在线投诉 | 邮件投诉 | QQ投诉 | 4006-400-312
当前位置:资讯 首页 > 信用百科 > 正文
分享到:
    
大数据征信面临的挑战与对策
2017-05-31 13:50:44 来源:金融时报
我国征信业必须从制度设计、信息共享、隐私保护、监督管理等诸多方面不断创新,以迎接大数据时代带来的新机遇与新挑战。

随着征信市场化步伐加快,大数据征信成为热门话题,受到互联网金融和资本市场的追捧。征信与大数据有着基因层面的密切关系,一方面,征信数据是天然的大数据,理论上与消费者和企业相关的数据都可以用来作征信;另一方面,征信其实就是将分散在不同信贷机构、碎片化的局部信息,加工融合成为具有完整视觉效果的全局信息,从中挖掘出风险信息,破解交易过程中信息不对称问题。而大数据技术的优势就在于能够更好地利用IT先进技术,将支离破碎的数据整合起来,形成真正有用的信息。所以,大数据对传统征信业务模式的影响将是变革性的,甚至是颠覆性的。我国征信业必须从制度设计、信息共享、隐私保护、监督管理等诸多方面不断创新,以迎接大数据时代带来的新机遇与新挑战。

大数据征信面临的挑战

(一)现行法律规制与大数据征信不匹配。近年来,国务院相继出台《社会信用体系建设规划纲要(2014-2020年)》、《征信业管理条例》和《征信机构管理办法》,初步形成了征信市场的法律框架。但是上述法律规范的调整和规制对象主要是传统金融机构,面对互联网金融,其是否适应互联网金融行业特别是大数据征信的要求,尚待有效验证。

(二)大数据征信面临技术性难题与应用困境。一是大数据的获取难度较大。随着互联网带来的广泛数字化潮流,全社会的基础信息搜集和信息共享机制有所改进,但仍不足以支撑全面的大数据征信,一方面以水、电、煤气为代表的基础信息、教育、住房、司法系统信息尚未完全联网,底层数据缺乏;另一方面支付信息和社交信息呈彼此封闭、割裂的状态,市场上的电商、社交平台对于信息共享问题同样非常谨慎,进而导致大范围内的数据获取存在障碍,数据获取成本过高。二是所建构的大数据模型的可信赖性有待检验。征信数据模型的精度提升必须建立在大数据有效、充分抓取以及处理的基础上,需要不断的实践反馈和反复修正。由于应用时间较短,缺乏历史数据参考,现有的大数据模型大都基于规则制定,其中带有大量的传统征信规则,还是一种中间形态,大数据征信的优势难以突显。三是大数据征信的应用范围不够宽泛。大数据征信中的数据信息大多来源于互联网,实际上就把较少使用或者不曾使用网络服务的群体排除在外。

(三)大数据征信监管体系与监管政策亟待完善。目前对于大数据征信的监管还相对薄弱,监管方式与手段较为单一,同时监管从业人员的知识结构以及对大数据征信的熟识程度也亟待加强。此外,大数据征信行业自律方面也远未成熟,目前尚没有行业联盟或者自律性组织协调相关从业机构规范经营,恪守底线,保护金融投资者和消费者的隐私及相关信息。

应对策略

(一)建立大数据征信业务规则体系,有效提升对市场主体的服务水平。一是夯实大数据背景下征信信息的基础,包括数据处理、数据安全、数据质量、产品及应用等规则和机制的建立,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,应作出明确的法律安排。二是加快规范大数据征信标准的建设,逐步扩展信用评估数据来源;厘清政府的作用边界,维护征信主体的权益。三是鼓励征信机构借鉴发达国家征信理念、策略和方法,对接全球最大的信用评分机构FICO强大、实时、低成本的信贷决策引擎,积极参与风控标准等国际标准的制定,提高国际交流与合作水平。

(二)完善信用信息共享机制,整合形成大数据征信平台。一是加快落实信息公开制度,推进政府信用信息的共享。整合公检法、环保、交通、工商、税务、海关等各部门的信息资源,建立统一的社会信息平台,使信用变成资源资本。应分步建设全国统一的跨系统、跨平台、跨数据结构的政府综合信用信息共享交换网络平台。该平台应建成标准统一、可消除信息孤岛、能进行分类分等级管理并可实现信用信息“一站式”查询的第三方社会征信平台,以推动部门之间信息的互联共享。二是为大数据开放共享建立制度保障,通过立法框架和体制的修改,推动数据共享和接入。从制度层面看,按照国务院的要求,已在信用体系建设部际联席会议框架下建立了信用信息共享交换机制,用以推动信用信息实现共享。应尽快统一征信数据标准和格式,打破资源部门间的信息孤岛,以便进行规范化的数据融合,提升大数据的整合能力。三是加强行业协会组织建设,提供交流合作平台。要打通行业数据资源壁垒,促进征信机构之间的沟通与协调发展,使有效信息得到最大程度的聚合,真正形成“大数据效应”。

(三)强化数据质量,提高评估模型的有效性。由于大数据的维度广,数据错误和数据丢失等现象会更加突出,这就需要通过数据清洗和交叉验证等技术,识别用户身份,寻找丢失的数据,解决互联网上获取的线上信息不完整的问题,确保数据的真实性、完整性和有效性。同时,应不断完善和更新信用评估模型,挖掘海量数据与信用风险的相关性,通过客户属性、交易记录、评价信息以及商品信息,合理预测用户的违约率和逾期率,提高评估模型的准确性和有效性。最后,扩大评估模型的适用范围,避免对网上不够活跃用户信用评价不公平的问题。

(四)适应征信新常态,健全大数据征信监管体系。征信监管要适应征信业发展步入的新常态:互联网、大数据技术正引领征信领域变革,征信市场竞争互补的发展格局逐步形成,数据应用实践对权益保护提出了更高的要求。因此,应根据大数据征信的新特征和新模式,探索大数据征信的监管举措:一是机构监管与行为监管相结合。对于掌握大数据的企业,不仅监管征信业务和征信主体,还监管其数据使用行为,重点监督信息采集范围、业务流程、评价方法等。二是分类监管与动态监管相结合。针对不同类型和业务规模的征信机构,实施市场准入、非现场监管、现场检查相互依存的监管流程;同时对以大数据、云计算为特点的大数据征信业务,实行动态监管,建立事前、事中、事后全面监督体系。

(五)完善相关法律法规体系,保障大数据征信健康有序发展。大数据的收集可能会涉及国家利益、商业秘密、个人隐私等,要从强化数据立法、加强自主自控、注重显、隐价值保护三个方面筑牢我国大数据管理的安全防线,平衡公民隐私保护与个人信息数据的合法利用;同时,加强对征信活动的监管,加大对失信的惩戒力度。一是征信机构在信息的收集、存储、管理及使用等环节都必须有严格完善的制度规范,并严格遵照实施。同时要明确个人在其信息开放利用中的主导地位。建立健全政府大数据采集制度,依法记录和采集相关信息,征信机构不得违法提供或者出售信息。二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、征信机构、信息提供及使用者之间的责、权、利,明确隐私信息的范围,确保信息主体的信息依法使用。三是在培育第三方征信机构时,应明确信息采集内容、方式、流程、应用等,加强产品质量管理、产品异议管理和创新信用信息产品,依法向客户提供便捷、高效、丰富的专业化的征信服务。


相关文章