巴曙松等:技术变革与信用管理

编者语:自党的十八届三中全会以来,普惠金融在我国广受关注,制度和实践方面都开始了快速发展。目前在规范的普惠金融政策背景下,中国金融机构借助互联网+的助力,通过创新努力寻找中国普惠金融发展的新路径。本文主要介绍了技术变革在信用价值创造中的作用,对信用变革如何应对当前中国的信用困境进行了剖析,并具体分析了大数据在信用时代的价值。敬请阅读。


一.技术变革助力信用价值创造


(一)人人有信用,信用有价值

信用的价值创造与经济中的交易密切相关。信用作为交易的前提,是交易正常进行的重要纽带,而交易则是价值增值的源泉动力。经济人往往深谙信用的重要性,一旦信用缺失,交易便会全面搁置,价值创造的路径即被阻隔。

生活中的信用有多种表现形式,每个社会人都在直接或间接参与信用活动并由此产生自身信用积累,即人人有信用。根据受信对象的性质不同,信用可分为组织信用和个人信用两类。组织信用包括政府、企业等各种社会组织的信用,而个人信用则是个人行为的体现,也是组织信用构成的基础。将信用上升到数据层面,即可得到包含基本信息、交易数据、金融数据等在内的信用数据库。在现代生活中,无论是人际交往还是交易活动,信用随之产生且易被大数据所捕捉,伴随着个人和企业的存续而持续存在。而任何一条信用数据都可以作为价值创造的基础。通过信用的价值创造以及交易的相互作用,形成价值规模的增长,即信用创造价值。


(二)信用管理与信用价值维系

信用的价值创造离不开信用的维系与有效管理。所谓信用管理,就是授信者对信用交易进行科学管理以控制信用风险的专门技术。信用管理的主要功能包括五个方面:征信管理(信用档案管理)、授信管理、帐户控制管理、商帐追收管理、利用征信数据库开拓市场或推销信用支付工具。

信用信息以数据的形式得以存储,随着信用活动的发生和发展,不断积累完善,形成了信用价值的直观反映和判断依据。个人和企业信用信息被广泛的应用于信贷审核的条件中,作为信贷额度和信贷审批的重要环节。对于金融企业来讲,良好的信用管理能够降低坏账形成的可能性,提升后续信贷的可持续性。


(三)大数据与信用价值实现

借助于大数据技术的数据挖掘、量化存储、快速处理等特点,现代信用管理体系极大完善,信用管理性能不断提升。可以说,大数据是信用管理模式的新金矿。在大数据背景下,一切数据都可以成为信用数据,都可以成为金融数据,进而转化成价值增值的重要源泉。

首先,大数据集合了全部可获取、可存储信息,极大地扩展了传统人工数据信息的边界。大数据为数据选择及清理提供了有效的解决方案,运用大数据技术,网络信息被自动捕捉提取,并能够进行自动化清理,极大的提高了信用信息的收集效率与质量。其次,大数据加快了信用识别的效率,极大地提升了信贷服务的质量。最后,大数据为我国征信体系的建设提供支持,保证信用价值的实现。


二.技术变革应对中国信用困境


(一)中国信用困境

1、社会成员的信用信息并不完善,且缺少整合

目前尚没有建立完全覆盖全社会的的征信系统。根据中国人民银行提供的数据显示,截至2014年年末,企业征信系统累计收录企业和其他组织1969万户,个人征信系统累计收录自然人数8.57亿,约占13.54亿人口中的63.3%,仍远低于美国征信体系对人口的85%的覆盖程度。

2、信用服务的市场不成熟,征信机构受制于信息数据获取的不全面,并不能提供满足征信市场需求的产品及服务

官方的数据显示,中国现有各类征信机构、评级机构150多家,年收入仅20多亿元人民币。且中国人民银行征信中心网站上显示,征信机构从信用信息产生的源头采集信息。总体上看,中国征信机构规模小,服务和产品种类少,信息获取难度大,难以满足社会经济发展对征信产品和服务的需求。

可见,当前信用数据既不足量,也不全面。由于缺少充分全面的信用数据支持,我国P2P发展过程中伴随着大量的跑路现象,信息不对称给投资者带来了巨大的损失,也掣肘了普惠金融的健康发展。目前,互联网金融企业所提供的大部分普惠金融服务对贷款风险控制机制有特殊要求且对贷款审批速度要求较高。信用数据的缺乏很难满足无抵押、无担保的普惠金融特征,审批风险和信用风险由此加剧。信用缺失了基础数据,这是中国信用困境产生的根本原因。


