大數據時代中小企業信用體系建設

敖志彤 中國出口信用保險公司黑龍江分公司

一、大數據時代中小企業信用體系概述

（一）大數據及其作用

大數據是海量復雜的數據集合，通常是形容一個公司所產生的非結構化數據與半結構化數據其主要有5個較為明顯的特征，即大量、高速、多樣、低價值密度、真實性[1]。大數據概念的出現其目的不是為了掌握信息數據本身，而是要對這些數據進行專業化處理從而產生相應的價值，大數據行業實現功能價值的側重點在于如何對數據進行加工處理，最終讓信息產生“增值”。對于絕大多數企業來說，由于大數據技術信息處理的高效、廉價優勢，因此利用好大數據將成為未來發展的關鍵。通過大數據可以在一定時間內對中小企業的各類相關信息進行及時有效地處理整合，中央還原出企業最真實的經營情況，減少由于信息不對稱所導致的風險，更好地為中小企業提供金融服務，在中小企業信用信息服務領域有著非常廣闊的應用前景。當前，人民銀行已經初步開始在全國范圍內收集并建立了一個企業征信基礎數據庫，可以看出中小企業在征信體系建設方面已經走向了大數據時代。

首先，利用大數據技術可以提高融資效率。金融機構通過大數據可以更加真實地了解到客戶信用狀態以及實際經營情況，降低由于信息調查所付出的時間與成本，在推出相關產品時，也能更快速地尋找到與自身匹配的客戶對象，分析客戶對象與自身需求的匹配程度，同時實現提高放貸效率與降低抵押物要求，更好地為客戶對象，尤其是中小企業提供優質的金融服務。

其次，利用大數據技術可以降低融資成本。通過大數據可以實現更加精準的營銷投放，減少一些不必要的營銷成本，提高營銷效率，一般來講，廣告理論當中存有”二八理論“，也就是投放出去的營銷費用，真正能夠發揮功能的只有20%，而借助大數據技術可以極大成單獨上減少因為無法精準選取營銷對象的問題，從而極大程度上提高營銷效率，讓數據更好地為營銷發展服務。同時在發掘潛在客戶后還可以通過大數據更加清楚地了解到客戶的實際需求，更加快捷地獲取到客戶的行為資料。這樣在后續與客戶溝通過程中，也能夠更真切的分析客戶對于相關產品的需求程度，針對性進行交流，更大程度上提升營銷的成功率

最后，大數據還可以幫助金融機構發掘客戶潛在價值。通過對數據的處理和分析，金融機構可以深入了解客戶的潛在需求與融資偏好，對市場進行更加細致的劃分，將不同的客戶進行歸類，從而開發出適應客戶群體的產品體系，對客戶群體之間的差異進行分析為客戶帶來多樣化的金融服務，確保金融資源能夠實現高效配置。尤其是對于部分優質客戶對象，可針對性為其提供更優、更全面的服務，甚至根據這類客戶的需求設置專門的產品，以此來提升客戶對于相關金融機構的忠誠度和滿意度，從而為其帶來更多的客源。

（二）中小企業信用體系的理論模型

一些國外發達國家中央銀行在建立企業數據庫時通常會將企業的基礎信息、資產負債表、財務信息、信貸信息納入數據收集范圍內。不少商業銀行也針對中小企業建立了相應的企業信息數據庫，進行每日的儲存、更新，相關數據分析人員可以在授權下對客戶信息內容進行快速的查詢[2]。中小企業的風險評分模型其本質上是對中小企業的各方面條件進行篩選，根據違約概率、違約損失率、敞口風險等一系列參數，從中篩選出符合要求的結果，提供量化的信用風險管理依據。法國的中央銀行通過對大數據的大量重復性地分析，在營業額評級、信用評級、高管評級三個方面建立了三級評級體系，該系統評價了法國境內20多萬家企業。該信用評價系統中最重要的參數是違約率與破產率，通過它可以反映企業在一定時間內的償還能力與相應的風險承擔水平。除此之外，新加坡大華銀行也自主開發出的客戶信用評分系統，將貸款客戶的信用進行了全面的評級處理，將數據應用到專業化的風險分析當中[3]。不少銀行也在關注業務過程中所產生的數據，讓數據形成一定的反饋，持續驗證風險評級結果，同時給予相應的調整措施，從而提高中小型企業數據分析模型的準確性與有效性。根據GP摩根銀行調查顯示，在一個較為穩定的經濟環境下，通過大數據對中小企業信用風險信息進行分析可以有效預測信用風險，及時采取措施，將損失降低至，原有的40%～50%。

