提升中国城市信用监测预警水平对策建议——基于S市调研

◆陈海盛 孟卫军

一、中国城市信用监测预警情况

国家信息中心中经网受国家发展改革委委托，自2015年6月始对城市信用状况进行大数据监测，通过构建指标体系和评价模型，目前对全国672个城市信用状况进行评价和排名。该监测主要通过“全国城市信用状况检测平台”运用互联网信息采集和大数据挖掘技术，对全国1万多个互联网网站公开信用信息数据进行监测，并纳入国家信息中心提供的各省信用共享平台考核评分、各城市黑名单统计数据以及芝麻信用提供的信用市场信用监测数据。监测日期为城市一个周期年数据，范围包括全国36个省会、直辖市、副省级城市和261个地级市。检测网站包括综合性媒体网络、信用网络、城市政府网站等1万多个网址。其中监测的12类政府网站有：政府官网、工商、质监、安监、食药监、国税、地税、环保局、住建局、检察院、法院、城市信用网站等。监测对象为各城市的四大类行为主体即政府部门、企业、社会组织、司法机关在政务诚信、商务诚信、社会诚信、司法公信四个方面信用信息。监测标准集中于信用事件监测、信用制度完善程度、信用信息透明度、信用工作绩效、信用市场、重大失信事件及其政府反馈和重大诚信事件八个方面。据国家发改委办公厅《城市信用状况监测预警指标（2019年版）》介绍，总分为140分，一级指标包括守信激励和失信治理、信用制度和基础建设、诚信文化和诚信建设、信用服务和信用创新、菅商环境。二级指标包括重大诚信案例确认与弘扬、综合失信状况量化测评、行业信用评价及监管、失信治理绩效测评、联合奖惩绩效测评、严重失信事件监测评价、信用制度完善程度、信用信息公示情况、信用信息归集共享、统一社会信用代码转换、诚信文化宣传和教育情况、诚信建设情况、信用服务及应用、信用风险提示、失信案例调查和营商环境建设情况。

二、中国城市信用监测预警工作面临现实问题

根据对S市调研情况梳理，涉及城市信用状况监测预警指标的主要问题包括以下四个方面：

（一）涉及黑名单和重点关注名单的相关指标争议较大

根据《城市信用状况监测预警指标（2019年版）》，黑名单及重点关注名单相关指标共占12分，占比较高。由于经济发达省份司法制度较为完善，目前已将信用监管作为日常开展工作的重要途径，把黑名单制度作为推进社会治理现代化的重要抓手，实践证明，以红黑名单形式对市场主体开展信用监管是目前一套可行方案，但是也导致了经济发达地区黑名单和重点关注名单企业存量、增量较多，不利于各设区市监测得分。此外部分城市经济总量小，企业基数小，与大城市相比，黑名单数量占比明显处于弱势。根据监测反馈，我省黑名单数量占工商企业数量比重、重点关注名单数量占工商企业数量比重两项指标高于全国平均水平现象比较普遍，且经过整治之后成效不明显，原因在于失信被执行人、重点关注名单企业信息均由省级以上部门下发，其退出受诸多条件限制。

（二）地方与国家之间的信息交流不够通畅

一是关于政府失信被执行人、涉金融领域黑名单、电子商务专项治理名单不能实时查询，导致难以及时掌握名单新增和撤出情况，如国家下发黑名单中新增某村委会失信被执行人但是无法确认是否被列入政府失信，又如通过治理后是否同意撤出黑名单需要通过邮件与中经网进行沟通确认，容易出现沟通不畅、信息更新滞后等情况。中经网对于城市信用监测工作的解答、指导，有时存在电话无法接通、信息不回复的情况，不利于跟进失信治理工作。二是关于开展行业信用监管领域上报数据无法确认是否为有效数据，对于像社会组织、防雷检测机构等基数原本就较少的行业可能会被认为无效数据。三是国家主要对各市级公共信用平台信息数据归集总量进行监测考核，但由于多数市级部门运用国家和省级统建系统，数据无法实时对接，重点数据不落地，且部分城市数据局成立较晚数据基础薄弱，公共信用平台信息归集的数量偏低，影响监测得分。四是报送信息未全量采用。如市信用办于2019年5月23日向监测平台报送台州宏达国盛企业信用征信服务有限公司、仙居县永安企业征信服务有限公司、绿盾征信（北京）有限公司台州分公司、浙江佰达汇企业征信服务有限公司、台州国富泰企业征信服务有限公司等5家信用服务机构，而国家信息中心中经网下发的6月份信用状况简报中仍然提示未归集共享信用服务机构情况。

（三）具体指标的评分细则较模糊

一是监测报告展示的内容不全面。国家发改委印发的《城市信用状况监测预警指标（2019年版）》，相对2018版有较大变动，但无相关解释和指导，导致后续报送数据是因理解不一致出现偏差。此外，中经网每月发放的《城市信用监测月报》、每季度发放的城市《信用状况简报》，仅显示部分指标情况，未对指标的合格数据、具体排名、得分情况进行描述，无法用来准确分析城市信用监测具体情况，无法找差距并整改提升。二是目前城市信用月报仅展示排名和分值，信用指标数据反馈情况或明确扣分项均不对外发布，无法详细了解各市信用建设的优势及不足，不利于推进城市信用体系建设。三是指标计分规则有待改善。如尽管多次在地方信用平台、当地主流媒体开展宣传报道，但是其内容未作为“诚信建设万里行”案例进行收集上报。

