京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,中国征信行业发展现状研究报告
中国步入征信时代。 征信是现代金融体系的基础设施,其本质在于对金融主体的数据刻画。 征信是:
( 1 )金融大数据体系建设的关键环节;
( 2)传统金融行业转型的内在要求;
( 3)互联网金融再下一城的重要支撑。征信可以减少信息不对称、降低交易成本、扩大金融总量;如果没有征信,对于金融主体就缺乏关键的衡量标准,也就无法深入挖掘金融的价值。
行业现状:平淡的历史,变化的现在。
( 1 )现行征信体系以央行征信系统为主,非营利性,收费仅用于日常运营,是银行等金融机构主要征信信息来源;
( 2)商业征信正发挥重要作用,部分用于信用评估、 商业咨询、债项评级等业务;
( 3)创新征信模式稳步发展,比如专门针对 P2P 行业而建的网络金融征信系统( NFCS) 和小额信贷征信服务平台( MSP)。
征信的本质: 对金融主体的数据刻画
征信是指对企业组织和个人的信用信息进行采集、整理、保存和加工,并向信息使用者提供的活动,其本质在于利用信用信息对金融主体进行数据刻画。
征信的基本功能在于:
( 1)对金融机构而言,征信有助于信用风险管理,金融机构只有掌握了信用主体的特征与信息后才能通过各类测试和分析做出信贷决策,并能够在贷前、贷中和贷后均实现风险管理;
( 2)对信用主体而言,一方面征信系统的存在能够对其形成无形的监督,提高偿还意愿,另一方面当其信息为金融机构全面掌握并评估后,有望降低借贷成本;
( 3)对监管部门而言,征信系统能够辅助对金融市场的监督管理,以及制定货币政策。
征信是现代金融体系的基础设施。 征信本身不创造信用,却是信用活动乃至整个经济金融体系征信的基石。 现代金融体系中, 征信的作用在于利用数据对每个金融主体进行刻画和信用评估,进而激发金融主体间的潜在融资需求,并支撑起总体融资规模的扩大。因为征信机构承担了部分信用风险管理的职能,金融机构的中介属性将会弱化, 整个金融体系的交易成本有望降低。
征信是金融大数据体系建设的关键环节
当前征信体系对企业和个人覆盖率偏低。 目前央行的金融信用信息基础数据库是我国最主要的征信系统, 但覆盖率仍较低。 截至 2014 年底, 共收录自然人 8.57 亿人和企业及其他组织 1969 万户, 而同期全国总人口和市场主体数量为 13.68 亿人和 6932.22 万户, 覆盖率仅为 62.6%和 28.4%。 考虑到有贷款记录的个人和企业占收录数量的比重不到一半,且无贷款记录的主体仅有基本信息,因此央行征信系统实际的有效覆盖率更低,同时亦表明未来征信行业的潜在空间广阔。
数据来源仍以信贷信息为主,缺少多维度信息。 2014 年央行企业征信系统共采集约 2.19亿条信贷信息, 3320.2 万条非信贷信息,占比仅 13.2%;个人征信系统共采集 12.52 亿条信贷信息, 2.59 亿条非信贷信息,占比约 17.1%。 此外互联网(尤其是移动互联网)对企业和个人活动的渗透, 互联网数据将在征信中占据越来越重要的地位,而这亦是央行征信系统以及传统的商业征信机构所缺乏的。

征信是传统金融行业转型的内在要求
当前经济环境下商业银行增速放缓,金融深化和转型势在必行。 对商业银行而言,面临两难选择:一方面经济增长放缓,信贷投放不顺,传统的以大客户为主的客户体系已很难继续支撑规模扩张和收入增长,改善客户结构、开拓新金融业务势在必行;另一方面个人及小微信贷往往呈现金额小、碎片化、即时性特征,传统金融模式下的抵押、 质押等风险缓释手段已不适用,信用风险难以掌控,而基于大数据的征信能够对每个金融主体进行全面刻画,或有助金融机构在控制风险的同时增强对这部分群体的渗透,实现风险与收益兼得。
银行庞大客户资源具备大数据潜力,助力金融深化与转型。 商业银行本身拥有庞大的客户基础,如截至 2014 年底工商银行拥有 509 万企业用户和 4.65 亿个人客户,具备巨大的数据挖掘潜力,有望为业务转型提供大数据基础。

征信是互联网金融再下一城的重要支撑
