京公网安备 11010802034615号
经营许可证编号:京B2-20210330
赖小民:利用大数据等新技术推动征信建设
全国人大代表,中国华融董事长赖小民两会建议
赖小民代表关于积极利用互联网、大数据等新技术推动征信系统建设的建议
一、背景
党的十八届三中全会对社会信用体系建设做出了新的战略部署,并明确提出“建立健全社会征信体系”的要求。 2014年6月,国务院印发了《社会信用体系建设规划纲要(2014-2020年)》,为今后一个时期我国社会信用体系建设提出了行动纲领。2014年9月,国家发改委和央行联合召开“全国社会信用体系建设”工作会议,再次明确了中国征信体系建设将以市场化的征信机构为主导的发展方向。
近年来,随着互联网、云计算、大数据等现代技术在各领域的广泛运用,互联网金融等新兴业态在我国得到了迅速发展。特别是全新的大数据时代的到来,不但为我国征信体系的建设提供了更丰富有效的数据资源,也在很大程度上改变了传统征信业务在数据收集、加工和分析方式,以及相关征信产品的设计理念。因此,如何以大数据等新兴技术发展为契机,进一步推进我国征信业的跨越式发展,是当前我国征信系统建设中亟需解决的重大课题。
二、存在的问题
目前,征信系统已成为中国重要的金融基础设施之一,在提高信贷效率、防范信贷风险和提高社会信用意识等方面发挥了重要作用。但与发达国家相比,我国征信系统发展水平仍较落后,在社会信用环境、社会征信机构层次、征信产品多样化、信息系统互联互通、信用数据分析手段以及信用法制体系建设等方面仍存有不小差距。特别是随着基于互联网的大数据应用,我国征信业务发展的劣势尤为明显:
一是目前我国征信信息系统主要以央行的信用数据库为基础,信息覆盖面主要集中在信贷系统,征信数据主要来源并服务于银行业金融机构等传统意义上的信贷机构。同时,新型互联网信贷平台的信贷数据并未纳入现有征信体系之内,对于个人其他经济活动和社会活动尚缺乏信用报告,并且缺少为难以获得传统金融服务的个人创造可用信用的信用评估和服务机构。
二是有针对性的信息安全和隐私保护的制度性安排缺乏,征信业监管技术和水平亟需提高。一方面,一些拥有更多信息资源优势的企业,开始尝试借助互联网、大数据等信息技术,以各自互联网平台为基础,采集个人信息数据,提供信用信息服务。随着来源多元化、多层次化和非结构化数据的进一步集中和数据量的急剧增长,数据的安全防护变得更加困难,而现有征信系统中相关隐私保护和信息安全的制度安排中缺少了对这一情况的考虑。另一方面,在监管水平上,目前我国对征信行业的监管主要依赖于人民银行,以《征信业管理条例》和《征信机构管理办法》为监管依据;在征信行业监管和自律方面,相关监管尚未发育成熟,行业标准尚未统一,行业规范以及行业职业道德等内容尚未完善,缺乏具有大数据知识和能力的监管人员,以适应大数据时代的征信监管需求。
三是现有征信业务规范与基于大数据的征信业务不匹配。一方面,受社会信用体系不完善以及个人信用数据匮乏的限制,我国目前仍多是采用覆盖人群窄、信息维度单一、时间上滞后的传统信用数据评估信用风险。而已有的《征信业管理条例》及其配套制度的规制对象也主要集中在传统金融领域,缺少有关大数据采集、整理、保存、加工和处理的制度要求。另一方面,民营征信机构与央行信用数据中心,民营征信机构相互之间目前并没有实现有效对接,央行信用报告的核心数据没能被民营机构获取和有效利用,导致这些机构尚没有完整成熟的产品推出,因此互联网征信的作用对传统金融机构而言还相当有限。
四是征信系统硬件基础设施有待全面升级,数据处理能力亟待提高。我国征信机构发展起步较晚,一方面,缺少对数据处理的核心技术,导致数据分析结果不能够准确的识别个体或组织的行为;另一方面,现有征信机构存储征信数据主要是在本地建立数据库,大数据时代随着数据量呈几何级数的增加,征信机构硬件技术的发展已经跟不上数据容量的增长速度,数据存储面临较大压力。
