
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01