个人。

三、征信系统数据质量维护工作中存在的问题

（一）法律规章不完善，对接入系统金融机构缺乏约束力

没有完善的法律法规对征信系统数据质量工作进行匹配，对数据质量考核缺乏相应的法律规章的约束。现行法律法规并没有对征信数据采集、报送过程、数据质量考核等工作要求进行细化，这就增加了对金融机构监管考核的难度，对信息主体保护及数据上报机构的约束机制缺乏法律保障，难以形成对金融机构监督管理的威慑力。

（二）报数程序老旧，缺乏维护，数据报送频频出错

征信报数程序是影响征信系统数据质量的关键环节，当前征信数据标准化层次较低，多数机构采用手工录入上报，较难实现与业务系统对接抽取数据方式，导致征信数据报送过程中存在诸多不稳定因素。征信数据报送过程需通过报数程序生成征信系统所接受的报文格式数据进行上报，随着信贷业务的不断发展，早期报数程序过于老化，缺乏人员维护，往往出现数据报送错误、灰色按钮等无法修复的问题，严重降低了征信系统数据的质量。

（三）缺乏技术性监管手段，对报送流程难以实施全方位监控

监管手段单一，不能对金融机构数据报送问题进行及时督导，是影响征信数据质量提高的一大因素。数据报送过程中，征信中心对各流程把控并不全面，也不能及时导出问题数据，指导金融机构纠改。例如，对企业征信系统到期未结清业务的核查工作中，征信中心只能通过数据质量子系统确定到期未结清笔数，但并不能具体确定到期未结清是哪笔业务，金融机构亦无法进行准确核实。金融机构若申请返还征信入库数据进行核对，申请流程往往比较繁琐，需要等待时间较长。此外，及时性数据考核过程中，征信中心通常是后台直接进行打分，给出及时性考评结果，但对及时性减分的原因及明细很难提供。

（四）缺乏系统性操作培训，工作效率偏低

金融机构在操作使用征信系统过程中缺乏系统性培训，对系统中的新功能与新产品往往不熟悉。一些金融机构人员流动较大，工作交接往往出现遗漏，对征信工作学习不全面。日常工作中接入系统机构需要对报送到征信系统中的数据进行逐笔核对，过程繁琐，数据细碎，如仅依靠手工人力核对，往往工作效率偏低，且容易出错。

（五）工作态度，对征信数据质量起决定性作用

金融机构工作人员对征信工作的积极性及工作投入程度决定了征信数据报送质量的高低。某些金融机构对于征信工作并未制定明确的制度规程，责任划分不清晰，轻视数据报送流程，只关注征信系统查询使用，这严重违背了央行征信系统“共建共享”的原则，拉低了数据质量考核成绩。

四、提升央行征信系统数据质量相关建议

（一）完善征信法规建设，细化征信数据质量考核规章

《征信业管理条例》已于2013年颁布实施，但对金融机构征信数据报送及质量缺乏细致规范的考核，应从法律层面规范接入征信系统金融机构报送高质量征信数据意识，增强监管威慑力度。应积极探索制定《信用信息标准化管理办法》《信用信息公开管理办法》等相关法规，逐步完善征信体系法规建设，各地区也应结合《征信业管理条例》，制定适合地方性配套操作规程，更好地指导地方性金融机构开展征信工作。

（二）升级改造征信报数程序，增加数据质量核查功能

“工欲善其事，必先利其器”，加快推动征信报数程序升级改造工作有利于提升征信数据质量。建议接入征信系统金融机构，购买功能性强、售后服务好的程序开发商提供的报数程序。新报数程序在具备普通数据报送生成征信报文之外，还应具备数据质量核查等相关功能，如到期未结清数据统计、报文报送通过率统计及报文报送操作统计等。方便接入系统的机构能够按照一定时间，根据自身业务系统与征信系统数据进行核对，自行开展核查工作，确保数据及时、完整、准确上报。

（三）根据接入机构特点，分类定制数据质量考核标准

目前，对接入征信系统参加数据质量考核的机构均按照95分为警戒线，97分为达标线，满分为100分。但在实际操作过程中，接入系统机构类型各不相同，业务量差异很大，对金融机构数据质量考核难以均衡考量。从机构类型来看，一些信托公司与商业银行存在通道类业务，信息采集相对滞后，在数据报送过程中完整性与及时性较难达到要求；从业务量来看，对于一些业务开展少、数据报送量较小的机构，数据质量相对较高，但对业务量大、数据报送较多的机构可能导致数据质量较低情况的出现。建议应根据接入系统机构业务量及类型划定考评指标，分类考评。

（四）完善监管手段，实施全流程监控，明确数据报送出错问题

征信中心应对报数机构数据报送过程进行全流程监控。增设征信系统配套监控功能，对征信数据报送出错或数据质量偏低的机构能够进行全流程定位监控，明确出错原因，及时提醒报数机构进行核查，简化向机构提供问题数据的流程，使报送机构第一时间发现问题，自行纠改。

（五）加强征信业务操作培训，提升业务人员操作能力

建议征信中心每年应根据接入系统不同类型的机构开展业务培训，指导机构正确报送征信业数据、合规查询信用报告，有效控制信用风险等。尤其对于征信系统新上线开发的产品及功能，征信中心可通过视频及说明书形式发送至接入系统机构，供其了解学习。各地分中心也应根据辖内地方性金融机构特点，有针对性地为地方性金融机构组织开展业务培训。如讲解征信数据质量考核标准，开展基本统计软件的操作与使用培训，有助于提升工作效率，强化征信数据质量考核意识，达到事半功倍的效果。

（六）加强合作，采集非银行信息，多角度展示信息主体信用状况

征信中心应加强与各部门合作，采集各类非银行信息，多角度反映信息主体信用状况。拓宽信息采集来源，不仅有助于完善征信系统信息，更有助于对信息主体的基本信息进行多方验证，提供更加准确有效的征信报告。

参考文献：

［1］王晓明.征信体系构建制度选择与发展路径［M］.北京：中国金融出版社，2015：2- 3.

［2］郝嵘.国家金融信用信息基础数据库数据质量工作评价机制研究［J］.时代金融，2015（6）∶52- 53.

［3］耿和国.浅议新形势下如何提高征信数据质量［J］.河北金融，2012（6）∶21- 22.

［4］陶富强.建立征信系统数据质量保障长效机制的探索和思考［J］.武汉金融，2010（12）∶30- 32.

［5］中国人民银行南京分行课题组，黄向庆.征信领域金融消费者权益保护激励约束机制研究——征信数据质量视角［J］.金融纵横，2013（2）∶4- 12.

［中图分类号］F83

［文献标识码］A

［文章编号］1673- 0046（2016）4- 0031- 03