基于大数据的公共信用评价体系研究

党飞++王朝静

当今时代，随着互联网的快速发展及云计算、大数据、移动互联网、物联网等技术日渐成熟，政府机关、金融机构、互联网公司、公共服务行业等都积累了丰富的数据资源，这些数据资源在大数据环境下才能得到充分利用，才能挖掘出这些数据与信用的关联关系，促进对征信数据进行更加充分的利用。

基于大数据实现公共信用评价，具有更广泛的用户覆盖率，能使信用评价更加全面和客观，评价产品的应用也更加广泛。对个人而言，将不只单纯地用于金融经济活动中，而将成为“人品指标”普遍运用于升学、招聘、升职、社保等领域；对于企业而言，除了提供最基础的征信报告以供其向银行贷款，还将全方位对其在环保、质量、安全等方面的行为做出信用评级，使消费者能直观地了解一个企业最让人关心的问题；对于政府而言，不仅是对政府的行政透明化的监督，更是让政府通过新标准的数据监测和规律挖掘，对整个社会信用状况有了预警防范的能力，降低信用危机（比如金融危机）带来的危害。

国内外信用评价体系现状与存在问题

信用评价体系主要包含评价方法、评价指标、评价程序、信用等级等内容，广义上还包括信用评价应用。目前，发达资本主义国家都建立了比较完善的信用评价体系，我国在这方面也进行了积极探索。

国外信用评价体系情况

国际上早期评价方法包括财务分析法与要素分析法，现代主要采用模型分析法。无论是采用财务分析法、要素分析法，还是模型分析法，对被评价对象的信用数据收集都包括两方面：被评对象提供和信用评价机构独立收集。

国际上一些知名的信用评价机构采用的评价程序不完全相同，但评价的周期都较长，比如穆迪在收集了足够的评价信息后，组建评级委员会，从评价委员会的首次讨论开始到评价结果发布，大约需要60-90天时间。

国际上对企业信用等级一般采用等级符号来区分，三大信用评估机构所采用的符号不完全相同，但划分标准和等级数量相差不大，标准普尔和惠誉是20个等级，最高级都是AAA，最低级是D，穆迪是19个等级，最高级是Aaa，最低级是C。FICO模型对个人信用等级用信用分表示，取值范围为300-850分，680分以上通常会被认为是信用极好。

过去几年里，发达资本主义国家已经出现了一些新兴企业利用大数据来重新定义信用评估方式。比如美国的Neo Finance公司利用申请人的工作历史和其在LinkedIn（一家面向商业客户的社交网络）上的人际关系来决定是否向他提供贷款。另一家名为Zest Fiance的公司是前谷歌首席信息官创办的，它利用顾客各方面的信用数据来做评价，包含成千上万的参数，比如借款方搬家的次数、他们在网页上使用大写字母的能力等，这些参数可能与借款方的信用没有直接的因果关系，但是通过大数据手段可以发现一定的关联关系，因此也会对借款方的信用状况产生影响。

国内信用评价体系探索

我国的信用评价体系发展较晚，采用了第三方评级机构和公共征信体系并行发展的模式。从1987年我国第一家信用评级机构吉林省资信评估公司成立，到1997年中国人民银行认可了中诚信等9家评级公司具有企业债券评级的资格，此后我国的信用评价开始步入快速发展阶段。近些年来，在国内占据领先地位的评级机构主要有中诚信、联合资信、大公国际、新世纪、东方金诚国际和中债资信等。而2006年人民银行征信中心的成立，则标志着我国公共征信体系正式开始构建。

国内信用评级业在自主发展的同时，也与国际信用评价机构积极开展合作，比如惠誉持有联合资信49%的股权、穆迪与大公国际曾签署为期3年的技术合作协议等。国内信用评价机构充分借鉴了国外在评价方法、评价指标、评价程序、信用等级等方面的经验，同时也在评价指标、评价模型等方面进行了积极探索。

