信用大数据精准构建“用户画像”

◎文/ 杨天 朱劲杰

在互联网快速发展的今天，我国企业和个人经营活动范围打破区域和行业限制，呈现多元化、广域化、快频化的局面，经营过程中产生的诚信与信用信息散落在各行各业。在对其信用评价中，须将信贷征信机构采集的以信贷交易记录为主的信息，与对多元高频的大数据挖掘出的信用与诚信信息相结合，才能对企业和个人进行全面完整地信用画像。

近年来，大数据、云计算、区块链等技术快速发展，大数据应用逐步渗透至各行各业。我国征信业已形成了以央行征信中心采集信贷交易信息和以社会征信机构采集非银行信用信息的大数据新格局，全面反映了企业和个人的诚信和信用行为轨迹，并向放贷机构提供了便捷高效的“了解客户”的手段，为没有信贷记录的人群带来福音。同时，也可向监管机构提供全面、实时、高效的信用信息，为金融稳定提供了数据支持。总之，大数据在征信三大功能――金融、经济、社会方面都发挥了极大的作用。

大数据内涵及特征

大数据本身是一个比较抽象的概念，就目前业界公认的概念来看，一是指数据“多维度”，涉及多个领域；二是指数据蕴含的价值大；三是指数据更新频率高。大数据的特征一般认为有以下五个：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）、数据的真实性（Veracity）、巨大的数据价值（Value）。

随着互联网、移动端应用、物联网、区块链的普及应用，大数据的信息积淀被快速挖掘，基于海量的数据分析发现数据之间潜在的关系图谱，使数据变为证据的证据，创造出新的商业价值，对解决信用评价中的信息不对称问题具有重大意义。

大数据在信用评价中的创新思维

我国社会信用体系建设目标是以法制为基础，信用制度为核心，以健全信贷、纳税、合同履约、产品质量的信用记录为重点，坚持“统筹规划、分类指导，政府推动、培育市场，完善法规、严格监管，有序开放、维护安全”的原则，建立全国范围信贷征信机构与社会征信机构并存、服务各具特色的征信机构体系，最终形成体系完整、分工明确、运行高效、监管有力的社会信用体系基本框架和运行机制。实现这一目标，需要各行业协同归集信息，实现信用信息共享，整合信用服务资源。由政府搭建大数据归集平台，成为大数据采集、所有、应用和管理的主体，为社会征信机构提供数据源，研发产品，开展差异化征信服务。大数据为信用评价带来的创新包括业务创新和技术创新。

业务创新――建立强相关信息源。建设大数据体系的核心目的就是聚合原有分散在各政府各部门和行业组织的数据，借助云计算、物联网、区块链等大数据技术，将企业和个人的碎片化弱行为信息经过整理挖掘形成强相关信息。在此基础之上，再结合央行征信中心信息，有效地将非银行信息与银行信息相互补充、交叉印证形成强大数据源，增强征信预测能力。这也成为实施政务和金融监管的基础和有力保障，增加授信机构风险评估的信息源和手段，为金融普惠制提供数据支持。

技术创新。基于动态本体理论的技术创新，将每一个企业和个人视为一个动态本体，通过采集和分析时间轴上本体与本体间的活动轨迹数据发现其关联性，并生成网络关系图谱。建立模型增强“弱关系”在调查分析中的能力和重要性，从而全面有效反映监管对象的行为信息，为穿透式政务监管打下坚实的技术基础。

在基于大数据思维的技术创新方面，通过对高频多维数据的挖掘和清洗，将碎片信息整合成“强相关”信息，再对这部分“强相关”信息进行整理，为信用信息的评价提供强信号数据支撑，从而实现对企业和个人信用的准确监测、分析、预测、预警。

动态本体理论和大数据思维的技术创新分别从“弱相关”信息与“强相关”信息着手，互为补充，为提升监管部门决策和授信机构风险防范水平，提高针对性、科学性和时效性提供了保障。

