企业征信数据

企业征信数据（共6篇）

1.企业征信数据 篇一

大数据征信个人信息安全保护对策论文

摘要：大数据征信使个人信息安全处于空前的威胁与挑战，本文简述了大数据征信的概念与发展，探讨其在个人信息安全的保护过程中存在的主要问题，并为完善大数据征信中个人信息保护提出对策与建议。

关键词：大数据征信;保护;个人信息

一、大数据征信的概念与发展

大数据征信是指对海量在线交易记录、社交网络数据等个人的信息进行收集整理，并运用大数据分析和刻画出信用主体的违约率和信用状况，进而控制金融信用风险。解决了传统征信因信息分散导致的采集成本高，效率低下等问题，与传统征信天然互补。由于大数据采集的覆盖面广、信息维度丰富，评估个人信息的信用风险全面而广泛，成为互联网金融和众多相关行业的基石。

二、大数据征信中个人信息安全保护现状及存在的问题

由于互联网征信企业极度依赖于大数据技术的收集与分析，一切信息皆信用，使得个人信息的安全性受到了空前挑战和威胁。近年来违法倒卖、泄露个人信息事件屡见不鲜，极大地影响了社会正常的经济秩序。由于个人信息在我国立法中仍处于薄弱环节，相关法规的制定存在较大的不足与滞后，商业化的大数据征信可能会成为侵害个人信息的工具，需用法律手段加以规制。

(一)立法保护滞后于现实需要

我国目前尚未出台专门的个人信息保护法，尽管个人信息安全保护不断出现在各种法律法规、司法解释中，但相关法律法规的制定过于分散且层次效力不一，在实践中缺乏可操作性，无法满足当前对个人信息保护的高质量法规的需求。现行的《征信业管理条例》与大数据征信的发展不适配，对于大数据征信中个人信息的采集、整理、保存、加工和公布等环节缺乏明确的界定，条例规范范围过于狭窄，对于涉及网络个人信息保护问题未作出合理规范。

(二)征信信息泄露严重监管缺乏

大数据征信涉及大量用户敏感信息，随着越来越多的数据被采集利用，用户面临着面临的信息安全风险变得更加严峻。与普通个人信息相比，征信信息由于价值和敏感性，泄露的危害更为严重。当前信息泄露已经形成产业链，数据黑市犯罪成本低利润高。再加上互联网征信公司内部管理制度不完善，存在业务操作和人员道德双重风险，近年来许多互联网公司人员存在监守自盗的风险，例如京东泄露了12G的`用户数据造成其严重后果。的“526信息泄露案”，湖南银行行长非法出售个人信息257万余条，包括身份证号、征信记录、账户明细等众多敏感信息。而在国外全球第一大个人征信机构益博睿涉及2亿的身份信息泄露，涉案金额超过6500万美元。

(三)个人维权法律救济困难

随着未来信息开发和利用的日益成熟，个人信息尤其是信用信息具备相当的商业、社会和法律价值。大数据时代使个人信息的权利边界消失，给个人信用信息主体维护自己合法权益带来巨大的挑战。由于个人信息主体往往处于弱势地位，与征信信息管理机构存在着信息和技术不对称，让受侵害的个人信息举证维权之路难上加难。在个人信息受到非法收集泄露等侵害时，由于通过法律救济途径解决纠纷可能产生的成本和风险过高，只好选择放弃诉讼维权，使得本应该成为最终保障的司法救济渠道起不到应有的保护作用。

三、大数据征信中保护个人信息安全的对策与建议

(一)完善个人信息立法保护

针对大数据征信的特点，以征信业规制和网络个人信息保护的专门立法现有成果出发，通过立法出台统一的个人信息国家技术标准，给已有的普遍分散立法以操作的指引，制定最低标准网络个人信息保护法，明确规定个人隐私的信息、个人信息采集基本原则和使用目的，采集收集的负面清单制度，防止个人信息被滥用。通过构建完善的个人信息保护法律体系，为征信体系安全建设提供更有力的法律支撑。

(二)加强行政监督管理与行业自律

加强数据安全体系和信息监管体系建设，防范非法入侵造成信息泄露，对于信息泄露问题完善危机应急预案和补救措施。加强信息安全执法监管，严厉打击非法泄露、买卖信用数据的行为，加大对泄露个人信息企业的问责和处罚。对征信管理机构开展内部安全认证和行业自律机制建设，充分发挥征信行业协会其协调沟通征信机构与监管机构的作用，加强征信行业业务交流和制定技术标准，开展征信信息保护宣传提高民众意识。

(三)探索多元化个人信息保护救济方法

建立征信机构内部的纠纷处理机制，完善信息异议处理解决机制，缩短错误征信数据信息的更正时限，提高征信信息录入质量。完善个人对征信机构的投诉渠道，引入征信行业调解、仲裁和第三方纠纷非诉解决的法律机制。对于公民维护个人合法权益面临取证难、诉讼难等问题，完善互联网情景中个人信息侵权赔偿制度，并在个人信息保护中引入举证责任倒置和集体诉讼机制，优化个人信息司法保护程序，提供便捷高效的法律救济渠道。

[参考文献]

[1]刘红熠，杨妮妮.互联网征信背景下个人信息主体权利保护问题研究[J].征信，2016(06).

[2]赵红梅，王志鹏.大数据时代互联网征信发展中的问题及应对策略[J].金融经济，2016(18).

[3]孔德超.大数据征信中个人信息保护探析[J].中国物价，2016(05).

2.企业征信数据 篇二

@周治翰 (开鑫贷副总经理) :互联网征信目前仍需要进行多重交叉验证, 即使是征信市场较为完善的美国和德国, 通过多个模型交叉验证数据的真假也是必不可少的环节。

@安丹方 (金信网首席运营官) :用大数据进行信用评估时, 很多数据会涉及个人隐私, 尤其是对个人社交圈和电商交易的数据、通话记录、微博数据的应用。目前国内关于个人隐私方面的保护几乎处于空白, 过快推进大数据征信, 企业将有可能面临法律和道德风险。而国内对失信行为的惩戒制度不够健全, 导致借款人违约成本较低, 难以有效抑制违约风险。民间机构的交易数据形态各异, 对数据的定义不同、业务操作规范不同, 授信标准也不同, 很难形成统一的数据标准供行业共享。而征信企业之间存在竞争, 数据是各家企业的核心资产, 想要实现信息数据的共享难度也比较大。

@叶大清 (融360 CEO) :中国目前的征信体系还不足以支撑银行在线放款。传统银行的劣势是只有线下没有线上, 但现在互联网时代的趋势让用户把时间都花在线上了。线下是一个过去的时代, 线上是一个新的时代, 最好的模式是线上线下结合。而线下要重点做两件事, 风险控制和服务。

