大數據對“三農”主體傳統信用風險評估缺陷的彌補

李明賢

（湖南農業大學經濟學院，湖南 長沙 410128）

國務院印發的《推進普惠金融發展規劃（2016—2020年）》指出，大力發展普惠金融是我國全面建成小康社會的必然要求，有利于促進金融業的可持續發展和經濟發展方式的轉型升級，增進社會公平和社會和諧。我國普惠金融的主戰場在農村，“三農”主體是全面推進鄉村振興的重要力量，擔負著鄉村產業興旺的使命；“三農”主體也是重要的消費群體，其金融服務的獲得，還關系到以內循環為主、國際國內雙循環互促新發展格局的實現。因此，對“三農”主體信用風險進行精準評估，幫助其獲得金融服務，對鞏固脫貧攻堅成果、助推城鄉融合發展具有重要的意義。

涉農金融機構是服務“三農”的主力軍，是農村普惠金融目標實現的主要力量，政府和金融監管部門也賦予了其服務“三農”的重任，特別是2021年“中央一號文件”要求涉農金融機構要回歸服務“三農”的本源，涉農金融機構為此付出了艱苦的努力，央行和銀保監會也給予了相關政策支持，并提出了“三個不低于”等業務考核要求，但“三農”主體貸款難貴慢問題一直沒有得到有效解決。讓更多的“三農”主體獲得信貸服務并在獲得信貸服務時得到公平的待遇是涉農金融機構的重要使命，而“三農”主體金融服務的獲得關鍵在于其能否通過金融機構的信用風險評估。

一、解決“三農”主體融資難的關鍵在于對其信用風險進行精準評估

信用是“三農”主體獲得金融機構信任的資本，是原始形態的財富向資本轉化過程中的關鍵要素[1]，是經濟主體最核心和最基礎的資質。如果一個經濟主體信用狀況不好，就可能被金融體系所拋棄。信用的核心本質是信用價值，信用價值實現的前提是經濟主體能夠通過金融機構的信用風險評估。信用風險評估的基礎是數據。在人類改變自然和變革制度的歷史長河中，認知水平在相當長的時期內受制于數據積累[2]。在一個多層次的、比較發達的金融市場，整個金融體系應當有一個高度有效的信用評級標準，通過相互參照，對經濟主體進行精準的信用風險評估，保護經濟主體參與經濟活動的權利，幫助有潛力的客戶獲得信貸支持，實現其信用價值。

信用風險源于銀行與借款人之間的信息不對稱（Broecker,1990）[3]。Stiglizs和Weiss指出，信息不對稱是正規信貸市場面臨的一大挑戰[4]。信用風險評估可以幫助金融機構識別服務對象的風險，減少信息不對稱。好的信用風險評估還可以喚醒人們的信用意識，使經濟主體認識到信用的寶貴，并自覺遵守信用和契約，促進社會信用體系的不斷完善。但如果信用評估有偏頗或者不全面，不能對經濟主體進行有效準確的評估，就會影響經濟主體參與經濟活動的機會，而經濟主體金融市場的參與度會影響一國的金融發展水平以及經濟的長期增長[5]。

對“三農”主體信用風險評估與企業等信用主體不同，科學評估的難度更大。2008年美國次貸危機引發的全球銀行危機，使得世界各國開始高度關注銀行自身的風險管理質量[6]，表現為銀行對發放貸款標準的嚴格把握。銀行發放貸款的基本條件是通過銀行對申貸客戶的信用風險評估，只有達到放貸標準，收益能夠覆蓋成本和風險，銀行才可能對其放貸。對“三農”的金融服務屬于風控非標準化業務領域，因為：一方面”三農”主體缺乏相關財務數據，另一方面，涉農金融機構搜集和處理“三農”主體信用信息的能力不強，只能依靠抵押品，甚至擔保、互保這些機制替代處理信用風險的方式，以減少交易前的逆向選擇問題，遏制交易后的道德風險問題。[4]但“三農”主體往往缺乏合格的抵押擔保品，導致涉農金融機構提高對其貸款的利率；加上擔保、互保這些機制需要銀行全面了解客戶及其相互關系，需要耗費大量的人力、物力、財力，業務開展的成本很高，效率低，難以大面積推廣，從而產生了信貸排斥。因此，中共中央國務院2019年4月17日常務會議提出要引導銀行提高信用貸款的比重，降低對抵押擔保的過度依賴。