我国在2006年中国人民银行印发的《信用评级管理指导意见》，将企业评级要素分为企业素质、经营能力、获利能力、偿债能力、履约情况和发展前景六个方面；中国信用行业标准技术委员会2009年编制的《企业信用评价标准》将企业信用评价过程分为外部环境、经营状况、管理状况、财务指标、公共信用记录和招投标信用记录五大部分。个人信用评价方面，目前国内主要使用的评价模型有：上海资信评估模型、深圳鹏远公司建立的“鹏元”模型和蚂蚁金服的芝麻信用评分模型。其中芝麻信用评分模型与美国的FICO模型类似，通过身份特质、履约能力、信用历史、人脉关系、行为偏好五个维度对个体信用进行分析。芝麻信用在评分的基础上扩展了信用贷、信用住、信用租车、出国免签等多种应用。

我国有些地方政府也对信用评价体系进行了积极探索，比如荣成市制定了可量化的细化加减分项信用指标，针对自然人的信用评价指标分为商务领域、社会管理领域、司法领域、重点人群和加分信息5大类，针对法人的信用指标分为商务领域、社会管理领域、政务领域、司法领域和加分信息5大类。这些评价指标基本涵盖了信贷、合同信用、行政管理、社会保障、公共服务缴费、司法诉讼、法律执行、社会公益、表彰奖励等各个方面。

其他城市大多采取了与第三方征信服务机构合作的方式开展信用评价工作。比如杭州市与芝麻信用合作，市民可通过芝麻信用查寻自己的公共信用记录；宿迁市与大公国际合作，成立了大公宿迁信用信息服务有限公司；沈阳市与辽宁中小企业信用服务有限公司合作，由其出具信用报告并评定信用级别等。

当前信用评价体系存在的问题

随着互联网、大数据、电子商务等产业的快速发展，传统信用评价体系也逐渐暴露出一些问题。一是评价结果易受到外部因素的影响。主权评级容易受到政治因素的干预，比如2008年金融危机爆发以后，国际三大评级机构频繁下调欧洲国家的主权信用评级，导致欧债危机加剧，间接帮助美国度过危机。对社会主体的评价结果容易受到评价委员会人员构成的影响，评价委员会的业务能力、经验、主观好恶、品德都是重要的影响因素。二是评价指标不全面。传统信用评价指标比较注重金融消费领域的指标，许多信用评价机构并未将公共管理领域和互联网数据纳入信用评价体系，即便纳入也只是少量指标，比如德国将地铁逃票作为个人征信的指标。三是运用范围较窄。传统信用评价主要运用于金融领域，比如银行贷款、发行证券、商业合作等，也有些信用评价产品会被用在招聘求职等方面。近年来在我国兴起的芝麻信用也是主要运用于提供小额贷款、免押金等领域，芝麻信用的出国免签是一大亮点。但是由于信用数据来源和评价机制的局限性，传统信用评价产品还无法广泛运用到社会管理、公共服务等各个领域。

基于大数据的公共信用评价体系设想

基于大数据的公共信用评价体系，就是要建立“用数据说话、用数据评价”的信用评价体系，将尽可能多的与信用有关的数据纳入评价指标，尽量减少人为因素对评价结果的干预，将评价结果运用到社会管理、公共服务、经济活动、公益慈善等各个领域。结合传统评价体系发展方向和大数据行业发展现状，采用基于大数据的信用评价模型实现信用评价是一个可行的选择。

评价方法

大数据信用评价模型里既包含因果关系的参数，也包含关联关系的参数。因果关系的参数可采用矩阵模型等进行处理，但是不再对被评对象的任何行为作出假设，而是通过海量社会主体的历史数据（包括基本信用要素和违约等失信行为等）进行统计分析，对信用要素与违约等失信行为进行回归分析，确定回归函数，将这些函数关系作为预设条件输入大数据模型。关联关系的参数通过大数据手段进行挖掘分析，引入最优化算法等技术，找出这些参数与违约行为的关联关系。最后结合因果关系和关联关系的计算结果，得出最终信用评价结果。

