大数据在安徽社会信用体系建设中的应用研究

◎文/占小凤（安徽省社会科学院）

社会经济对信用的巨大需求和大数据技术的广泛应用，激发了各行各业深入信用领域，通过线上将互联网数据转化为信用信息并在云端整合传统信用信息、线下丰富信用使用场景的方式共同拓宽社会信用体系格局，为社会信用体系建设提供新的路径和手段，但同时也带来了隐私泄露、信息冗余等问题。

一、大数据的定义

大数据的定义很多，这里采用百度百科的定义：大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。该定义综合了维基百科和研究机构Gartner对大数据的定义，可以看出大数据其实是一个数据集，具备Volume（大量）、Variety（结构多样化）、Velocity（高速）、Value（低价值密度）的特点[1]。具体到社会信用体系建设中，大数据是指来自第三方支付机构、P2P平台、社交平台、电商平台等互联网平台的信用信息，具备覆盖人群广泛、信息维度多元、应用场景丰富和信用评估全面的特点。不同于占据传统征信体系主体信息地位的公共信用信息（来自政府及其职能部门）和金融信用信息（来自各类金融机构），互联网信用信息内容杂、体量大、价值密度低、权威性也低，但由于包含大量无信贷记录征信对象的信用信息，已然成为前两者的重要补充：其能弥补传统征信体系征信对象缺失、评估维度和评估结果应用场景单一的缺陷，并实现评估数据的实时更新。尽管如此，大数据征信仍存在不少隐患：一是信息主体隐私泄露更严重；二是数据范畴和内涵突破“金融属性”，效用性尚待验证；三是数据采集和使用往往难以遵循“独立第三方”的基本原则。

二、江浙沪皖大数据应用对比研究

江浙沪皖同处泛长三角地带，地理环境相近，区域合作密切，且江浙沪在大数据应用方面可圈可点，对安徽省社会信用体系建设中的大数据应用具有重要的借鉴意义，故本文选取江浙沪三地作为参考对象，并从以下几方面进行比较。

1.信用制度建设

大数据在社会信用体系建设中的全程参与放大了信用体系建设中的种种弊端，如隐私泄露、信息孤岛、信息冗余，而信用立法有利于保护信用主体隐私、促进信用数据共享、规范信用信息征集、扩大信用信息应用、指导信用服务机构发展，这方面上海和浙江两地走在全国前列。2017年，上海和浙江两地在全国率先出台关于社会信用体系建设的综合性地方行政法规，围绕信用信息归集、存储、处理、使用等作出一系列规定，进一步完善社会信用体系的法制建设，促进信用服务产业发展。反观安徽省，目前尚无立法计划，仅依靠《征信业管理条例》《安徽省政府信息公开办法》《安徽省政务信息资源共享管理暂行办法》等来规范信用信息的公开和使用。2017年上海市和3个省会城市中，合肥的综合信用指数得分最低且统一信用代码重错码率最高。

2.大数据产业发展

大数据产业发展方面，四地均出台了大数据产业发展行动计划，但从结果来看安徽省相对落后，大数据产业发展地区指数仅排第15位，而上海、江苏、浙江大数据企业注册数和大数据产业发展地区指数依次排名第3、第4、第 5位。

上海围绕数据创新基地、研究中心、交易机构、发展联盟和产业基金完成大数据五位一体生态体系布局，业已形成400家大数据企业，涵盖应用类、技术类、资源类、衍生服务类和产业支撑类，产业集聚形态初现。具体来说，2017年4月成立上海市数据交易中心，当年11月交易数据就突破10亿，中心还牵头成立大数据流通与交易技术国家工程实验室促进大数据研发。通过成立上海市大数据应用创新中心、举办国际大数据论坛及上海开放数据创新应用大赛、建立上海大数据应用展示中心等，多方面促进大数据应用创新及成果推广。

江苏在大数据产业发展过程中，充分动员政、产、学、研、金、用各方力量，布局大数据产业体系和公共服务支撑体系。具体来说，在基建上，大力加强“无线江苏”“宽带江苏”建设，布局新一代信息通信基础设施；在研发上，2014年成立大数据技术企业联合研发创新中心，2016年成立江苏大数据联盟，促进大数据关键技术创新；在数据共享上，徐州与贵州合作成立贵阳大数据交易所徐州服务分中心，服务江苏省内企业会员；在典型应用推广上，围绕公共服务、产业发展、社会治理三大领域实施18项重点工程，促进大数据应用；在数据中心服务能力提升上，无锡成为全国六大云计算创新服务试点城市之一，且与清华大学共同建设国家超级计算无锡中心，这在四省（市）中是绝无仅有的。