提高對“三農”主體信用貸款的比重，有賴于金融機構對其信用風險的精準評估，并在信用風險評估的基礎上自主進行貸款定價。這也是構建現代金融體系的本質要求。如何對“三農”主體的信用風險進行精準評估，挖掘其中有還款意愿和還款能力的需求主體，是普惠金融業務開展的第一步。農村信用社改革改善金融支農功能可依據的主要指標之一是“是否提高了農信社對具有還款能力和還款意愿農戶的貸款覆蓋面”[7]。但現實中由于涉農金融機構的風險控制和管理體系不健全，風險識別和差異化定價能力較弱，不夠精細，無法有效區分高風險客戶和低風險客戶，最終只能把中低風險客戶按照高風險客戶來進行利率定價，抬高了信貸門檻。加上“三農”主體很多是信用白戶，沒有借貸記錄，缺少相應的數據，或者其經濟數據非常分散、細碎，難以有效整合、匯總、形成數據合力，造成信貸機構與“三農”主體之間的信息不對稱，金融機構無法對其進行信用風險識別，從而過度依賴抵押、質押手段，以防范道德風險和其他風險。而“三農”主體又缺乏合格抵押品，導致被排斥在金融服務體系之外。可見，在現有依賴“硬信息”的信用風險評估模式下，供求雙方的數據缺失和數據挖掘處理能力不足導致了“三農”主體貸款難貴慢問題。

如何克服“三農”主體信用硬信息數據缺乏問題，幫助涉農金融機構對“三農”主體進行精準的信用風險評估，以使“三農”主體中潛在的有效客戶能夠被金融服務覆蓋，獲得信用貸款，在解決貸款難貴慢問題的同時提升普惠金融的覆蓋面和服務深度，實現農村金融普惠，是我們需要探討和解決的問題。近年來金融科技的廣泛應用讓我們看到了用大數據解決“三農”主體信用風險評估問題的曙光。通過引入非傳統數據，大數據風控可以給出更精確的信用風險評價，減少對抵押品的依賴，提高缺少信用歷史的用戶的信用準入概率[9]。因此，在全面推進鄉村振興、發展數字鄉村和實現2035年遠景目標等政策背景下，探討用大數據對“三農”主體進行信用風險評估，已具備了較好的宏觀政策環境和現實條件。

二、傳統方法用硬信息評估“三農”主體信用風險的難點及基于大數據評估的探索

從前面的分析可以看出，信用風險評估就如同經濟發展背后的一個“大巫師”，全面準確的信用風險評估可以將潛在借貸主體納入金融服務范疇，幫助他們抓住市場機會或者改善家庭人力資本素質，推進實體經濟發展；相反，錯誤的或不全面的信用風險評估，則可能會將有信貸償還意愿和能力的經濟主體排斥在金融服務之外，影響信貸資源的優化配置和經濟發展。

（一）傳統方法用硬信息評估“三農”主體信用風險的難點

1.不能全面掌握潛在客戶的信息

信用風險評估的起點是數據，傳統信用風險評估的主要數據來源是貸款申請者申請貸款時提交的數據、過去使用貸款過程中產生的數據以及去征信機構查詢的相關數據，這些數據主要是財務歷史數據。可見，傳統信用風險評估主要是基于信貸歷史的因果邏輯，如果經濟主體過去的信用良好，那么可以預測其未來的信用也好。因果思維模式在信息完全和不完全情況下的效應是不同的。在信息不完全狀態下，如果研究者以信息完全為預設前提，依據自己掌握的部分信息為依據對問題做出因果邏輯判斷和推論，則不一定能得出正確的認知。[2]信貸機構依賴歷史事件進行信用風險評估，但歷史事件卻沒能將相關數據全面真實的記錄下來，那就無法準確預測經濟主體的信用，經濟主體就可能因為不正確的信用風險判斷而被排斥在金融服務體系之外。這對經濟主體是不公平的，也不利于實體經濟的發展。因此，必須從信用風險產生的原因出發，全面準確的搜集潛在客戶的所有相關信息，對其信用風險進行準確評價。