三、建议
数据是征信业务开展的基础资料,征信活动主要是围绕数据进行采集、整理、保存和加工,并最终向信息使用者提供。互联网金融业的兴起以及大数据技术的应用不仅为征信业发展提供了极为丰富的数据信息资源,也改变了征信产品设计和生产理念,成为未来征信业发展的重要基石。我国征信业发展尚处于起步阶段,在大数据时代存在着征信法律制度和业务规则不够完善、征信机构数据处理能力有待提高等问题。未来征信业发展要从制度设计、技术进步、信息共享、监督管理和隐私保护等方面不断创新,促进征信业在大数据背景下的跨越式发展,具体建议如下:
(一)积极培育市场化的征信机构,优化征信市场的格局,并依法推进征信市场对外开放
首先,坚持中国征信系统建设的市场化方向,建议鼓励包括民间资本在内的各类资本进入征信业,培育、发展品牌征信机构,通过服务创新或产品创新打破原有的征信市场格局,并促成征信业建立全新的风险控制体制,使征信机构向有效监管和精细化管理转变。其次,建议在有效监管、完善制度和维护信息安全的前提下,循序渐进、依法对外开放征信市场;支持我国征信机构跨境进行多角度、多层次的竞争合作;鼓励征信机构学习借鉴发达国家的征信理念和方法,积极参与国际标准的制定,提高国际交流与合作水平。
(二)建立符合大数据征信业务特点的业务规则体系和完善相关法律法规制度
基于大数据的征信业务具有数据来源广、信息维度多、成本低等特点。首先,需要明确大数据背景下数据采集、整理、加工、分析和使用的规则,特别是对有关数据的采集范围、使用原则和信息安全等问题应做出明确的法律说明。其次,考虑到在征信业务开展过程中,大数据的收集使用可能涉及国家信息安全、企业商业秘密、公民隐私等,需要从立法层面完善征信信息安全和数据管理的相关法律法规。因此,建议:一是建立符合大数据特征的信息安全保护机制。在具体制度设计上,要规定信息主体、信息提供者、征信机构、信息使用者的权利、义务和责任,明确隐私信息的范围,确保信息主体的信息依法使用;在技术上,要研究并采用最先进的网络信息安全技术,从信息的存储、传递、使用、销毁等全流程进行信息保护,防止信息外泄。二是健全大数据信息共享机制。应尽快统一征信数据标准和格式,以便进行规范化的数据融合,提升大数据的整合能力,打破资源部门间的信息孤岛,从而完善信息共享机制;加强央行征信中心与民营征信机构在信用数据获取方面的市场化合作尝试,帮助民营征信机构开发结合了传统信用数据和互联网征信数据信息特征的成熟产品,并鼓励不同类别的征信机构在规范化信用数据方面的互联互通。
(三)提高大数据技术处理能力,加强征信产品创新,促进征信业差异化竞争
一方面,由于大数据价值的完整体现需要多种技术的协同,因此建议征信机构要加大数据处理分析专业人才队伍的培养,同时要引进大数据处理的专业方法和工具,建立前瞻性的征信业务分析模型,更好的把握、预测市场和信息主体的行为。另一方面,考虑到大数据使征信数据来源呈现多元化、多层化和非结构化的特点,能更加全面和真实地反映信息主体的信用情况。因此,建议鼓励征信机构通过采用不同的数据来源,不同的数据处理方式,针对不同的客户,拓展征信产品的种类,满足不同层次客户的市场需求,实现差异化竞争。
(四)在注重市场培育的同时,加强对行业的监督管理,防范信用风险
建议监管部门:一方面,总结大数据的征信业务操作规律,推动征信业尽快适应大数据时代的发展要求;另一方面,制定并实施符合大数据时代征信业的监管措施,建立跨部门合作监管机制,引导和推动行业自律,以行业自律促进大数据时代下征信业的有序发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06