评价指标

为实现多维度评价，基于大数据的公共信用评价指标需要随着社会管理制度的完善和大数据技术的发展而不断进行补充，就目前的发展阶段而言，应包含但不限于如下数据：

金融数据：包括企业的资产负债率、盈利能力、品牌价值、信贷历史、已发债券情况、资金周转时间等；

交易数据：已签合同金额、合同履行情况、交易额、顾客反馈情况、售后服务满意度等；

政府数据：行政许可、行政处罚、行政调解、表彰奖励、慈善捐赠、社保缴纳等；

司法数据：司法审判记录、司法执行信息等；

公共事业数据：公共事业缴费及违约信息、公共交通逃票、强占或浪费公共资源等；

互联网数据：社交网络产生的数据、打车软件产生的数据、电商交易和评价数据、微博和网络评论、网络日志、新闻报道等。

这些数据都应该是各行各业在履职过程中产生的原始数据，既包括经济活动领域的数据，也包括公共管理、社会活动等过程产生的数据，因此评价结果有更广泛的适用性，可运用于社会管理、公共服务等各领域。

评价程序和原则

基于大数据的公共信用评价是个不断采集数据、进行计算、 修订评价结果的螺旋形发展过程，使得评价结果的时效性更强。通过对海量社会主体违约的分析，可以找出违约发展轨迹，从一些细微的事件中找出风险因素，增强评价结果的预测性。

基于大数据进行信用评价时，应遵循如下原则：

一是去除数据垃圾。大量的原始数据价值较低，甚至有很多垃圾数据，做好数据的清洗比对，去除垃圾数据和冗余数据，提高数据质量，使数据变现才能进行利用。

二是建立数据“沙箱”。建立基于大数据的信用评价模型和统一的信用数据处理平台，有数据采集方直接将采集的数据提交到平台，使用模型处理后输出结果，实现数据“可用不可见”，提高安全性。

三是处理好因果性和关联性的关系。有些数据与社会主体的信用有因果关系，比如信贷历史、财务状况等。有些数据与社会主体的信用有关联关系，应加以区分对待。另外，从有些数据的关联性上入手，可以避免一些“误伤”现象，比如前几年在青岛市福州北路上有个红绿灯，在夏天的时候经常会被树叶挡住，有些平时很遵守交通规则的人在此误闯红灯，可以通过大量的交通违章数据发现这个现象，筛选出误闯的人群，降低对他们信用评价的影响。

四是做好评价后的跟踪。利用大数据技术可以快速处理大量数据，实现对瞬息万变的市场局势快速分析和响应，及时完善评价模型和调整评价结果，提高信用评价的时效性。

信用等级

对企业和个人都采用信用分的方式表示等级，考虑到芝麻信用分已经具有一定的影响力，使社会主体对信用分和信用状况的对应关系有了一定的认识，为了使公众有一致的用户体验，基于大数据的公共信用评价分取值范围与芝麻信用分的取值范围保持一致，为350-950分。为实现与国际信用评价机构的横向对比，可建立信用评价分与国际信用评价机构等级的对应关系，比如900-950分对应AAA级，860-899分对应AA+级等。

目前，全国性的信用信息共享机制尚未形成，建立全国统一的公共信用评价体系还需要理顺相应的体制机制，因此有条件的城市可以先试先行。

一个城市要建立基于大数据的公共信用评价体系应做好以下几点：一是加强政务大数据中心建设，为信用评价提供数据支撑和技术服务能力。二是进一步强化政务信息资源管理工作，以“一切数据皆为信用数据”的思维广泛采集社会主体的信用信息，加强与国家、其他城市、第三方征信机构、互联网公司、运营商之间的信息共享。三是推进基于大数据的信用评价模型研究。四是推进基于大数据的公共信用评价结果在联合惩戒、公共服务等领域的应用，以应用促进建设和研究。五是建立隐私数据保护机制，从制度、管理、技术等层面加强对信用信息的保护，防止隐私数据泄露对信息主体的损害和对公共信用评价体系建设的阻碍。

（作者单位：山东省青岛市电子政务办公室）