2.難以對潛在客戶的信用風險進行準確評估

信用風險形成的最核心原因是信用主體缺乏債務管理能力。信用主體以往的信用歷史、借款行為及相應的還款歷史與信用風險有較強的關系，因此，傳統上信用模型、評分卡和信用評級等方法被廣泛應用，這些模型和方法所用的數據主要是信用歷史數據。如美國著名的FICO信用評估模型就主要依據借款人的信用償還歷史、信用賬戶數、使用信用的年限、正在使用的信用類型及新開立的信用賬戶等對潛在借款人的信用風險進行評估。可見，傳統信用風險評估中主要考慮潛在借款人過去的財務數據，主要通過其資產負債表、現金流量表和利潤表等來判斷借貸主體的業務發展狀況，預測其違約的可能性。[7]運用歷史數據可能會導致對信用風險的現期認知與未來認知的不足，不能有效服務于經濟主體的金融服務需求。而且對“三農”等小微經濟主體來說，他們可能從來沒有參與過信貸活動，也沒有信用卡，甚至沒有財務報表，金融機構無法據此對其進行信用風險評估。

3.獲取潛在客戶信息的成本高

為了更好的解決小微主體融資中的信息不對稱問題，在傳統技術條件下，一些金融機構開發出了關系型借貸，即不需要抵押，而是依靠種族、家族或者小范圍的其他力量來維護這種借貸關系，如格萊珉銀行的小組聯保貸款。但這種替代關系信息的搜集在傳統技術條件下需要耗費大量的人力和財力成本，并且，隨著工業化、城市化水平的不斷提高，我國農村人口流動性變大，熟人社會已經被陌生人社會所取代，這種小范圍的“其他力量”逐漸消散，因此這種信貸模式很難大面積推廣。解決“三農”主體貸款難貴慢問題，需要我們掌握更有效的技術來搜集和分析更多其他信息以甄別其信用風險。

針對小微主體信用歷史數據缺乏問題，一些小貸機構開發出運用經濟主體的“三品”“三表”等立體、多維數據信息來驗證和評價借貸主體信用狀況的做法，取得了較好的效果，這充分說明了非傳統數據用于信用風險評估的價值。