（四）部分指标与实际情况衔接不够紧密

一是“双公示”数据监测指标。行政处罚、行政许可在本地信用网站公示情况为监测重点指标，但市场监管局、自然资源规划局、税务局等数据存量较大的部门在上级统建系统或者省政务服务网站公示，导致“双公示”数据市级信用网站无法统一归集公示。二是部分城市信用监测指标不明确。少数指标合理性值得商榷，例如黑名单（尤其是失信被执行人）数量很大程度上与地方实施力度有关，作为反映城市企业信用水平的指标客观度有待商榷；又如规划纲要涉及的诚信制度，国家、省级已经出台的或者属于国家、省级事权的，地市不一定需要另行出台。“第三方信用机构提供的省公示率（季度）”中指标设置不合理，理由是省双公示率不能反映各城市双公示情况。三是失信主体提交信用报告指标。由于失信主体提交信用报告需要自身承担费用，无形中增加企业负担，导致企业信用修复后主动提交信用报告积极性不高。四是涉金融、电子商务领域黑名单专项治理指标。以温州为例，经过整治，涉金融、电子商务领域黑名单已经退出近一半，但是目前仍余下16家企业还列为黑名单，退出难度较大，原因在于部分企业已经失联或被市场监管部门吊销。

三、进一步提升中国城市信用状况监测水平的若干建议

（一）结合实际情况完善指标并明晰标准

一是合理设置评价指标。充分考虑信用建设对民营经济发展的促进作用，适当降低黑名单及重点关注名单相关指标分值，或在指标中增加信用监管助推“放管服”“最多跑一次”等重大改革举措的成效。二是公示四级指标得分情况。在每月发布综合指数和排名的基础上，细化各指标项分数（包括加分和减分主要原因），并通过信用状况简报形式向指定城市公布评分结果，便于各市有针对的提高信用建设综合水平。三是细化四级指标给分标准。虽然可以从城市信用状况监测预警指标中得到监测的内容、分值及权重，但是对于具体指标，何种程度对应何种得分尚不明确。四是进一步优化指标评价维度。目前监测的各项指标在量化上存在体量小的城市即使通过加权处理，仍与中大型城市存在较大差距的问题，如典型案例、红黑名单、信用服务市场等，建议进一步根据城市人口、GDP等维度加权指标项评分，否则可能会由于城市规模的差异化造成不公平。五是重点关注涉及黑名单和重点关注名单的指标。强化黑名单、重点关注名单认定及应用的正向激励设计，并根据区域经济发展水平赋予不同系数。

（二）切实提高信息化水平

城市信用监测平台黑名单更新较慢，导致平台底数与最高院底数不一致现象，因此建议强化技术支撑，实现红黑名单同步更新，对已经退出黑名单的对象，能够自动、及时从平台移除。目前城市信用监测主要根据网站新闻舆情抓取监测和表格上报两种途径进行综合打分，但是网站新闻抓取量与地市公开量未统一，部分新闻信息与报告情况不一致，应该进一步提高对网站抓取信息的准确性。首先，增加指标报送渠道。“政务服务大厅是否接入信用信息共享平台和信用网站”“依托媒体、校园、企业、街道社区、村镇等渠道开展宣传活动”“转码率或映射率”“联合奖惩制度覆盖面”等指标仅根据国家掌握情况或大数据抓取不能完全反映城市情况，建议开通城市报送渠道。此外，可以考虑新增失信专项治理查询模块和有效与否的反馈模块，一旦判定为无效数据给予地方提出异议的机会。其次，建立数据下放渠道。将省平台有关数据（如双公示数据、信用业务协同反馈的案例等）及时下放至市级，便于市级层面全面掌握数据情况，及时上报国家监测系统。由于法院、公安等省级主管部门已经明确不能进行市级数据共享，目前失信被执行人等重要信用数据无法实时归集，市级层面应用面临困境。市级大数据局申请省级数据也仅能分析，无法落地。建议省大数据局协调各省级部门，将市级产生的公共信用数据回归，支持市级作创新应用。最后，畅通信息沟通渠道。加强对地市信用监测工作的统筹指导，交流提高监测排名的经验，针对各地在系统报送、合格数据标准、指标得分情况等方面的共性问题进行研究分析，及时整改，有效提升全省各城市信用监测水平。

（三）强化工作保障

一是进一步加大省级主管部门信用工作力度，将信用工作作为部门重点工作和长期工作来抓，以条线考核分解任务，落实业务牵头处室和专职人员，形成合力共推格局。二是考虑将城市信用监测范围覆盖至区县，便于市辖无县级市的城市开展区县信用建设工作。三是省级信用建设牵头部门应与国家主管部门保持沟通，将信用建设新形势和新进展及时向国家反映，提高省级任务与国家任务的契合度。四是国家或省级部门定期举办信用业务培训，解读城市信用状况监测预警指标，帮助各城市了解指标体系组成，并对城市信用建设过程中遇到的问题、原因及解决方案进行探讨，充分发挥监测排名对城市信用建设的促进作用。五是理性看待城市综合信用排名。城市综合信用分在一定程度上可以反映城市信用体系建设风貌，但由于大部分指标获取方式是来自大数据监测和国家公共信用信息中心，各城市对数据指标的处理机制尚不明确，且排名相近的城市综合信用分较为接近，因此一定程度的城市排名浮动属于正常现象。