二、大數據時代中小企業信用體系存在的主要問題

（一）信用體系缺乏科學

目前我國已經初步形成了中小企業的征信系統建設，但仍然在諸多方面存在著缺陷，需要得到進一步完善和改進。信用體系的科學性缺乏主要體現在下列幾個方面：一是缺乏專業化的征信系統。征信系統十分重要，能夠囊括各企業主體、自然人的征信數據，對于開展與征信相關的工作來講，能夠為其帶來極大的便利。雖然中國銀行已經初步建立了一個企業信息數據庫，但是對于中小企業來說缺乏針對性，在應用這些數據是存在一定的局限。中小企業的信息數據有著巨量、復雜、分散等特點，所以在客觀上收集中小企業數據存在著獲取與捕捉的困難，對這些復雜信息處理有著較高的要求，在技術層面上無法滿足對中小企業的全面分析處理，而對于中小企業來講，其雖然能夠擁有這類信息，但是因為自身的規模較小且無專業的數據分析人員，所以這些信息數據對其的作用微乎其微。因此，現階段中小企業信用體系建設方面需要滿足對于中小企業的數據分析的針對性與專門性，才能建立一個更加專業化的系統，由此來為中小企業提供更全面、更具體的信息數據服務[4]；二是缺乏數據之間的共享。除了中國銀行所建立的企業征信系統外，我國各級政府單位、行業協會等組織也建立了不同的企業數據庫，可以在數據庫中查詢到企業的信用信息，對企業相關資質進行相應的了解。不同的數據庫，其主打的作用不同，服務的主體也存在區別，同時，這些數據庫與數據庫之間的共享性較差，絕大多數數據內容是無法互通的，產生了大量的冗余數據內容，降低了信息數據的利用率，甚至是有不少信息數據庫僅完成了對數據的收集工作，沒有對數據內容進行分析和應用，這樣一來，即便是有相應的數據庫，但是因為共享程度較低、使用度較差等各種原因，導致其無法發揮出應有的效應，對搭建數據庫所支出的各種人力、物力、財力來講也是一種浪費；三是數據時效性差。我國面向中小企業的征信系統在信息和數據時效性都不夠理想。一方面是由于系統內部存在著大量的陳舊數據，沒有任何利用價值，數據的有效性得不到保障，即便是應用了這些數據，最終其出來的結果可信度也存在問題；另一方面不少中小企業數據更新緩慢，在發生所有權或產權變動時，系統沒有及時地進行更新，容易誤導對于企業的信用評價，更不利于其他相關工作的開展；四是缺乏一個較為統一的評價標準。征信系統應該結合企業的各方面信息進行評級，同時給出相對詳細的評級報告。而我國對于中小企業的信用體系建設方面尚不完善，不少評價機制僅僅是對企業進行評級，沒有一個詳細的評價報告，這導致所評價出來的結果缺乏系統化的分析支持，在科學性上得不到保障。由此所進行的有關征信方面的各項工作，準確性、可靠性等也都存在一定的問題，所以必須完善評價標準，依標準行事，確保各項工作的有效性。

（二）中小企業信用體系建設需要加強

由于我國企業信息采取起步較晚，在20世紀末才開始初步收集銀行系統內的企業借貸信息數據，21世紀才開始逐漸拓寬到稅務、工商、保險等領域，在信用服務市場與服務體系方面都不夠完善，缺乏相應配套的服務水平，服務機構公信力有待加強[5]。同時，雖然這些部門對于企業的經營信息進行了收集，但是仍舊未實現信息內部的共享，存在割裂，無法應用到中小企業信用體系建設上。除此之外，由于對企業信用獎懲機制的不夠完善，不少中小企業本身對于信用的意識淡薄，內部管理缺失，缺少信用記錄，企業在失信方面成本仍舊過低。此種狀況下，與中小企業信用相關的全鏈條均未完整建立起來，便導致與之相關的各項工作同樣無法得到保證，這便要求相關信用體系的建立和完善，用以指導相關工作的開展。