“场景+数据”对征信发展提供强有力支撑。 移动互联网时代来临, 极大提升了生活便利程度,衣食住行均可在移动终端上完成, 一方面为征信提供了更加丰富的互联网数据,能够更加全面地刻画个体,另一方面亦提供了更加多样化的应用场景。
互联网金融生态发生变化,征信有望提供应对方案。 经过近几年的高速发展,互联网金融的各业态的经营生态正发生变化,或因遭遇行业瓶颈、或因面临监管趋严、或因风险暴露加速。而征信有望基于大数据和模型针对不同业态提供应对方案,帮助经营转型和继续增长。

征信行业发展历史
我国征信行业与国外相比起步较晚,无论是征信业务的普及度、商业模式的成熟度还是征信系统的完善程度都较国外有很大差距。自 1980 年代末至今经过 20 余年的发展,大致形成了以央行为主导的公共征信体系,期间大致分为四个阶段:1. 起步阶段( 1980 年末-1995 年): 这一阶段个人征信尚未放开,而征信公司规模普遍较小,业务以资信评级为主,且信息获取难度高、报告内容简单。 上世纪 80 年代末 90 年代初全国企业间“三角债”问题爆发,国务院开展清理行动,并第一次提出“社会信用”的概念,这成为我国征信行业发展的起点。在这期间:( 1 )多数地方和银行纷纷发起成立资信评估公司,主要从事债券、股票及贷款的资信评估工作,包括大公国际、上海远东资信、中诚信等均在这一时期成立;( 2)大陆首家专门对外提供企业征信服务的公司——北京新华信商业风险管理有限责任公司成立;( 3)政府部门(外经贸部等)开始与邓白氏等国际知名的企业征信机构合作。
2. 央行和各地方搭建征信平台( 1996 年-2003 年): 这一阶段四大行由专业银行向商业银行转型以及一些股份行和地方性银行陆续设立成为征信市场发展的重要推动力,而商业银行仍是征信服务的主要需求方,征信服务主要体现为内部评级服务,个人征信开始起步。( 1 )1996 年央行开始在全国范围内推行“贷款证”制度,并开发了覆盖全国 300 多个地市的银行信贷登记咨询系统(即现今央行企业征信系统的前身);( 2)上海、深圳、北京、广东等省市也开始建设地方征信体系,包括搭建信用数据库、出台地方性征信法规等;( 3)央行允许上海率先试点个人消费信用联合征信。
3. 央行主导建立全国统一的公共征信模式( 2004 年-2013 年): 在这一时期中央(包括中共中央决定、国务院深化经济体制改革意见等)多次强调要建立健全社会信用体系。央行将此前建立的银行信贷登记咨询系统升级为全国统一的企业和个人征信系统, 截至 2015 年4 月底,征信系统已收录自然人 8.6 亿多人,收录企业及其他组织近 2068 万户。 2013 年国务院正式颁布《征信业管理条例》, 同年央行发布《征信机构管理办法》,对企业征信实行备案制、对个人征信实行审核制, 标志我国征信行业进入法制化的时代。
4. 互联网金融时代的征信( 2014 年至今): 随着互联网技术的蓬勃发展以及互联网金融业态的爆发式增长,一些互联网公司基于大数据开始涉足征信行业。 央行于 2015 年初向8 家机构下发通知要求做好个人征信业务的准备工作,期限 6 个月。
征信行业格局:公共为主商业为辅,创新模式稳步发展
我国征信行业经历了 20 余年的发展,目前形成了公共征信与商业征信并存、以公共征信为主的征信体系。( 1)公共征信:主要是由央行主导建设的全国企业和个人征信系统,即金融信用信息基础数据库,由人民银行征信中心负责运营,此外各级政府或其所属部门设立的征信机构亦属于公共征信体系; ( 2)商业征信: 主要为信用登记、信用调查、信用评级等业务,征信机构包括 50 多家社会征信机构(如鹏元征信等)和 80 家信用评级机构(如大公国际、中诚信等)。
公共征信体系——央行企业和个人征信系统
央行企业和个人征信系统, 即金融信用信息基础数据库,又称企业和个人信用信息基础数据库, 于 2006 年在全国正式运行,其前身为 1997 年开始筹建的银行信贷登记咨询系统,央行自 2004 年-2006 年组织金融机构建成全国集中统一的企业和个人征信系统,目前由人民银行征信中心负责运营维护。 该系统属于非盈利性质,仅出于运营收取少量费用,如查询个人信用报告每年前两次免费,第三次起每次收取服务费 25 元。