大数据在信用评价中的应用

在小微企业融资中的应用。在传统金融体系下，小微企业公开数据少，信息不对称，自身信用缺失。尽管各级政府部门一直督促和引导金融机构改进和加强小微企业金融服务，加大金融产品创新和多元化融资方式，力图有效解决小微企业融资难题，但是效果仍然有限。小微企业融资难主要是由传统金融体系融资方式存在弊端、信息不对称、小微企业自身特点和不足、商业银行的信贷体制和模式以及央行自身征信数据缺乏、无外部数据补充等原因造成。

随着互联网、云计算、大数据等技术的兴起，互联网金融等新兴业态在我国得到了迅速发展，并促进传统征信业务向互联网+大数据征信的深度融合方向发展。小微企业大数据征信通过建立更客观的信用评价体系，从融资入手，打破以财务信息为核心的固有信用评价思维，改变传统以抵押担保为主的信贷方式。这将有利于创建低成本、高效能、全风控的纯信用贷款管理模式，破解小微企业信用融资难题，使之不断向金融资本和社会信用市场延伸，形成客观信用理论与评价体系，开创我国信用服务的大数据时代。

2014年3月至今，中央及相关部委陆续出台了关于加快小微企业信用体系建设，运用大数据征信理念，通过独立第三方征信机构对企业进行信用评估和风险预警，从根本上帮助小微企业摆脱融资难、融资贵的困境。与此同时，商业征信市场的发展、移动互联网技术、智能设备的普及、大数据征信技术的提高正在改变小微企业融资难、征信数据不全的现状。基于社交网络信息、网购信息等集合而成的征信信息应用到征信进程中，依靠大数据多维度交叉验证便成为小微信贷机构降低业务风险的有效方式。

一是运用图计算对企业和个人散落在各领域的行为特征数据进行加工整理，按节点与边的关系，快速全面对多维、高频数据进行流数据的处理。授信机构、监管部门可实时查询企业和个人信用状况，分地区、分行业的信用环境评估，从而给出信贷决策的意见，供授信机构贷款参考。

二是运用关联关系，查找企业存在经济关联的关系网，本着“近朱者赤，近墨者黑”的原理，运用大数据技术对关联关系网进行分析，找出风险传导路径和风险点。

三是运用非银行信贷交易信息，以及企业和个人关联方风险传导等信息，构建了企业信用行为评分，快速简单高效过滤风险企业。

在金融监管中的应用。近年来，我国金融产品快速发展，出现了新型金融企业。新型金融企业的风险分析包括：大数据技术通过对政府数据与金融数据进行汇聚整合和关联分析，揭示传统技术难以展现的关联关系及动态评估体系，可以有效提升政府决策和风险防范能力，加强事中事后监管和服务。

新型金融企业具有资金涉及面广、链条长、服务对象信用风险高等特点，一旦发生风险，社会危害性极高。运用大数据技术和整理的强相关行为数据，从企业行业特征风险、综合实力风险、经营行为风险、企业信用风险、静态关联方风险、动态关联方风险6大维度对其信用风险进行量化，将企业风险等级划分为高危预警、重点关注和持续监控等级别，为监管工作提供指导意见。

在打击非法集资工作的应用方面，运用人工智能、机器学习等技术处理TB级非结构化大数据，从多源异构数据中提取强相关风险因子，构建可量化的欺诈风险模型，提前预警潜在金融风险事件，协助监管机构维护金融安全。通过对网络借贷、私募基金、资产交易所、小额贷款、融资担保等企业行为数据进行实时监测以及实时对每个省、市、县的类金融企业的行为特征进行欺诈定量风险判断，对于超过警界法值的企业给予提示，使金融监管部门对市场管理有的放矢，提高工作效率。

在中介监管与侦测“非法保险中介”的应用方面，建设了保监局大数据信用风险监测预警平台，依据搜集保险中介全量数据、引入企业风险信息、构建风险模型量化风险、生成风险提示的总体路径搭建。通过大数据信息处理技术和风险模型预警，高度可视化展示中介机构风险，甄别“非法保险中介”，为防范保险中介机构非法集资风险提供有效数据和手段支撑，相比传统监管手段，信息获取成本降低，监管效率提高。