3.大数据征信初探 篇三

关键词：大数据；大数据征信；价值；挑战

一、 大数据与大数据征信

1. 什么是大数据。在互联网已经成为一种普遍的生活方式的今天，我们已经迈入大数据时代。“大数据正在改变我们的生活以及理解世界的方式，成为发明和新服务的源泉”。什么是大数据？仁者见仁，智者见智。维基百科将大数据定义为“一种广义的数据集，因其体量巨大、复杂，传统数据处理方式不足以处理”。高德纳咨询公司（Gartner Group）认为“大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产”；国内有学者将大数据定义为“是指伴随着可作为处理对象的数据外延不断扩大，依靠物联网、云计算等新的数据搜集、传输和处理模式的一种新型数据挖掘和应用模式”；国务院印发的《促进大数据发展行动纲要》将大数据界定为“大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态”。多种多样的定义为我们从不同视角理解大数据提供了有益参考，但无论如何界定，“多数定义都反映了那种不断增长的捕捉、聚合与处理数据的技术能力，而这个数据集在数量、速率与种类上持续扩大。换言之，现在，数据可以更快获取，有着更大的广度和深度，并且包含了以前做不到的新的观测和度量类型”。由此，我们可以得出大数据的几个基础特征：数据规模庞大、具有多样性、较高应用价值和较高的处理速度（也就是通常所说的4V特征，即Volume、Variety、Velocity、Value）。这些特征有助于我们更直观的理解什么是大数据，有助于我们更好地发现日益增长的数据中隐藏的价值，满足人们的现实需求。

2. 什么是大数据征信。随着大数据技术在金融领域的广泛应用，大数据征信受到越来越多的重视。大数据征信主要通过对海量的、分散的、多样化的、具有一定价值的数据进行快速的收集、分析、挖掘，运用机器学习等模型算法多维度刻画信用主体的违约率和信用状况。大数据征信从其本质上来看是将大数据技术应用到征信活动中，突出强调的是处理数据的数量大、刻画信用的维度广、信用状况的动态呈现、交互性等特点，这些活动并未超出《征信业管理条例》中所界定的征信业务范围，本质上仍然是对信息的采集、整理、保存、加工和公布，只不过是以一种全新的方式、全新的视角来进行而已。

3. 大数据征信与传统征信。与传统征信相比，大数据征信呈现出与当前互联网快速发展相契合的诸多时代特点和印记。

（1）数据来源广泛。大数据征信的数据来源既包括交易、消费、支付等交易数据，也包括社交活动、网络行为、地理位置等交互数据，还包括通过可穿戴设备、RFID设备、视频监控设备等获取的传感数据。这些数据主要是通过互联网获取，可称之为网络大数据。“网络大数据有许多不同于自然科学数据的特点，包括多源异构、交互性、时效性、社会性、突发性和高噪声等，不断但非结构化数据多，而且数据的实时性强，大量数据都是随机动态产生”。与传统征信仅依靠信贷记录、公共信用信息等数据刻画信用主体信用状况不同，大数据征信基于网络大数据，通过数据挖掘，从多个维度刻画、描述信用主体的违约状况、人际关系等，丰富了传统信用评价的维度和深度。

（2）市场定位清晰。大数据征信作为传统征信的补充，主要针对的是央行征信系统无法覆盖的没有信用记录的人群。根据央行发布的《中国征信业发展报告（2003-2013）》，截至2013年底，国内没有信用记录的人群达3.2亿人，占全国人口的23.7%；央行征信系统收录的8.39亿自然人中有5.18亿人没有信贷记录，这部分未被覆盖的人群也有融资需求。借助于互联网这个大平台，利用大数据技术可以较为快速、高效刻画这部分人群的信用状况，市场潜力巨大。

（3）应用场景多样化。与传统征信运用具有强相关性的信贷数据刻画信用主体的信用状况不同，大数据征信基于大数据技术，应用机器学习等模型，对海量的弱相关性的互联网大数据进行采集、清洗、匹配、整合和挖掘，转换成信用数据，使得信用评估的效率和准确性得到一定程度的提升。基于大数据征信的这些优势和特点，沉淀了大量用户的电商、社交媒体、P2P等互联网公司纷纷涉足大数据征信，运用数据挖掘等技术来实现快速的身份识别、风险识别、反欺诈、精准营销、个性化服务等，而这些多样化的应用场景则进一步丰富了大数据征信的内容和结构。

四是技术高度复杂。大数据征信的应用是以互联网的快速发展与普及为基础的，需要在技术及研发上持续不断的投入。技术上看，由于大数据征信的数据源较为复杂，需要处理的变量远超传统征信模式，开发一套针对用户的信用评价系统通常需要经过数据收集、数据清洗、关联分析等环节，再由一套复杂的模型算法最终得出用户的信用报告或信用分，需要从事大数据征信的企业在大数据收集、分析、挖掘等技术上持续不断的投入。理论上看，由于互联网数据的多源异构性，发现、理解进而熟练运用互联网数据背后的社会学、心理学、经济学的机理以及互联网信息涌现的内在机制，使之服务于对信用主体的信用刻画中，确保信用刻画的准确性，还需要充分吸收、利用社会学、心理学、经济学等学科的相关研究成果，又进一步加剧了大数据征信的复杂性。

此外，大数据征信不能仅仅强调数据的大，更重要的是强调数据的准，数据维度反映信用主体信用状况的关联度要强。由于互联网时代数据产生速度很快，很多数据都需要及时更新才能保证准确性，因此大数据征信要求对实时的数据进行实时的处理，才能保证信用结果的准确性。根据中国互联网信息中心统计，截至2014年12月，中国网民达6.49亿，互联网普及率达47.9%。如此巨量的互联网用户产生的数据也是巨量的，利用大数据技术对这些支离破碎的数据进行整合、分析、挖掘并最终开发出具有商业价值的产品需要持续的研发投入、技术投入、资金投入和管理投入，门槛较高。

二、 大数据征信的价值与意义

大数据征信在政策夹缝中快速发展，除了中国征信体系不健全等客观原因外，还与其自身所具有的价值与意义紧密相关。从业务应用上看，一些大的征信公司、传统金融机构、互联网金融机构以及大型电商平台等都将已经或者正在布局大数据征信，将其作为企业的核心竞争力，如芝麻信用、鹏远征信、前海征信、腾讯征信、宜信、京东金融等都已经或正在开发大数据征信产品，并不断扩展其产品的应用场景；从市场价值来看，大数据征信可以化解信息不对称导致的交易风险，降低交易成本，扩展交易范围，可以使用户能以合理的价格获取多元化、可持续、高效、低成本、高质量、多样性的金融服务，享受公平信贷机会，有利于企业特别是小微企业改善经营状况，有利于个人通过融资获得进一步发展的机会，有利于维护金融稳定。从应用场景上看，大数据征信的主要应用领域为互联网金融，除此之外，一些大的互联网征信公司如芝麻信用，通过与机场等第三方公共服务机构合作，将芝麻信用分用于快速通关等场景之中，大数据征信产品的全面应用时代已经悄然来临。从可拓展性看，大数据征信除了应用于金融风险控制，还可用于客户画像、行为研究、产品跟踪、精准营销、企业内部治理优化等多个方面，表现出较强的可拓展性；从市场需求看，除了央行征信系统未覆盖的近3亿人群外，还有海量的企业信息可以通过大数据技术处理，形成企业信用档案，提高交易的透明度；从社会效应来看，大数据征信在控制市场风险、重塑市场信用体系方面具有积极的正面示范作用。