(二)大数据直面信用难题

大数据作为新兴的技术手段,逐渐成为征信发展的基石。一方面,大数据先进的处理技术,从用户的行为习惯和喜好等多维度、立体化综合数据背后,找出其信用相关信息及其与信用的相关关系,最终得出信用评估值,以此来衡量社会单个群体信用状况。另一方面,大数据对用户及市场的分析,是征信产品设计、服务创新的有利工具。由此可见,大数据已成为征信发展的基石。

在国内,这是对传统征信方式的突破和有益补充。传统的征信方式,均是通过社会调研等现场实施方式铺开,显然,这种方式需要耗费巨大的人力、物力,且很难避免人为主观因素的干扰。所以,从收益与成本权衡,银行往往只会针对优质大客户展开征信调查。因无法搜集广大民众与中小微企业征信信息,而无法提供类似大客户的金融服务。大数据的出现,以其巨量综合信息,先进的数据处理技术,及全新的数据分析思维方式,突破了传统征信方式的局限,使得全社会征信体系的建立得以开展,极大地扩展了现有征信系统。


三.技术变革推动信用管理发展


(一)大数据技术扩展信用数据边界

大数据技术极大地拓展了信用数据获取途径与边界范围。从数据内容组成来说,传统的信用数据(银行信贷数据)比重降至40%,甚至更低,非传统的信用数据,包括互联网上的行为数据和关系数据等成为主要来源。从数据覆盖对象来说,大数据可以覆盖没有被传统征信体系覆盖的人群,即没有征信记录的人群。从数据时效性来说,大数据提供的是用户现在的信息,而非局限于历史信息。


(二)大数据技术优化信用计算

基于大数据的信用融资不依赖传统的财报信用评价思维,而是通过企业本身的“大数据”,即生产、流通、销售中产生的所有信息进行分析,从而创建出一个大批量、高效能、全风控、低成本的信用评价模式,通过计算机而非分析人员核算出企业的信用额度。


(三)大数据技术使信用管理更加客观

计算机可以轻易对数据进行处理,在可以获得海量数据的情况下,随机样本分析的预测优势已无法凸显。大数据时代的来临,更多的是选择全面而完整的数据,将数据的样本扩大到数据总体。全数据模式为我们提供了多重视角,能够更加准确的考察细节并分析微观层面的情况,保证信用管理的客观性实现。从第三方征信角度来看,第三方征信机构所提供的数据,也应在保证信息客观真实的前提下被第三方所用。第三方征信机构的强项及核心之一就是数据挖掘技术,可以不通过企业,直接从第三方的电子化交易平台里挖掘数据,从而确保了数据的真实、有效。


(四)大数据技术使信用管理经济高效

用大数据的方式解决传统信贷信用问题,能从根本上解决对人力的依赖,使得信用管理更加高效而经济。

从数据采集角度来看,大数据节约了人工成本。大数据信用采用云计算技术,数据无需人工收集,而是用海量抓取所代替,既解决了人工压力,又拓展了参考数据的来源。

从数据处理过程来看,一方面,大数据避免主观判断,确保信息真实性,并且快速、高效。另一方面,也有效缓解了对人工数量的要求。从数据录入开始到评价结果输出的整个过程全部由计算机算法完成,避免了主观判断的影响;在数据审核上采用多重数据交叉检验来综合评定,能有效检验数据真实性;即使同时处理多个受评对象,仍然能够保证快速、准确的高效性,避免人工繁杂的劳动量可能带来的失误。综合评定用户信用等级,给每个行业、每个职业等赋予独立信用标签,解决审核人员经验主义审核方式可能带来的误差。

从数据处理结果来看,大数据保证了信用的实时性。大数据信用能够满足评价结果与信用信息的同步。当受评对象的信用信息发生变化时,能够对其信用进行快速及时的计算,保证了信用的实时性。

巴曙松

13 文章总数

中国银行业协会首席经济学家

作者简介

北京大学汇丰商学院金融学教授,中国银行业协会首席经济学家,香港交易所首席中国经济学家,哥伦比亚大学高级访问学者,研究员,博士生导师。

扫码下载APP 商务人士必备

扫维下载app
  • 联系信息
  • 电话:400 800 7975
  • 邮箱: service@gladtrust.com
  • 地址:青岛市市南区宁夏路288号软件园4号楼
  • 下载信用视界APP
  • 关注信用视界公众号
  • 催全球小程序
联系客服