（三）信用體系不夠完善

首先是目前中小企業信用體系建設方面的法律法規依舊不夠完善，尤其體現在征信數據的采集與使用方面，需要制定相應的法律法規來完善和優化數據收集采集過程，以制度化管理確保中小企業在信息數據采集過程中所收集到的數據能夠準確有效，提高信息價值。其次，數據收集過程中的安全性也有待提高。目前在收集企業信息數據過程當中經常會發生對數據濫用的情況，造成企業信息數據泄露。這就需要通過更加嚴格的法律規章制度來降低信息數據泄露的風險。最后，獎懲制度的缺失。目前中小企業存在失信成本遠大于守信成本的情況，其主要體現在缺乏強有力的懲罰措施。由于懲罰機制的不完善，不少企業在利益驅使下會對數據內容進行篡改、謊報、瞞報極大地影響了信用數據庫的建設。因此要建立一個完善的市場獎懲機制，依靠強有力的懲罰措施來約束企業，營造一個良性經濟市場。

三、大數據時代中小企業信用體系建設

（一）建立信用分析的評估模型

信息自動分析系統可以有效地幫助企業進行全方位的評估，不少大型企業已經開始使用了國外先進的信用評估系統，通過簡單的數據指標輸入就能夠生成相應的報告，評估資質。但國外的信用評估系統由于市場、政策、管理等多方面因素，因此無法完全適配國內中小企業，不少中小企業信用評價應該根據實際情況來進行選擇，國外的信用評估系統缺乏實用性，無法有效地利用好中小企業數據。因此，就要針對國內中小企業實際情況建立一個相應的信用分析評估模型，量化各種指標，讓整個中小企業信用評估過程更加科學高效。其次是建立一個更加完善的中小企業風險預警模型，對于可能產生的潛在風險實事求是地監控與處理。一旦中小企業出現了失信的先兆，金融機構就要及時地對貸款進行收回，以此來實現風險防范。最后，建立一個金融支持效果評估模型，結合融資產品的種類對企業的經營情況進行跟蹤，進一步對融資產品在中小企業中的作用進行了解，從而設計出更符合中小企業需求的融資產品，實施企業定點跟蹤，提高金融扶持的效果。

（二）加強中小企業信息數據庫建設

強化中小企業在信息方面的采集力度，拓寬信息采集范圍，建立一個更加全面的中小企業信息數據庫，而不是單純的信用評估數據，從而幫助推進中小企業數據的共享互通，消除中小企業信用數據采集的障礙。如果企業內部的數據難以滿足企業需求，這時候就應該引用外部的數據庫，找尋更加可靠的真實數據幫助實現對企業的綜合評估分析。這在行業內部也被稱作“由外向內型”數據體系，簡單來說就是進行征信評價的數據是由外部途徑進行獲取而不是企業內部。“由外向內型”數據體系的優勢是可以打破原有企業內部信息單一的局面，利用外部條件來幫助獲取成本更低內容更多的優質數據。但這種模式也存在著相應的缺陷，在對接外部數據入口時需要高昂的成本與時間對數據內容進行整合，我國當前僅有工商信息可以實現全國聯網，其他相關信息都分布在市級部門，在外部數據獲取整合方面有著巨大的工作量。

四、結語

我國現階段一直都沒有建立一個較為全面涵蓋了企業及企業主的社會信用體系，尤其是在面對數量龐大的中小企業方面，缺少一個科學全面的征信系統，這使得商業銀行在為中小企業提供金融服務時需要消耗大量的時間與成本來收集相關中小企業的信用數據，即便是這樣也無法獲得真實準確的信用狀況，使得商業銀行在為中小企業提供融資服務時擔負著巨大的風險，讓越來越多商業銀行缺乏對中小企業提供融資服務的動力。因此，要結合當下大數據技術，努力完善建設中小企業信用體系，充分利用數據優勢與互聯網信息技術，拓寬中小企業信息數據收集范圍，建立一個更加準確可靠的信用等級評價體系，使得商業銀行為中小企業提供金融服務擁有更加科學全面的依據，營造一個更加健康向上的經濟市場。