三、 大数据征信的发展应用

1. 大数据征信在国外的应用情况。在国外，政策层面，美、英、日、澳等国纷纷将发展大数据作为一项重要战略来实施，制定了一系列政策来推动数据开放共享、加大数据基础设施研发、促进政府和公共部门应用大数据技术。实践应用中，谷歌、EMC、惠普、IBM、微软、甲骨文、亚马逊、脸谱等企业很早就通过收购或自主研发等方式布局大数据发展，成为大数据技术的主要推动者，并快速推出大数据相关的产品和服务，为各领域、各行业应用大数据提供工具和解决方案。在征信领域，一方面传统的征信公司开始涉足大数据征信，充分利用自身的数据优势开发新的信用衍生服务，如Experian（益百利）开发出跨渠道身份识别引擎，布局投入研发社交关系数据，积极探索互联网大数据与征信的关系；Equifax（艾克飞）通过加大研发投入及收购行为布局大数据产品与服务；FICO（费埃哲）在传统FICO信用模型中引入社交媒体、电商、移动用户数据，提高了模型的用户区分度。另一方面，一些新兴的创业公司利用自身的技术优势，通过走差异化道路，给用户提供个性化的信用产品和服务。如ZestFinance公司，利用大数据技术为缺乏征信数据而只能接受高利贷的人群进行信用评估服务，采集了海量跟消费者信用弱相关的数据，利用基于机器学习的大数据分析模型进行信用评估，处理效率提高了近90%，模型性能提高了40%，相关贷款人的违约率降低了将近50%。总的来看，由于国外征信体系较为完善，大数据征信作为传统征信的补充，仅在市场细分领域具有一定的应用价值，更多的是以提供征信增值服务的形式出现的。

2. 大数据征信在国内的应用情况。政策层面，我国政府出台了《社会信用体系建设规划纲要（2014-2020年）》、《国务院积极推进“互联网+”行动的指导意见》、《促进大数据发展行动纲要》等顶层制度设计文件，将“互联网+”、“大数据发展”上升为国家战略，为发展大数据征信创造了良好的政策环境。实践应用中，BAT、京东、宜信等公司也纷纷涉足大数据征信。2015年年初，央行下发《关于做好个人征信业务准备工作的通知》，要求包括芝麻信用、腾讯征信、前海征信等8家企业做好开展个人征信业务的准备工作，开启了个人征信市场化的大门。就征信领域而言，互联网金融的快速发展催生大数据征信在风控、消费金融及精准营销等领域的应用。各大互联网公司、电商平台及网贷公司纷纷搭建自己的信用评价模型，推出各种信用分，如芝麻信用的芝麻分、考拉征信的考拉分、前海征信的好信度、京东金融的白热度等等，在服务于企业信用风险控制的同时，力图通过大数据分析、挖掘来寻找新的盈利增长点。但总的来看，由于市场监管体系不完善，法律制度建设滞后，市场的巨大需求和目前落后的征信体系形成较大反差，迫使企业利用科技和大数据的力量在征信与信用管理领域进行一次真正的创新，加之央行对个人征信市场开放的限制，互联网及大数据技术的发展迅猛，特别是互联网金融的快速发展，在风险控制等方面提出了更高的要求，催生了大数据征信的快速发展。

四、 大数据征信面临的主要挑战

在大数据时代，大数据征信将在金融等领域发挥着越来越重要的作用。但我们也应看到，由于政治、经济、文化等多重因素的影响，大数据征信在中国现阶段仍然面临着诸多挑战。

1. 大数据征信重构信用主体信用状况的准确性问题。大数据征信的数据主要来自互联网大数据、企业大数据、政府大数据和个人大数据等几大块，其中刻画个人信用的数据又主要来自互联网和个人提交的数据，包括身份数据、行为数据、社交数据、网上消费及交易数据等。如何科学确定信用评价的维度并赋予这些数据在各个维度中的权重决定着信用主体信用状况刻画的精准度，这也是大数据征信企业最为核心的竞争力所在。此外，准确刻画信用主体的信用状况除了要获取足够多的有价值的数据外，还需要综合考虑经济环境、文化背景、社情民意等因素，需要充分吸收利用这些领域的最新研究成果，来印证、丰富大数据信用评价模型，提高信用评价的准确性。要做到这一点，需要在学界和业界形成良性的互动，是一个长期的过程。

2. 个人隐私保护问题。大数据征信的核心是信息的收集和处理，在这个过程中如何平衡个人隐私保护与信息利用关系到产业创新与隐私保护的协调问题，至关重要。从大数据征信的数据获取途径看，主要有自有平台累积数据、通过交易获取数据、通过技术手段获取数据、用户自己提交数据、基于综合分析获得数据等。在获取数据的过程中，需要综合考虑法律、技术、运作机制等因素对个人隐私保护的影响，如法律对个人信息的保护、数据交易过程中的匿名化处理、原始数据采集授权及二次加工使用授权、侵犯个人隐私的救济渠道等，这些都是大数据征信需要认真考虑和解决的问题。

3. 数据的所有权、控制权、收益权问题。由美国倡导并实践的数据开放运动已经持续了一段时间，在全球范围内引起了广泛共鸣。而英国在此基础上更进一步，提出了“数据权”的概念。数据承载着信息，信息蕴含着价值。数据权概念的提出意味着数据价值的归属需要明确界定，由此引申出数据的所有权、控制权和收益权问题。由于大数据征信具有数据来源的多源性、技术处理的复杂性以及应用场景的广泛性等特点，在中国不完善的征信体系及特定的法律文化背景下，数据的所有权、控制权和收益权问题也尤为复杂。这里需要考虑的问题有：不同途径获取的数据所有权归谁？二次加工、三次加工的数据所有权归谁？涉及个人信息的数据个人是否有控制权？如何实现控制权？数据交易过程中，个人如何实现数据的收益权？这些问题仍需要我们在现有法律及政策框架下作进一步的讨论和研究。

4. 政策及监管的不确定性问题。大数据征信作为传统征信的补充，受《全国人民代表大会常务委员会关于加强网络信息保护的决定》、《征信业管理条例》、《征信机构管理办法》等法律法规的约束。但作为一种新兴的征信形式，大数据征信涉及问题的复杂程度已经超出了这些法律法规规制的范围，特别是在数据的采集、加工、使用和交易方面，多数大数据征信机构都在一定程度上存在着违法采集个人信息的行为，只不过是以一种不平等或隐蔽的方式来规避法律管制，如将获取个人信息与提供服务捆绑在一起，利用网民个人信息保护意识淡薄等弱点，使用复杂的免责条款来规避法律责任，使用流氓软件非法获取个人信息，利用技术优势非法获取个人信息，非法交易个人信息等。这些问题的出现一方面是由于网络用户个人信息的自我保护意识和手段的不足，另一方面也反映出现行的立法及监管措施的缺乏。随着隐私观念深入人心及互联网活动对个人生活的全面深入，这些问题都将倒逼监管层出台更多措施来保护个人权利、规范行业发展，特别是近期央行拟发放个人征信牌照，即是对此做出的积极回应。

五、 结论

大数据征信作为一种新的征信技术面临诸多挑战，同时也面临着难得的发展机遇，特别是在国家政策层面加大对大数据产业的支持、积极推进互联网与金融业深度融合的背景下，大数据征信将大有可为。与国外业已形成的较为完善的征信体系相比，我国征信体系建设还有很长的路要走。在互联网和大数据时代，创新是主线，作为在征信领域的本土化创新，中国的大数据征信完全可以实现弯道超车，引领征信发展的新潮流。与此同时，我们也应清醒的认识到，在当前中国经济社会转型的关键期，发展大数据征信需要政府加强引导与适度监管，从构建和完善适应大数据征信的监管法律制度入手，做好金融信用信息基础数据库等金融基础设施建设，加强基础理论研究，为大数据征信产品开发和服务创新创造良好条件，营造良好信用环境，真正使大数据征信成为服务社会经济发展的助力器。

参考文献：

[1] （英）维克托·迈尔—舍恩伯格，肯尼思·库克耶，著.盛杨燕，周涛，译.大数据时代[M].杭州：浙江人民出版社，2013.