（二）基于大數據評估“三農”主體信用風險的探索

經濟主體（個人或者企業）的信用并不僅僅反映在其從事金融活動時的相關歷史信息中，而是體現在其從事經濟和社會活動方方面面的過去、現在乃至未來的數據中，這也是很多小微信貸機構依據軟信息進行放貸決策的原因。Stein將信用風險度量指標分為硬信息(客觀存在的信息)和軟信息(描述性信息)兩類[9]。典型的軟信息包括社會地位、人品、企業聲譽等[10]。廖理和張偉強針對互聯網借款平臺中個人借款者的信息價值進行實證研究，發現個人借款者的所有信息都存在或多或少的價值[11]。吳晶妹在《三維信用論》一書中指出，經濟主體的信用由三個維度構成：一是個體素質，即經濟主體是否講誠信，體現的是一個人的還款意愿，是和品性相關的維度；二是社會活動的合規度，即經濟主體作為社會的一分子，是否遵循社會的規定、規則、慣例等；三是經濟主體在經濟活動中的踐約度，即經濟主體是否有契約精神，是否按契約的約定履行責任。[12]因而在對“三農”等小微主體進行信用風險評估時，我們可以尋找替代數據和補充數據，代表性的有電信、公用事業、醫療、房租等方面的繳費數據，這些數據具有先消費后付款的信用交易數據的特點；也包括互聯網消費、電話號碼變更、工作單位地址、社會資本等可以佐證“三農”主體性格和收入狀況的數據，以及社交、購物、游戲等折射“三農”主體社會交往、行為特征等方面的數據。Lehner的研究表明，籌資者社交關系網越強大，其籌資能力越強，獲得的籌資規模就越大[13]；李思瑤等在Stein的風險度量指標體系下進行實證分析，發現借款人的收入、所處區域、學歷水平及信用評級與違約率負相關[14]；Barasinska和.Schfer發現性別也是影響借貸成功的因素[15];.廖理等發現借款者的地域分布與其借款成功率相關[16]；多年來全球心理學研究的成果也支持心理測試數據與信貸違約之間的統計相關性。國際上一些征信機構開始運用心理測量學數據對信貸主體的信用風險進行評估；一些金融科技平臺和互聯網銀行也利用人工智能捕捉借款申請人在填寫相關借貸申請時的猶豫時間、刪改信息等情景來輔助判斷借款人信用風險。償還能力也是信用風險形成的一個重要原因，收入能力的降低或者完全喪失、債務和支出的增加導致的可支配收入能力降低等都可能導致償還風險。因此，“三農”主體的收入能力、收入潛力、財產、現金流狀況、經營能力、所處行業狀況、經營面臨的自然風險和市場風險等都是評價其償債能力的重要因素。

當然，信用風險評估中的大數據很多是非結構化的數據，需要進行處理才能形成對信用風險評估有價值的組合。傳統技術條件下，這些數據的取得，需要耗費大量的人力、物力和財力，加上傳統數據分析模型對于多維度、多形態的數據存在不適應的情況，難以降低小微主體的融資成本，不利于普惠金融的發展。而大數據+機器學習是這些多維度、多形態金融數據搜集和計算分析的未來，為運用大數據對“三農”主體進行信用風險評估帶來了曙光。