相比上海、江苏的距离感，浙江似乎显得更接地气一点，这源于芝麻信用在租赁、住房、出行等生活方方面面的实践。浙江大数据发展在国内遥遥领先，不仅涌出现大批在国内有影响力的大数据企业，而且在大数据基础设施、支撑平台、应用开发上形成了较完整的产业链。截至2017年底，浙江共建立14家大数据省级重点企业研究院开展大数据核心技术攻关；选出75家大数据应用示范企业作为推广大数据应用标杆；成立省大数据管理中心，建立大数据交易中心和政府大数据管理公司，并在全国率先推出政府数据开放平台。

虽然安徽省在大数据产业发展上不如前三者突出，但也是“麻雀虽小五脏俱全”，产业联盟、研发机构、数据交易中心一应俱全。安徽还积极引进国内外知名云计算大数据重点企业及项目，在云计算中心、数据中心建设等方面累计吸引投资300多亿元，数十个重点项目正在各地市推进，初步形成了以合肥为中心，宿州、淮南为两翼，各地多园区共同发展的大数据产业布局。2018年长三角数据智能合作峰会上，合肥蜀山经济开发区、合肥上海产业园、淮南高新区大数据产业集聚发展基地荣获“长三角大数据应用服务贡献奖”。

3.大数据信用产品应用

在大数据信用产品应用方面，江浙沪皖基本上是按照政府和市场两个层面开展，前者集中在资金扶持、招投标等方面，后者集中在企业的融资、租赁、招投标管理、行业管理等方面。由于各地征信服务市场发育程度不一，直接导致了大数据信用产品应用广度与深度大有不同。在个人征信机构方面，目前市场上仅有央行征信中心及其下属的上海资信公司，四地中仅有浙江的芝麻信用有个人征信试点资格。在企业征信机构方面，截至2017年7月，全国获得备案的企业共134家，其中上海35家，浙江6家，江苏3家，安徽暂无。从机构实力上来看，9家参与全国行业信用建设的企业征信机构中，有上海的凭安征信和在上海设置分支机构的清科集团；13家参与对各地方“双公示”工作进行第三方评估的机构中，有浙江的芝麻信用，上海的凭安征信，在合肥有分支机构的数联铭品，在上海、南京、杭州均建有子公司或合资公司且与安徽政府也有合作的金电联行；15家与国家信息中心签署信用信息共享协议的机构中，有凭安征信、蚂蚁金服、安徽征信、南京汇法正信、金电联行、数联铭品。可见，安徽省征信服务机构发展势头良好，但与江浙沪相比仍有很大差距。

三、意见及建议

综合上述分析，现对安徽省社会信用体系建设中的大数据应用提出以下建议。

一是加快信用立法研究，尽快出台综合性地方信用法规，规范信用信息使用[2]。社会信用体系建设，法律是保障，大数据背景下，立法的重要性更为凸显。信用立法应包括社会信用体系建设推进中行之有效的实践经验，法规应体现地方特色、符合地方实际，主要内容应覆盖公共信用信息的归集、使用，同时立法过程应严谨，要有座谈及广泛征求意见的过程。

二是继续推行统一信用代码制度，降低重错码率，提高纠正率。统一信用代码是企业的“身份证”，是企业信用体系建设的基础。针对安徽省统一社会信用代码重错码率整体偏高的情况，可以采取以下措施：首先依托省信用平台，保障统一社会信用代码跨部门、跨地区共享，以便及时发现重错码；其次是从减少存量和消除增量两方面着手降低。减少存量上，各相关部门要密切同省级对口部门联系，及时修改省级部门反馈的重错码，同时对社会公众反馈的相关信息，要及时申请确认并修改；消除增量上，各部门要加强人员培训，提高信息化程度，力争做到新赋码“0”重错率。

三是培育本地企业征信服务机构，弥补行业空白。目前，安徽省获得备案的企业征信服务机构数为零。针对行业空白，可以参考上海的经验，从资金支持、数据支持和客源支持三个方面进行企业培育[3]，即资金上支持企业经营，数据上依法向其提供信用数据，客源上利用政府政策为其创造信用产品需求。

四是优化大数据产业发展环境（包括人才、基建、政策、市场、文化等），加快产业布局。继续实施人才强省战略，为大数据产业发展提供优质人才资源；投资通信基建，优化信息通信基础设施；落实国家有关鼓励大数据产业发展的政策及投融资政策，引导产业发展；加强大数据产品宣传和推介，进一步优化市场发展环境。

五是以大数据应用为抓手，加快与大数据应用领军企业的合作，共同推进信用信息应用。大数据产业发展涉及市场经济的方方面面，而且涉及到一些先天资源的配置，在短期内调整的难度很大，既然业已形成在一线城市注册、服务全国的大数据运营模式，安徽省在大数据产业上还有很长的路要走，不妨先以大数据应用为突破口，先借力发展，再徐图赶超。[本文系安徽省社会科学院青年课题资助项目《大数据在我省社会信用体系建设中的应用研究》（项目编号QK201818）研究成果。]