[2] 中国电子技术标准化研究院.大数据标准化白皮书，2014.

[3] 王忠.大数据时代个人数据隐私规制[M].北京：社会科学文献出版社，2014

[4] 美国总统行政办公室.大数据：抓住机遇、保存价值，2014-5.

[5] 李国杰.大数据研究的科学价值[J].中国计算机学会通讯，2012，（9）.

作者简介：孔德超（1979-），男，汉族，河南省信阳市人，中国人民大学财政金融学院博士后，研究方向为征信理论与实务、大数据征信。

4.人行企业征信报告 篇四

根据《征信业管理条例》、《个人信用信息基础数据库管理暂行办法》(中国人民银行令〔〕第3号)、《中国人民银行征信中心关于印发企业及个人信用报告查询和异议处理业务规程的通知》(银征信中心〔〕 97号)和《中国人民银行征信中心关于个人查询本人信用报告实施收费的通知》(银征信中心〔〕44号)等相关制度制定本业务流程。

(一)个人信用报告查询

1.个人向查询点查询信用报告的，应提供本人有效身份证件原件供查验，同时填写《个人信用报告本人查询申请表》，并留有效身份证件复印件备查。

2.委托他人代理向查询点查询个人信用报告的，代理人应提供委托人和代理人的有效身份证件原件、授权委托公证证明供查验，同时填写《个人信用报告本人查询申请表》，并留委托人和代理人的有效身份证件复印件、授权委托公证证明原件备查。

3.个人信用报告收费查询：根据《征信业管理条例》规定,征信中心在一个公历年度内(即每年1月1日至12月31日)为个人提供第三次及以上次数本人信用报告查询服务所进行的收费。

(1)本人或委托他人代理查询审核的资料同第1条和第2条;

(2)每次收费25元;

(3)向查询个人开具发票;

4.登录征信查询管理系统，为客户打印个人信用报告。

(二)企业信用报告查询

1. 企业法定代表人向查询点查询企业信用报告的，应提供本人有效身份证件原件、企业的有效注册登记证件(工商营业执照或事业单位法人登记证等)原件、其他证件(机构信用代码证或组织机构代码证)原件供查验，同时填写《企业信用报告查询申请表》，并留企业法定代表人有效身份证件复印件、有效注册登记证件复印件、其他证件复印件备查。

2. 企业法定代表人委托经办人代理查询企业信用报告的，还应提供经办人有效身份证件原件、《企业法定代表人授权委托证明书》原件，并留经办人留有效身份证件复印件、有效注册登记证件复印件、其他证件复印件备查。

3.本企业以外的其他单位或个人查询本企业信用报告的，应取得企业书面授权，提供被查企业出具的《企业法定代表人授权委托证明书》原件、有效注册登记证件原件、其他证件原件、经办人有效身份证件原件供查验，并留《企业法定代表人授权委托证明书》原件、有效注册登记证件复印件、其他证件复印件及经办人有效身份证件复印件备查。

5.企业征信数据 篇五

(一) 应对中国人民银行征信系统局限性的需要

现有征信系统广义的是共享的人民银行征信系统, 狭义的则由各商业银行内部征信审批系统组成。广义而言, 截至2014年10月我国个人信用数据库已经收录了8.5亿自然人的信息, 累计查询分别突破约2.6亿次。查询量占比前三名依次为信用卡审批38%、贷后管理29%、贷款审批25%, 信用卡业务应用领域较其他最广, 但整个社会的信用市场欠发达, 征信市场发展的法律、政策环境尚在建设完善中。目前商业银行通过人民银行征信系统可对显示的违约户进行预防, 但对其他客户往往信息滞后, 银行已经承担了持卡人信用风险所带来的损失。征信系统的局限性导致银行对信用卡风险控制事前停留在系统审批, 事中监测客户异常交易手段有限, 事后进行本系统信用卡催收或降额停卡。如引进银联数据系统, 可掌握客户交易明细、波动频率等信息, 增强事中动态监控和信息不对称防范, 有效降低系统性风险。

(二) 应对商业银行征信审批系统局限性的需要

狭义而言, 商目前商业银行内部防范信用卡欺诈压力主要集中在征审环节。在此环节, 各商业银行信用卡主要通过征信审批系统进行, 随着各银行信用卡业务的快速增长, 该作业模式面临的业务发展和管理挑战也越多, 主要方面如下:一是对人的依赖程度大, 全人工征信审批、纸质件流转的方式, 然后系统扫描录入征信审批系统, 不能高效应用规则化的信贷政策;二是前后台分离提高传递时效, 但满足不了流程化审批作业要求, 集中控制与风险分散难以有效克服;三是缺乏及时准确运营数据的支撑, 与现有系统交互不理想, 难以实现数据有效利用。尽管依靠现有技术手段可在征审环节防控部分风险, 但商业银行“事前预防、事中侦测、事后追损”风险管理机制难以满足日益增长客户信息的动态监控和数据预警。

(三) 银联数据在云数据时代防范信用卡欺诈的技术优势

云数据时代数据量的快速增长和数据类型的日益复杂, 信用卡欺诈技术以及外卡商户应付商业银行直接风险核查手段的应变能力, 也随市场发展同步“提高”。对欺诈风险的防范直接影响到银行的利润、审批效率和银行信誉, 防范信用卡欺诈对金融机构的数据管理提出了新要求, 目前作为国内专门从事银行卡跨行信息转接的清算组织, 中国银联数据服务有限公司 (简称"银联数据") 拥有“银行卡风险信息共享系统”和“商户风险监控系统”两大系统。“银联数据”在服务近百家客户银行的过程中, 逐步建设形成了比较完备的一系列数据服务产品。在反欺诈模型上, 开发了通用型的疑似套现用卡侦测模型, 为客户银行管理套现提供更快捷有效的管理工具。目前已有多家银行使用了该服务, 有效降低了疑似套现客户占比, 提高了佣金收益能力和资产收益率;在反欺诈技防上, 银联商务智能数据平台掌握信用卡欺诈预防和事中预防的关键技术环节, 多维数据分析支持银行用户的个性化分析需求;在国际合作上, 支付卡发行商、银行卡防欺诈与支付处理领域的全球领先企业 (Re D) 公司已与Unisys (中国) 有限公司展开合作, “银联数据”采用其分析与评估系统, 使银行用户能够动态地构建、评估和运用相关规则, 有效防范和制止信用卡欺诈。

