京公网安备 11010802034615号
经营许可证编号:京B2-20210330
整合信用大数据 打牢经济“基础桩”
“全面、准确的信用数据是建设社会信用体系的基本要素。中国经济的突飞猛进和互联网的发展催生了海量的信用数据,传统的技术手段无法满足庞大复杂的数据整合要求,需要使用大数据技术进行收集和分析,形成更加客观的信用评价体系。”第十二届全国人大代表、浪潮集团董事长兼CEO孙丕恕提出要基于大数据技术,整合政府、机构组织数据并纳入互联网数据,形成全国统一的综合信用数据资源平台,积极培育企业征信等大数据征信产业,分步骤建成全面、统一的社会信用信息体系,为中国社会主义市场经济的发展打牢“基础桩”。
孙丕恕说,政府对大数据在社会信用体系中的建设高度重视。去年7月25日,李克强总理在浪潮集团考察时,现场办公,要求相关部门以云计算、大数据理念,与企业信息技术平台有机对接,建立统一综合信用信息平台,实现“大数据”共享。7月23日,总理在国务院常务会议上也强调构建企业信用信息公示系统,包括国家社会信用信息平台,都要融入“大数据”的思维理念。国家各部委和地方政府也在积极运用大数据技术建设不同领域的信用信息系统,如国家工商总局打造全国企业信用信息公示系统,山东省建设“一网三库一平台”公共信用信息系统等。
那么,我国社会信用体系建设现状如何呢?孙丕恕介绍说,2014年可谓是我国社会信用体系建设的重要一年,不仅出台了《社会信用体系建设规划纲要(2014—2020年)》,国家发改委下发了《社会信用体系建设三年重点工作任务(2014—2016)》,明确提出要制定法律法规和标准体系,对信用信息平台建设和分享等重点工作进行了分工,形成了明确的顶层设计和行动规划。
“这些政策为运用大数据技术加快社会信用体系建设奠定了基础。但在实际推进中,仍需解决条块分割问题,避免出现新的信息孤岛;注重节约成本,实现原有信息资源的复用;丰富信用数据源,保证信用评价的全面性。”孙丕恕表示,国家虽然出台了一系列政策,但在具体实施过程中,仍然面临着一些问题。
为此,孙丕恕建议从组织数据和互联网数据两个方面整合融合入手。首先由政府专门机构整合现有政务业务系统的信用数据,建设基于政府数据的区域、行业信用数据资源平台;然后将金融、商务等层面的商业征信组织数据进行整合,形成区域、行业综合信用数据资源平台;在此基础之上,依托大数据分布式、海量处理技术,按照国家统一的分类目录和数据标准,以及系统间的数据交换机制,将各信用信息平台的数据进行逻辑集中,进行标准化的分类、归并,形成可利用的全国统一信用数据资源平台。
孙丕恕强调,信用数据散落在工商、税务、统计、海关等各业务系统中,政府可以利用大数据技术,在不新建系统的前提下,充分利用原有信息资源,进行各部门内部系统信用数据以及各部门系统间的信用数据整合,这样既能节约成本也能加快建设速度,一举两得。”
孙丕恕还提出了运用大数据技术采集电子商务、社交数据、媒体信息、网络行为、互动评价等互联网公开信息,建设信用数据第二轨的建议。他说,当前信用数据的来源不再局限于传统的财务、信贷、保险、信用历史等传统领域和组织内数据,更扩展到电子商务、社交数据、网络行为等领域。
鉴于此,孙丕恕主张将互联网数据纳入综合信用信息平台中,建立覆盖全社会的信用信息系统。“利用大数据技术萃取互联网中的高价值信用数据,并通过组织内数据和互联网数据的比对,挖掘信用信息之间的关联性,描绘信用主体信用全貌,能够通过更全面的数据来综合评判信用主体,实现数据的全面性和数据保真。”
此外,针对目前由于数据权属关系不清而导致的信用数据采集难题,孙丕恕表示,由于国家也没有相应的制度来保障,建议通过政府授权和市场化手段来规范数据的采集,对于纳入政府信用信息平台的数据,由政府依据有关法规、参照信用信息采集目录,授权大数据采集机构予以采集,其他情况则可以通过市场化的手段来解决。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07