三、運用大數據評估“三農”主體信用風險的優勢及可能面臨的問題

（一）運用大數據評估“三農”主體信用風險的優勢

1.可以拓展金融服務的人群，促進農村金融普惠

運用大數據對“三農”主體進行信用風險評估，可以有效克服用傳統數據、模型和方法對“三農”主體進行信用風險評估的不足，拓展金融服務的人群。（1）移動互聯網的普及，人工智能和深度學習技術的應用，使得用大數據對“三農”主體進行信用風險評估成為可能，使得信用評分可以擴大到信用白戶，從而使可評分對象和評分準確度得到很大提升，可以大大擴展信用產品的應用場景，也促使“三農”主體更加重視自身信用的積累，有利于社會信用體系的建設和農村金融普惠。（2）現代大數據的理念和技術，是對歷史經驗的一種繼承和發揚，基于數據化的信息處理能力和強性拓展的云計算能力，使得金融機構可以用更廣泛的數據采集、更快速的數據處理、更方便的數據推送來支持分析定價模型，將新興的數據風控產品服務于缺乏信貸記錄的人群，對于傳統的信用風險評估可以起到補充作用，能夠比傳統信用風險評估覆蓋更多的人群，評價維度也更加廣泛，即時性更強，甚至可以將社交媒體、用戶情緒等影響因子納入風險評估，更精準地對潛在借款人信用風險進行預測和評價，并實時監測，有效防范風險，促進個人征信、授信、風控等金融領域的發展，為提高金融服務覆蓋面和深度提供條件。2015年，美國FICO針對將近5000萬信用記錄較少以及沒有金融借貸信息的客戶，推出了FICOXD評分，除覆蓋金融借貸數據外，還覆蓋水電煤等生活繳費、租房、電信賬單等數據。螞蟻信用評分主要依靠互聯網活動相關的數據進行信用評分，將信用評分從依據金融和純信用相關領域的數據擴展到更廣泛的商業、生活場景的數據，大大擴展了金融服務的人群。芝麻信用目前有2億用戶，其中70%的用戶都沒有信貸記錄，是現有金融體系沒有覆蓋的人群，但芝麻信用用涵蓋網購、轉賬、理財、水電煤繳費、租房、住址搬遷歷史、社交關系等信息數據，比較全面的反映這些經濟主體的經濟信用，使得他們有了芝麻信用分。有了芝麻信用分以后，這些原本會被銀行拒絕的人中大約有百分之七十到百分之八十可以享受到金融服務。芝麻信用還可以補充那些在央行征信中心雖然有記錄、但近幾年因為沒有貸款行為可能被銀行拒絕的潛在客戶在無信貸記錄期間的行為數據，從而準確判斷其信用風險，使其被金融服務覆蓋。近年來成立的新網銀行、微眾銀行等互聯網銀行運用大數據進行信用風險評估，信貸業務面迅速擴大，普惠效果良好。微眾銀行2018年年底的可授信用戶數已達3.3億人，超過了人民銀行多年積累的3億人的有效征信人數。而農業銀行2020年底貸款的農戶數為388.84萬戶，僅覆蓋全國2.3億農戶的1.69%。（3）大數據信用風險評估將傳統信用狀況分析的因果判斷變為相關性判斷，為解決信用風險評估中以前不易解決的問題提供了新的思路。大數據信用風險評估利用大數據優勢及金融科技能力，通過多意圖分析、豐富的用戶畫像及強化學習的支撐，具備了需求洞察快和用戶觸達廣的優勢，大大擴展了可服務人群，為普惠金融發展奠定了良好的基礎。

2.提高信用風險評估的精準度，降低信貸業務風險

大數據具有極大量、多維度和完備性等特征，極大量和完備性表明大數據有可能提供完備信息，多維度意味著信息可以通過大數據的相關性得到甄別和處理[2]；大數據風控具有模型優勢，使用機器學習，可以抓住復雜的非線性關系，甚至可以抓住不同變量之間的交互作用[17]。因此，利用大數據的信用風險評估是在接近完全信息的基礎上進行的，不夾帶任何主觀判斷，具有信用風險評估的精準性。北京大學數字金融研究中心與國際清算銀行聯合研究發現，以數字技術為基礎的信用評估模型預測違約的準確率超過了傳統銀行的信用風險評估模型。根據幾家與螞蟻金服合作銀行的數據反饋，在央行征信機構判斷的基礎上疊加芝麻的服務，銀行的業務風險率可以下降大約20%。再如度小滿金融在央行征信數據的基礎上疊加大數據，將分析區分度提升了15%。大數據風控是根據千萬級的數據所做出的評估模型來對經濟主體的信用風險進行評估的，是基于相關性的邏輯，如果一個經濟主體和信用好的經濟主體的特征類似，就可以判斷這個主體的信用是比較好的。微眾銀行微粒貸在貸前篩查時，基于大數據信用評級進行白名單篩選，應用了人行征信數據、社交數據、公安數據、人口登記數據、學歷數據、交易記錄等數千個數據構建模型，綜合評價客戶的信用級別，決定是否貸款以及發放貸款的額度，大大降低了業務風險。截至2018年底，微眾銀行不良貸款率為0.51%，大大低于監管標準和行業平均水平，主體信用評級由AA+調升為AAA級。山東省農信聯社的“沂蒙云貸”、浙江省農信社的“浙里擔·聯農貸”等，通過整合銀行、擔保公司的自有客戶數據、政府數據（財稅、工商、公檢法、民政、醫療等）、人行征信和互聯網第三方信息數據，實現對農戶和農村小微企業主的精準信用分析，其中“沂蒙云貸”2019年4月上線，在1年內授信超過35億元，覆蓋范圍擴展迅速[18]。