(四) 互联网金融创新时代促进银联的平台开放与各方机构合作

互联网金融时代, 银联在新的环境下积极谋求发展, 以银联品牌为核心, 通过市场化运作与创新, 把银联打造成为具有全球影响力的开放式、平台型综合支付服务商, 为银联卡持卡人提供更加高效、便捷、安全的转接清算服务。2014夏季达沃斯会议上, 中国银联总裁时文朝表示:“银联和任何企业合作都是可能的”, 我想不仅仅是金融企业, 相当多的企业都应该运用大数据的成果。就银联本身来说, 我们具备了做“大平云移”的所有条件:大数据、平台、云计算、移动支付。银联具备实践“大平云移”的全部基本要素, 因为所有的客户里面, 银联的大数据是相当多的, 我们去年的交易量得有32万亿, 起码上万亿笔交易。这么大的数据如果我们做不好, 我们银联真对不起大家。”

2014年10月中国人民银行征信中心与中国银联合作, 新推出一种身份验证方式——银行卡身份验证, 湖北公民可便捷通过互联网查询征信记录。这为银联数据与征信系统数据结合应对信用卡风险敞开了平台。

(五) 应对商业银行巨量信用卡客户信息管理及共同反欺诈的需要

某国内银行2014年9月累计发行6358万张, 新增1157张, 净增客户833万户, 消费交易额11849亿元。2014某二级分行信用卡贷款不良率0.61%, 比同期上升0.08个百分点。其中逾期90天以上不良贷款余额7687万元, 较年初增加2488万元。2014年商业银行发卡规模、客户新增和征审工作量继续扩大, 信用卡信息在银联数据库巨量扩增, 信用卡不良贷款逐年递增。金融同业间在提升信用卡竞争力的同时, 均需加强信用卡的风险监测, 防范和转化潜在风险。

应对巨量发卡和客户交易信息, 尽管各商业银行形成“风险侦测—事件调查追损—品质稽核”的作业流程, 但难以识别跨行几种支付类型的欺诈活动。发卡银行之间的信息壁垒导致各行的黑名单难以共享, 这些预警名单客户信息因传输时间原因, 在全部传输到人民银行征信系统之前仍能办卡、持卡交易等。反欺诈工作具有挑战性、跨行性和交叉性, 而信用卡欺诈手段越来越具有隐蔽性、递增性、跨行性等特点。各商业银行信用卡交易信息银联数据均记录, 与银联公司合作, 对现有征信审批、人行征信系统的交互已刻不容缓, 以共同在重大损失前能识别欺诈行为, 有效控制信用卡欺诈风险损失。

二、征信系统信息结合银联数据应对信用卡欺诈的措施

一是建立合作共享机制, 发展防欺诈数据系统模型。各银行应加强与银联的协作, 充分利用征信系统、银联“银行卡风险信息共享系统”和“商户风险监控系统”两大系统, 建立“事前预防、事中侦测、事后追损”的欺诈风险管理机制, 在其内部监测系统记性风险级别设定和自动调整, 对交易监控中发现的客 (商) 户交易量大幅波动、交易拒绝率过高等异常情况, 以对比当前交易与历史交易模式的差别为焦点, 以精密的数理统计模型分析预测当前交易为欺诈的概率, 为后台事中监控和智能型反欺诈策略提供科学依据, 确保处置措施执行到位, 持续提升欺诈风险防控能力。

二是扩大征信系统共享互联资源, 实行征信系统管理的专职化。征信机构主动运用大数据技术, 融合电子商务、社交网络平台, 利用互联网对信息实施深层整合。中国银行业协会及各大银行应进行风险信息共享, 建立交互机制, 完善现有的信用记录并推广其使用范围, 不但在放房贷、车贷时作为评分参考, 也能在授予大额消费、分期付款额度时, 作为银行间共享的信息资源。商业银行实行征信系统人员专职化, 提升资源和分析模型的利用效率, 通过个人征信系统和信用中介广泛搜集和实时更新客户数据, 这对后服务时代信用卡发展和风险管控提供不可或缺的作用。

三是提高风险管控, 持续做好“事前、事中、事后”三环节处置。为防范因信用卡产品功能、支付渠道、支付方式等方面的创新而出现信用卡欺诈风险, 各商业银行基于“识别、评估、测量、控制”的风险管理理念, 持续对信用卡全生命周期进行风险审视。在“事前预防”环节, 针对信用卡申请、信用卡交易、卡片激活与挂失等可能出现的欺诈风险, 制定相关身份识别和交易验证的策略, 有效辨识客户身份的真实性, 从源头控制欺诈风险;在“事中监控”环节, 做到欺诈风险“早发现、早处置”, 建立了用卡交易7×24小时在线监控体系, 及时发现潜在风险交易, 主动联系客户, 提示、确认或为客户主动换卡, 及时阻止欺诈交易发生;在“事后处置”环节, 严格按照标准化的信用卡欺诈风险事件处置流程和国际卡组织规程, 积极与商户协商赔付。同时, 会同所在地分行, 加强银警、银联合作, 利用司法等催收资源, 收集证据, 追损索赔, 共同维护银行声誉和多方共同利益。

四是提高信用卡技防含量, 严厉打击信用卡违法犯罪行为。中国人民银行、国内商业银行、银联数据服务有限公司一道加强VISA等国际组织合作, 推进社会征信体系建设, 致力于推进反欺诈业务领域的同业协作, 提升行业欺诈风险管理水平。在网络联盟上, 构建反欺诈网络联盟, 各商业银行网在实现中国人民银行征信系统网的代理链接基础上, 再通过专网链接银联公司反欺诈数据库, 随时审核以信用卡支付的资金流通信息;在法律惩戒上, 建立全方位的失信惩戒机制有效地打击信用卡恶意透支和欺诈行为, 明确规定对失信者进行经济处罚, 使经济处罚成本数倍于非法获利金额;明确规定根据相应法律对信用卡诈骗犯罪等严重失信行为进行制裁。

摘要：商业银行信用卡业务进入云数据时代, 但各类欺诈风险在信用卡经营风险中已成为最大威胁, 带有银联标识信用卡信息在征信系统和银联数据库互存, 两大数据库互有优势, 外部数据信息交互与管控对商业银行反欺诈愈来愈重要。本文就征信系统结合银联数据应对信用卡欺诈行为进行了探析。

关键词：征信系统,银联数据,信用卡欺诈,探析

参考文献

[1]潘功胜.如何发展中国的征信业市场[J].中国征信, 2014 (9)

6.企业征信数据 篇六

摘 要：互联网金融中的信用风险一方面表现为更为微型的客户对象导致的信用风险，一方面表现为互联网金融平台导致的信用风险。互联网金融中的信用风险产生原因包括缺乏完善的征信体系、缺乏严格的信息披露机制、缺乏全面的风险控制手段以及缺乏明确的法规监管。传统中央银行为主导的线下征信体系覆盖率低、成本高并且相对封闭，大数据征信依托多样化、高频率和高体量的非结构化数据，通过搜集和处理能够反映主题行为习惯的全方位、多维度信息，构建反映其性格特征、身份特质、履约能力等多维度的定量模型，利用各种算法推断其信用特征，并获得量化信用评估结果。大数据征信体系发展需要鼓励建立行业协会、规范产品标准和重视数据隐私保护。