( 1) 数据来源: 全面收集企业和个人信息, 以银行信贷信息为核心,还包括社保、公积金、环保、欠税、民事裁决与执行等公共信息,但目前占比较小。 对于无贷款记录的企业和个人,央行征信系统仅有基本信息。 截至 2015 年 4 月底,征信系统收录自然人 8.6 亿多人,收录企业及其他组织近 2068 万户。
( 2) 产品体系: 以企业和个人信用报告为核心的征信产品体系。 a) 企业征信:包括企业信用报告、关联企业查询、信贷资产结构分析、历史违约率查询等; b)个人征信:包括个人征信报告、信用报告数字解读(信用评分)等。
( 3) 使用机构: 包括商业银行、农村信用社、信托公司、财务公司、汽车金融公司等各类放贷机构,且征信系统的信息查询端口遍布全国各地的金融机构网点,信用信息服务网络覆盖全国。 2014 年企业和个人征信系统接入机构家数分别为 1724 家和 1811 家。



商业征信体系——信用评级机构和社会征信机构
我国的商业征信体系主要包括信用评级机构、社会征信机构,以及近几年才建立的专门针对 P2P 行业的征信系统。
信用评级机构: 主要应用于债券市场和信贷市场。 2012 年共有 70 多家评级机构,其中8 家获准从事债券市场评级业务, 当年共完成债项评级 1672 笔,同比增长 42%;其余从事信贷市场评级业务,共完成信贷市场主体评级近 5 万户, 同比增长近 5%。
社会征信机构: 主要从事企业征信业务,较少从事个人征信业务。 征信业务收入和人员主要集中在几家大的征信机构上,如鹏元征信、新华信等。( 1) 鹏元征信成立于 2005 年,主要从事个人征信、企业征信、企业评分、个人评分、和中小企业信用风险控制等业务, 目前每年提供各类信用报告超过 7000 多万份,主要用户包括政府、银行、小额贷款公司、公用事业单位、电商平台等机构,公司信用报告在银行等金融机构内部一定程度上能够替代央行提供的征信报告。( 2)新华信主要提供商业信息咨询、市场研究咨询以及数据库营销服务,公司数据收集网络覆盖全国 31 个省市、 355 个城市,数据库收录了 2000 万家机构的基本信息和 60 万家企业的财务及信用信息, 2012 年营业额达到 4 亿元。

针对 P2P 行业的征信系统:网络金融征信系统( NFCS)和小额信贷征信服务平台(MSP)。
( 1) 网络金融征信系统(NFCS): 除企业和个人征信系统外,央行征信中心还通过下属的上海资信有限公司建立了网络金融征信系统,于 2013 年 7 月正式上线运行。 NFCS 主要收集并整理 P2P 平台借贷两端客户的个人基本信息、贷款申请信息、贷款开立信息、贷款还款信息和特殊交易信息,通过有效的信息共享,帮助 P2P 平台机构全面了解授信对象,防范借款人恶意欺诈、过度负债等信用风险。 目前 NFCS 已成为央行征信系统的有效补充,是互联网金融业务开展的重要基础设施。截至 2014 年底,共有 370 家网贷机构接入 NFCS,收录客户数达到 52.4 万人,日均查询量约 5000 次。
( 2) 小额信贷征信服务平台(MSP): 由北京安融惠众征信建立, 推出了包括信用信息共享、反欺诈、风险预警监测、个人消费能力分析、个人及关联企业信息分析在内的多种风险管理相关产品, 旨在帮助会员机构共享借款人借贷信息、实时掌握借款人在各类民间信贷机构间的信贷交易信息, 防范借款人可能存在的多头借贷、恶意拖欠、骗贷等风险。 截至2015 年 7 月底, MSP 累计会员机构数量 923 家, 收录有信贷记录的信息主体 220.8 万人,当月查询量达 17.2 万次。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA(Certified Data Analyst),是在数字经济大背景和人工智能时代趋势下,源自中国,走向世界,面向全行业的专业技能认证,旨 ...