3.降低信用風險評估的成本，提高效率

發放一筆貸款，傳統做法是金融機構通過面對面的盡調來做決策，成本高、效率低。數字信貸則能夠在極短的時間內將申請者的移動支付與消費信息等數字足跡轉化為數據，通過大數據技術創建預測模型，制定風險控制策略[19]，通過多維度的數據分析做決策，效率高、成本低。大數據技術的應用還可以降低數據采集和存儲成本，高效的數據挖掘能力使得金融機構可以從數據中發現規律，提高對交易相關信息的甄別和處理能力，借助非信用數據作為補充和替代數據，更加準確有效的識別客戶的還款能力和還款意愿。微眾銀行、網商銀行和新網銀行的員工數都不足2000人，但借助互聯網、大數據、人工智能等技術，每家銀行每年發放的小微貸款或者個人貸款筆數都在1000萬筆以上，這在傳統技術條件下是很難想象的。

（二）運用大數據對“三農”主體進行信用風險評估可能面臨的問題

1.“三農”主體面臨“數字鴻溝”

利用大數據進行信用風險評估的前提是取得大數據，但對“三農”主體中的一些老年人、低文化素質的人、偏遠地方的貧困者來說，由于其可能沒有移動終端，利用數字技術的能力很弱，或者收入有限不愿意支付流量費等，加上農村4G信號質量差，這些人沒有在線上參與經濟活動、社交和游戲的機會，因而缺少大數據，面臨嚴重的“數字鴻溝”。金融機構無法通過互聯網獲得其相關大數據，他們仍然需要依托線下金融網點獲得金融服務，獲得金融服務的質量難以提高，從而遭遇技術性金融排斥，金融服務的不公平性進一步加大，金融民主化的進程受到影響。據第46次《中國互聯網絡發展狀況統計報告》，截至2020年6月，中國農村網民人數約2.85億，互聯網普及率約為52.3%，明顯低于76.4%的城市網民占比。

2.涉農金融機構能力缺乏問題

涉農金融機構相對來說規模較小，科技人員數量不足，素質不高，科技投入不足等，導致搜集和處理“三農”大數據的能力缺乏；加上農村的移動終端、物聯網、傳感器、社交媒體等覆蓋的范圍較小，涉農金融機構主要依靠網絡爬蟲技術或者與第三方平臺合作取得的數據，可能面臨質量不一、更新不夠及時、整合不夠、信息孤島現象較嚴重等問題，數據質量難以滿足對“三農”主體準確全面進行信用風險評估的需要。

3.涉農金融機構自主經營權問題

信用風險評估的目的是為金融機構根據潛在客戶的信用狀況進行信貸額度、利率、期限等決策提供依據，金融機構對潛在借款者進行信用風險評估，并根據其風險狀況決定貸款利率水平，只有在利率能夠覆蓋成本和風險的前提下才有積極性為“三農”主體提供信貸。但目前涉農金融機構放貸利率決策自主權還不大，還肩負著一些政策性職能，人民銀行和政府部門等出于農業國民經濟基礎地位的特性及鄉村振興的目標任務考慮，要求金融機構降低貸款利率、以較大比例資金為“三農”主體貸款，并嚴加考核和責任追究，但如果這個利差不能由財政補貼或者其他方式得到彌補的話，商業性金融機構是無法實現可持續經營的，其對“三農”主體也沒有放貸積極性，信用風險評估的結果就無法體現為信貸業務的績效，涉農金融機構也就沒有提升運用大數據進行信用風險評估能力的動機，導致信息搜集不全面、不真實，加劇信息的不對稱程度[20]。

4.數據隱私保護問題

數據是進行信用風險評估的基礎，數據的價值因此而得以凸顯。為了獲得數據，相關主體可能存在非法或過度采集和使用個人信息的情況[21]，如在經濟主體不知情的情況下采集個人信息、在用戶注冊時強制采集用戶信息、未經授權轉讓信息等情況可能發生。信息也可能在搜集、傳輸和存儲過程中存在技術漏洞，造成用戶信息泄露和被濫用等問題，侵害用戶隱私和權益。