关键词：互联网；金融信用；风险征信体系

1 互联网金融中信用风险的表现

互联网金融是以互联网为资源，大数据、云计算为基础，采用新金融模式运作的一种新兴行业。根据国际电信联盟（ITU）2014年11月24日发布的《2014年测量信息社会报告》，2014年全球网民共30亿，占居民总数的40.4%。中国作为最大的发展中国家拥有世界1/5的网民。根据中国互联网络信息中心（CNNIC）发布的第35次《中国互联网络发展状况统计报告》，截至 2014 年 12 月，中国有6.49 亿网民，12亿手机用户中有5.57 亿手机网民。3.04亿用户使用网上支付，网民中使用网上支付的比例为46.9%；手机支付用户规模为2.17亿，网民中手机支付的使用比例为39.0%。购买过互联网理财产品的网民规模达到7849万，在网民中使用率为12.1%。

谢平和邹传伟将互联网金融定义为以互联网为代表的现代信息科技，特别是移动支付、社交网络、搜索引擎和云计算与金融相结合的，既不同于商业银行间接融资、也不同于资本市场直接融资的第三种金融融资模式。2014年谢平、邹传伟和刘海二撰写的《互联网金融手册》中，互联网金融被定义为一个谱系概念，涵盖因为互联网技术和互联网精神的影响，从传统银行、证券、保险、交易所等金融中介和市场，到瓦尔拉斯一般均衡对应的无金融中介或市场情形之间的所有金融交易和组织形式。李耀东和李钧则认为，互联网金融并不简单是具有互联网技术的金融，而应该是基于互联网思想的金融，即服务长尾市场、普惠和去中心化的金融。主要特点为服务于长尾市场；具有海量用户；关注个性化需求；重视创新；正视风险；重视用户体验；重视开放性；重视社会化营销。

所谓信用风险即客户未能按期还本付息，或者说债务违约导致的风险。互联网金融中，信用风险主要表现为两种类型：互联网金融中客户特征导致的信用风险，以及互联网金融平台特征导致的信用风险。

1.1 互联网金融的用户特征导致的信用风险

一方面，互联网金融服务的客户对象往往是传统银行信用体系未能覆盖的群体，对这些群体的信用风险的度量往往需要更为专业的手段。以P2P网贷平台的鼻祖，成立于2005年3月英国的Zopa（Zone of Possible Agreement）为例，他们发现存在着“自由组织者”的群体，即自雇、从事项目的或者自由职业的非“全职”就业者，如顾问和企业主等，他们的收入和生活方式很不规律，尽管具有信用能力，却由于不符合传统金融信用要求中稳定收入证明等要求，无法得到传统金融机构充足的信贷服务。Zopa的团队估计在英国约6000万总人口中有600万的“自由组织者”，并且预测在未来的10到15年，选择这种生活方式的人会越来越多，传统金融机构只重视客户生活和收入的稳定性而忽视了这一趋势。针对这一目标群体提供互联网金融服务，Zopa发展迅速，从诞生时只有300个用户，几个月内用户量就超过了25000人，2012年注册用户超过90万，2014年末累计发放贷款超过7亿英镑（约10.55亿美元），一举成为英国最大的P2P网贷平台之一。

另一方面，国内互联网金融的借贷主体是资金规模小、很难在统金融机构获得贷款的小微企业以及工薪阶层甚至学生群体等。从银行服务的企业客户来看，银行对公司贷款中80%左右的贷款投放给大型国有企业和中型企业，贷款额度一般在500 万以上，小企业贷款和个人消费经营贷款仅占20%左右，额度一般也在50 万以上，平均200-300万左右。而互联网金融主要服务小微企业，贷款金额远远不能达到银行的贷款金额标准。以阿里小微信贷为例，截至2013年二季度末，阿里小微信贷累计发放贷款超过1000亿元，户均贷款仅仅4万元。阿里小贷最大的特点是“金额小，期限短，随借随还”。订单贷款作为淘宝、天猫卖家使用最频繁的信贷产品，要求支付万分之五的日利率。2012年，所有客户年均使用30次订单贷款，平均每笔贷款周期为4天，全年实际融资成本为6%。阿里小贷单笔贷款的操作成本极低，仅为2.3元，与银行2000元左右的单笔信贷操作成本形成巨大对比。

互联网金融服务的个人客户也同样具有资金规模较小的特征。以蚂蚁金服的个人客户为例，由于蚂蚁金服的大部分个人客户都开设余额宝账户，所以旗下各种产品的用户基本都是余额宝的一个子集。根据天弘基金的年报数据，截至2014年底余额宝开户数1.84亿户，户均账户余额3，133.47元。而截止2014年12月，工商银行开户数4.65亿，招商银行开户数5600万，北京银行开户数1137万；工商银行、招商银行和北京银行的个人存款总额分别为71，886.07亿元、10，930.27亿元和1，851.29亿元，可以算得户均存款余额分别为15，459.37元、19，518.34元和16，282.23元，银行体系内客户平均存款余额为余额宝客户平均余额的5倍。这一方面反映了传统银行业依然是个人存款的主要方式，另一方面也反映了互联网金融面对的客户群体总体来说金额较低，风险更大。

1.2 互联网金融的平台特征导致的信用风险

根据网贷之家的数据，截止2015年5月底，正常运营的P2P平台有1946家，累计问题平台数量661家，占全部平台总数的四分之一。P2P网贷行业贷款余额达1932.14亿元，历史累计成交量已突破6000亿元。（表1）

从网贷平台的市场份额来看，各网贷平台竞争激烈，彼此差异不大，排名前十的网贷平台贷款余额合计仅占市场总份额的1/3左右，这与国外成熟市场形成鲜明对比。以英国P2P平台为例，排名居前的ZOPA、RateSetter、Funding Circle、MarketInvoice这四家P2P平台的市场份额就占行业份额的70%左右。美国P2P行业基本为Lending Club和Prosper两家平台所垄断，合计占有96%的市场份额。

不仅网贷平台尚处于群雄争霸，一片混战之中。网贷平台良莠不齐，问题平台频频出现。根据网贷之家的数据，截止2015年6月，已经320家网贷平台跑路，336家网贷平台出现提现困难，73家网贷平台停业，另外7家网贷平台由刑侦介入。

除了网贷平台自身恶意欺诈投资者出现信用风险之外，网站自身由于技术问题也会发生信用风险。互联网金融依托计算机、互联网、各类移动终端、数据库以及各类软件系统而运行，互联网的开放性使得互联网金融高度暴露在系统性故障以及网络黑客、计算机病毒、恶意代码等的攻击之下。利用系统漏洞和平台设计缺陷，黑客可以通过侵入核心信息系统来获取客户信息乃至盗用客户资金；而计算机病毒、恶意代码等的扩散，也可能引发系统性崩溃。传统金融中只会导致局部损失的技术风险在互联网金融中会威力倍增，一旦发生安全事故，极容易引发声誉风险和挤兑等连锁反应，甚至可能由于信任危机和流动性风险，导致风险从互联网金融向传统金融扩散。由于中国互联网金融普遍未能掌握具有自主知识产权的芯片制造和操作系统开发技术，因此对于引进的国外技术是否存在后门、漏洞等情况并不了解，只有通过增强相关软硬件设备的自主研发设计以及制造水平，才有可能解除对国外技术的依赖。通过建立行业内的沟通和协调机制，制定具有国际领先性的行业技术标准，有助于预防选择性技术风险的一再重演；从长远来看，还应积极参与制定国际新型金融技术标准，因为只有拥有制定标准的发言权，才能在未来国际金融业务中掌握主动权。