2025-12-29在数据分析领域,周期性是时间序列数据的重要特征之一——它指数据在一定时间间隔内重复出现的规律,广泛存在于经济、金融、气象 ...
2025-12-29数据分析师的核心价值在于将海量数据转化为可落地的商业洞察,而高效的工具则是实现这一价值的关键载体。从数据采集、清洗整理, ...
2025-12-29在金融、零售、互联网等数据密集型行业,量化策略已成为企业提升决策效率、挖掘商业价值的核心工具。CDA(Certified Data Analys ...
2025-12-29CDA中国官网是全国统一的数据分析师认证报名网站,由认证考试委员会与持证人会员、企业会员以及行业知名第三方机构共同合作,致 ...
2025-12-26在数字化转型浪潮下,审计行业正经历从“传统手工审计”向“大数据智能审计”的深刻变革。教育部发布的《大数据与审计专业教学标 ...
2025-12-26统计学作为数学的重要分支,是连接数据与决策的桥梁。随着数据规模的爆炸式增长和复杂问题的涌现,传统统计方法已难以应对高维、 ...
2025-12-26数字化浪潮席卷全球,数据已成为企业核心生产要素,“用数据说话、用数据决策”成为企业生存与发展的核心逻辑。在这一背景下,CD ...
2025-12-26箱线图(Box Plot)作为数据分布可视化的核心工具,凭借简洁的结构直观呈现数据的中位数、四分位数、异常值等关键信息,广泛应用 ...
2025-12-25在数据驱动决策的时代,基于历史数据进行精准预测已成为企业核心需求——无论是预测未来销售额、客户流失概率,还是产品需求趋势 ...
2025-12-25在数据驱动业务的实践中,CDA(Certified Data Analyst)数据分析师的核心工作,本质上是通过“指标”这一数据语言,解读业务现 ...
2025-12-25在金融行业的数字化转型进程中,SQL作为数据处理与分析的核心工具,贯穿于零售银行、证券交易、保险理赔、支付结算等全业务链条 ...
2025-12-24在数据分析领域,假设检验是验证“数据差异是否显著”的核心工具,而独立样本t检验与卡方检验则是其中最常用的两种方法。很多初 ...
2025-12-24在企业数字化转型的深水区,数据已成为核心生产要素,而“让数据可用、好用”则是挖掘数据价值的前提。对CDA(Certified Data An ...
2025-12-24数据分析师认证考试全面升级后,除了考试场次和报名时间,小伙伴们最关心的就是报名费了,报 ...
2025-12-23在Power BI数据可视化分析中,矩阵是多维度数据汇总的核心工具,而“动态计算平均值”则是矩阵分析的高频需求——无论是按类别计 ...
2025-12-23在SQL数据分析场景中,“日期转期间”是高频核心需求——无论是按日、周、月、季度还是年度统计数据,都需要将原始的日期/时间字 ...
2025-12-23在数据驱动决策的浪潮中,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越“整理数据、输出报表”的基础层面,转 ...
2025-12-23在使用Excel数据透视表进行数据分析时,我们常需要在透视表旁添加备注列,用于标注数据背景、异常说明、业务解读等关键信息。但 ...
2025-12-22在MySQL数据库的性能优化体系中,索引是提升查询效率的“核心武器”——一个合理的索引能将百万级数据的查询耗时从秒级压缩至毫 ...
2025-12-22