四、克服“三農”主體大數據信用風險評估可能面臨問題的政策建議

（一）涉農金融機構應積極行動，采取多種方式獲取數據

一是要采取線上線下相結合的方式獲取“三農”主體的數據和信息，也可以構筑自身的電子商務平臺，增強交易場景和大數據獲取能力。這可以借鑒湖南省慈利縣農村商業銀行的做法。該行利用自身人員數量多和移動通信設備便攜的優勢，通過信貸人員走街串巷、入戶走訪，并與農民專業合作社、村委會成員、鄉鎮干部等合作開展對“三農”主體的信用調查，積累“三農”主體的各種信用數據，加快了信用村居創建，打造了福祥E站產品，為農商行“三農”信貸業務開展和實現普惠金融轉型夯實了基礎。二是涉農金融機構要積極對接政府、稅務、醫療、水電煤氣、電子商務等數據平臺，加強與金融科技公司的合作，充分利用這些平臺的數據和技術優勢，解決大數據缺乏和采集處理數據能力不足的問題。

（二）提升數據處理能力

擁有了大數據，并不等于自然就可以對潛在客戶進行精準的信用風險評估，精準高效的客戶信用風險評估有賴于科學的信用風險評估模型，并利用機器學習算法等對用戶數據信息進行分析和挖掘，實現對用戶還款意愿和還款能力的精準預測與識別。因此，涉農金融機構要加大數字化轉型的資金投入，加強技術引進和人才引進力度，提升自身分析和處理數據特別是多源異構數據的能力，根據“三農”主體的特點，從多維數據信息中構建特征指標，選擇科學的信用風險評估模型，并積極與金融科技公司合作，尋求對“三農”主體信用風險評估的更好解決方案。

（三）加強農村信息基礎設施建設

一是各級政府應借助全面推進鄉村振興和加強新基建這一契機，促進數字農業和數字農村發展，為應用大數據對“三農”主體進行信用風險評估提供數據基礎；二要特別注意對老年人、低文化素質群體進行移動通信終端使用能力及防范網絡詐騙等的培訓，簡化手機APP的操作流程，引導弱勢群體使用移動終端，積累大數據；三要積極引導農村電子商務的發展，帶動農村電子支付、網絡征信、網絡信貸等相關金融業務覆蓋面的擴展，為利用大數據進行信用風險評估奠定基礎；四要打破信息數據的條塊分割、區域分割和部門壟斷狀況，打破信息孤島，形成信用信息數據資源共享，降低涉農金融機構搜集和處理信息的成本；五要加強對農村數字普惠金融發展的頂層設計和發展路徑規劃，并在農村數字普惠金融基礎設施建設、金融生態環境改善等方面及早布局，全面提升農村地區醫療、出行、生活繳費、教育和政務的數字化水平，為利用大數據對“三農”主體進行信用風險評估創造良好的條件。

（四）要賦予涉農金融機構貸款定價的自主權，提升其貸款的風險定價能力

根據信用水平進行風險定價有賴于市場上資金供求雙方的雙向選擇，從而形成市場均衡價格，并使金融機構具有持續的調整機制和專業的技術處理能力。因此，利率市場化是信用價值得以實現的前提條件，否則，即使客戶有還款能力和還款意愿，但利率不能反映借款者的信用水平，不能覆蓋貸款風險，銀行也沒有積極性放貸。所以當前要進一步推進利率市場化改革，金融監管部門和政府要進一步為銀行減費和降低業務成本提供良好的環境條件，為降低“三農”主體貸款利率創造條件，調動涉農金融機構為“三農”主體提供信貸的積極性。

（五）加快立法

要加快對金融消費者數據信息和隱私保護的立法進程。數據信息供應商和金融機構要強化對員工的教育培訓和管理，防止數據盜用、泄露等事件的發生，為大數據在信用風險評估中的應用保駕護航。