2 互联网金融信用风险的成因

2.1 缺乏完善的征信体系

由于中国人民银行对股份制商业银行和地方银行的强势控制，2004年成立的中国人民银行征信中心的个人征信数据库建设工作采取自上而下的模式，经过10年时间实现了8亿人口的覆盖，但是截止到2013年底，央行银行个人征信系统中有信贷记录的自然人仅为3.2亿，占13.5亿人口中的23.7%。央行征信数据搜集的信息维度比较少，主要包括个人基本信息（身份证号），以及所持有的信用卡、银行卡消费、取现、转账等记录等。仅仅依靠这些信息无法全面反映一个人的信用状况，远远未能满足借贷市场的需求，很多没有信用卡或从未跟银行发生借贷关系的人群很难获得信贷服务。而在美国，征信体系的覆盖率已经达到了85%。

中国互联网金融行业面临的数据不充分、信息不真实挑战，使得人力采集数据仍然是主要方法之一，国内大多数P2P公司都主要是线下模式，千人员工以上的P2P平台不在少数，有些知名平台员工总数甚至超过了万人。对于用户信用审核的风控偏重于银行卡交易等流水的审核，国内整个P2P行业中信审人员所占比重非常大，使得国内P2P平台的成本控制很困难，线下销售和进行尽职调查的成本（包括对应的人员工资）要占到整体成本一半以上。预先批准、自动决策、风险定价等定量技术在中国尚属稀缺，由此导致的客户获取成本居高不下。美国信贷业的获客成本约为200-300美元（购买一条征信数据、加一个信封邮票、加人工处理费大约每个邀请函成本1-2美元，除以低于1%的响应率），而中国信贷业面临的线下获客成本高达上千美元，这是导致借款人融资成本高、风险质量低的主要原因。

P2P借贷高度依赖线下团队进行征信，这一现状存在严重的弊端。

第一，线下征信属于劳动密集型工作，对人力、物力投入需求极高，提高了整体信贷成本，造成不经济性。对于额度较小的信用借款来说，其高昂的征信和审贷成本给借贷双方造成巨大压力，迫使借贷平台更倾向单笔金额高的借款，长此以往，P2P借贷的普惠价值和补充作用将被逐渐损蚀。

第二，线下征信具有较强的主观性，不利于形成标准化的征信技术。不同平台的征信流程、资料搜集重点不尽相同；即使在同一平台，采用了标准化的线上评估方式，不同信贷员、审贷员的风格、特点也导致信贷报告千差万别。这种差异导致征信标准的割裂，不利于信用资源的互通互享。

第三，线下征信的高成本阻碍了征信数据的共享。由于各个平台花费了大量人力、物力进行线下征信，这些征信数据被视为核心资源乃至核心竞争力，与其他平台、征信组织的共享意愿大大减弱，导致重复征信和征信资源的浪费。

第四，线下征信的高昂边际成本还妨碍了行业的高质量扩张。尽管近几年的国内P2P借贷行业发展迅猛，但主要依靠人力、资金等非技术要素的投入增加来支撑，这使得P2P借贷日益成为劳动密集型、资金密集型行业，体现的是粗放式增长，未能发挥其技术创新优势，常常招致批评。

缺乏社会化征信体系，还导致另一弊端。国内大多数P2P平台申请借款人的数据由用户自行提交，在真实度上会大打折扣，存在很大的漏洞和风险；而国外的做法则多是通过大数据的采集和购买第三方数据等方式获取，能够保证信用资料的客观性和真实性，以及效率。

2.2 缺乏严格的信息披露机制

目前普遍的情况是：P2P网贷平台、专业放贷人账户、信用评估机构、投资者（理财）服务机构、借款人服务机构都属于同一控制人，具有极高关联性。债权的评级方和出售方具有极高关联性，投资人服务机构和借款人服务机构具有极高关联性，负责为资金交易和信息交易提供服务的机构也具有极高关联性。这些具有极高关联性的企业缺乏相互之间信息披露的监督动力，很难保持其公正性、独立性和客观性。在客户筛选、信用评估、贷款发放、资金结算、债权转让、逾期贷款追讨等关键环节的操作都依托关联性极强的机构完成；即使在真实债权信息的前提下，缺乏第三方监督和严格的信息披露，由高关联性引发的种种道德风险，如虚假增信等的可能性普遍存在。

而且，国内P2P平台的出借人和借款人之间信息是不完全透明的。虽然国内众多P2P平台都在强调信息透明、充分披露，但是能够做到这一点的寥寥无几。绝大部分平台出于不同的目的，针对每笔交易的信息披露都十分有限，有些甚至连借款人的基本信息都写得十分模糊。但是国外P2P平台会让所有的借款客户知晓出借人是谁，其经营理念是，平台需要让出借人充分知道借款人情况，信息越清晰、越透明，违约率越低。目前国内P2P行业从来未曾公开过任何形式的资产质量报告，即使有坏账率也都是自己报的，缺乏公信力。在贷后催收部分，国外更多采取外包催收，运用多种信息科技手段，黑名单共享；而国内主要做法还是雇佣大量催收人员，黑名单也完全不共享。

2.3 缺乏全面的风险控制体系

目前，国内P2P平台普遍采用资金托管和第三方担保作为风险控制的主要措施。所谓资金托管，就是资金流运行在第三方托管公司，不通过P2P平台的银行账户。在实际操作中，贷款人和借款人分别通过第三方支付开通自己的账户，贷款人可以实时了解信贷资金的准确去向；平台也在第三方支付开通商户账号，但仅限于进行资金解冻和退款这两种操作，没有转账与提现操作的权限。如果贷款招标顺利完成，资金会从贷款人账户进入借款人账户；如果贷款招标失败，资金会被退回贷款人账户。理论上来说，开通了第三方资金托管的平台无法直接接触投资人的资金，可以避免平台因为经营不善挪用交易资金而给交易双方带来风险。正因如此，目前许多P2P网贷平台将第三方资金托管作为标配，将其奉若提升信誉的“法宝”，投资者对此也颇为认可。据网贷平台账户最大的资金托管机构汇付天下发布的《汇付天下P2P行业发展报告》，近八成投资人重视平台是否有第三方托管。

除了第三方托管之外，第三方担保也是P2P平台采取的主要风控措施。在《融资性担保公司暂行管理办法》中规定，担保公司的杠杆不得超过10倍。但P2P平台的担保公司净资产一般只有百万甚至数十万，而平台上却可能有上千万的贷款余额，这就大大超过10倍杠杆的要求。其后果是一旦P2P借贷平台出现10%的坏账风险，在10倍杠杆下就超过了担保公司的支付能力，P2P平台就只能破产了。

2.4 缺乏明确的金融监管机制

我国整体法制建设处于逐步完善和健全的过程中，关于互联网金融方面的法律法规更是寥寥无几。除中国人民银行发布的《网上银行业务管理暂行办法》、银行业监督管理委员会发布了一些管理规定与操作指引外，《商业银行法》、《中国人民银行法》中仅仅针对互联网金融业务进行了少量规定。2014年8月上海公布了《关于促进本市互联网金融产业健康发展的若干意见》，成为全国首个省级地方政府促进互联网金融的发展意见。

目前中国的金融监管实行分业监管模式，但在实践中越来越多的金融机构持有多种金融业务的牌照进行混业经营，互联网金融的兴起对于分业监管还是混业监管提出新的挑战。从经营模式来看，网络金融超市属于典型的混业经营模式，金融机构不仅在网站上推出投资储蓄、贷款、证券、保险、基金、外汇、结算、托管、理财等一站式金融服务，设立网上商城为广大企业和个人提供专业化的电子商务和金融支持服务，并且加强与电子商务平台之间的合作，远远超越了在传统金融运行模式下所能经营的业务品种和模式。相对于传统金融，互联网金融刚刚兴起，既没有明确的法律依据，也缺乏有效的外部监管，平台发起人还往往缺乏金融背景和经验，因此互联网金融的发展将对监管法规、监管能力等方面提出全新的挑战。

P2P网络借贷在国外经过将近十年的发展，已经比较成熟，监管法规体系也比较完善。美国将P2P网络借贷纳入民间借贷的范畴，在《消费者信用保护法》和《诚实信贷法》等有关法律的监管下运行。而我国的P2P网络借贷由于还没有规定明确的监管部门，P2P网络借贷大多由缺乏金融监管经验的工商部门负责监管，极大增加了平台发生信用风险的可能性。因而需要及时完善相关法律法规，理清监管职责，加强督管力度，以防止平台信用风险的发生。

3 我国互联网金融大数据征信体系的构建

大数据的介入，正改变着征信行业。大数据征信依托多样化、高频率和高体量的非结构化数据，通过搜集和处理能够反映主题行为习惯的全方位、多维度信息，构建反映其性格特征、身份特质、履约能力等多维度的定量模型，利用各种算法推断其信用特征，并获得量化信用评估结果。大数据征信使用的数据包括传统的银行业信贷记录、消费记录、身份数据、社交数据、经营数据，以及日常活动和偏好数据、特定场景下的行为特征数据等。大数据不仅为征信业发展提供了广泛的数据信息来源，同时也改变了征信产品的生产流程，成为了我国征信业发展的重要助力。

目前，可以用来支持互联网征信模型的大数据具有六大来源。

第一是电商大数据，比如阿里巴巴提供的芝麻信用分。阿里旗下的支付宝实名用户超过了3亿，日数据处理量在30PB以上，相当于5000个国家图书馆的数据总量，涵盖支付、投资、消费、社交、公益、交通等多种消费场景，芝麻信用采用国际上通行的信用评分方法，最低350分最高950分，这与美国FICO分（300至850）相似，分数越高代表信用程度越好，违约可能性越低。芝麻信用的评分模型主要包括信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度。人们在日常生活中点点滴滴的行为，通过长期积累，这些行为轨迹和细节，可以全面判断其信用状况。

第二是信用卡类大数据，根据信用卡申请年份、授信额度、消费金额、消费次数、消费种类、消费场所、卡片等级、还款记录等作为信用评级的参考数据。代表性企业是成立于2005年的“我爱卡”，依据自身积累的数据利用FICO信用评分模型来发放互联网金融小额信贷。

第三是社交网站大数据，代表性企业为腾讯公司，腾讯拥有最多的社交用户，包涵最复杂的人际社交关系，旗下QQ的月活跃用户8亿多，微信用户接近5亿。腾讯征信的评分模型主要包括四大因子：安全指数（是否实名认证、是否开通数字证书、过去一段时间更换手机号码的次数等）；消费指数（过去一段时间内腾讯业务、游戏、生活服务类消费次数等）；财富指数（财付通账户余额、理财通财富、QQ号价值等）；社交指数（QQ登陆场所、微信有红包及资金往来的好友占比）。腾讯征信采用七级信用评级法，分别用不同的星级代表信用等级。五星代表较高的信用评级，六至七星代表特高信用评级。

第四是小额贷款类大数据，包括信贷额度、违约记录等。由于单一企业信贷数据的量级较低、地域性较强，业内共享数据的模式正被逐步认可。

第五是第三方支付大数据，根据用户消费数据进行信用分析，支付方向、月支付额度、消费品牌都可以作为信用评级数据。比如考拉信用评分主要依托拉卡拉的支付数据，利用FICO评分法、回归、分类、Web挖掘和神经网络技术，主要按照五个维度：履约能力、身份属性、信用记录、社交关系和交易行为进行信用评估。

第六是生活服务类网站大数据，包括水、电、煤气、物业费交纳等，能够客观真实地反映个人基本生活信息。比如持有华道征信15%股份的新奥资本，是新奥集团旗下从事股权投资和投资管理的平台公司，旗下新奥能源是国内规模最大的清洁能源分销商之一，掌握大量居民燃气数据。华道征信的数据主要包括五个方面：信贷数据、公安司法数据、运营商数据、公共事业数据、网络痕迹数据。

2015年1月5日，央行颁布《关于做好个人征信业务准备工作的通知》，要求芝麻信用管理有限公司、腾讯征信有限公司、深圳前海征信中心股份有限公司、鹏元征信有限公司、中诚信征信有限公司、中智诚征信有限公司、拉卡拉信用管理有限公司以及北京华道征信有限公司八家机构做好个人征信业务的准备工作，准备时间为六个月。（表2）

根据即将获得征信牌照的八家征信机构的产品特点可以看出，目前各征信机构数据来源、统计口径、评分模型、评分标准等各方面都存在巨大差异。建立征信行业协会，加强数据共享，重视数据隐私，建立征信产品规范，统一行业标准，将是中国互联网金融中大数据背景下征信体系建设的重点。

参考文献：

[1]国际电信联盟.Measuring the Information Society Report 2014[R].ITU，http：//www.itu.int/en/ITU-D/Statistics/Documents/publications/mis2014/MIS2014_without_Annex_4.pdf，2014-11-24.

[2]中国互联网络信息中心.中国互联网络发展状况统计报告[R]，CNNIC，http：//www.cnnic.cn/hlwfzyj/hlwxzbg/201502/P020150203551802054676.pdf，2015-02-03.

[3]谢平，邹传伟.互联网金融模式研究[J].金融研究.2012（12）：11-22.

[4]谢平，邹传伟，刘海二.互联网金融手册[M].北京：中国人民大学出版社，2014.

[5]李耀东，李钧.互联网金融：框架与实践[M].北京：电子工业出版社，2014.

[6]芮晓武，刘烈宏.中国互联网金融发展报告（2014）[M].北京：社会科学文献出版社，2014.

[7]刘琪.第三方资金托管成P2P标配真假托管难辨[N].证券日报， 2015（06）13.