基于大数据的互联网金融征信体系建设研究.doc

基于大数据的互联网金融征信体系建设研究 　　【摘要】近年来，伴随着云计算、大数据等信息技术的运用，互联网金融在我国得到了蓬勃发展。现有征信体系无法服务于互联网金融的发展，催生国内征信业开始向大数据征信的深度融合方向发展。本文分析了我国互联网金融征信体系存在的问题，探讨了基于大数据的互联网金融征信体系建设优势，对大数据征信的体系建设提出了合理化的建议。 　　【关键词】大数据 互联网金融 征信 　　一、大数据和互联网金融征信 　　近年来，伴随着云计算、大数据等信息技术的运用，互联网金融在我国得到了蓬勃发展。然而现有征信体系无法服务于互联网金融的发展，催生国内征信业开始向大数据征信的深度融合方向发展。 　　据网贷之家联合盈灿咨询发布的《中国P2P网贷行业2016年3月月报》，月报数据显示，截至2016年3月底，网贷行业正常运营平台数量为2461家，累计问题平台达1523家。在野蛮生长的背后我们看到的却是网贷公司“倒闭潮”，问题平台数不断攀升，这些都暴露了互联网金融信用体系建设滞后的问题，这其中，有号称国资背景的“安心金融”、“徽金所”先后停业，轰动一时的“e租宝事件”等等，这种新兴金融业态迫切需要一种新型的互联网金融征信体系，新体系改变目前央行以传统金融机构和线下信贷交易作为覆盖和服务的对象的征信体系，促进现有征信体系转型升级，能够实现征信信息共享和联动，基于大数据的互联网金融征信体系建设需求也应运而生。 　　大数据的运用，将推动征信行业进入一个新的发展时期。大数据利用科学的算法，在前期多方位、多维度收集数据的基础上，构建目标主体的身份、性格取向和履约能力的定量分析模型，进行量化的信用评估。传统的银行业信贷记录、信用卡消费数据、小额贷款大数据、社交网站大数据、电商大数据、生活服务类网站大数据，以及日常活动和偏好数据、特定场景下的行为特征数据等都是大数据征信包含的范围，从这些数据当中，我们可以判断目标主体的信用等级，形成整体风险导向，完善大数据的积累。大数据为征信业发展提供了广泛的数据信息来源。 　　二、当前我国互联网金融征信体系存在的问题 　　（一）原有的征信体系已经不能适应互联网金融等新金融形态的需要 　　目前我国征信信息系统主要以央行的企业和个人信用信息基础数据库为依托，征信数据主要来源于银行业等传统意义上的信贷机构，对于互联网金融等新金融领域的信用数据匮乏，导致信用数据覆盖人群窄、信息维度单一、时间上相对滞后。 　　（二）缺乏行业统一、广泛认可的征信模型和评分标准 　　当前中国征信体系主要是以中国人民银行征信中心为代表的公共征信体，加上2015年1月首批获得个人征信机构牌照的八家征信公司为代表的市场化征信公司。通过对比这几家公司的信用产品，从中可以发现，各征信机构在数据来源、信用评分模型、信用评分标准等方面都存在较大差异，没有形成统一的标准。 　　（三）征信大数据平台之间信息共享难 　　央行的征信系统相对互联网金融是封闭的，市场化的征信公司自有的征信数据与央行的征信系统无法对接，信息资源无法共享，造成互联网征信的作用对传统金融机构还很有限。 　　（四）缺乏强有力的信息安全和隐私保护制度 　　大数据时代，个人数据隐私问题一直备受关注，征信环节更是如此。比如，征信数据信息谁有权收集数据，谁有权拥有数据，数据信息可在多大范围内共享，是否可以转让、出售个人信息和个人隐私之间如何区分等，这些都没有明确的法律规定。另外，互联网时代，信息安全防护变得更加困难，数据采集、存储、整合与分析等都存在着安全风险，急需完善我国信用信息安全、应用和权益保护方面的法律规范。 　　三、基于大数据的互联网金融征信体系建设优势 　　（一）数据来源广泛，促进征信覆盖面大幅提升 　　在我国，央行征信中心为全国个人征信的主干数据库，主要数据来源于目标主体的工资收入、社保缴存记录、信用卡消费记录、贷款记录等维度，在一定程度上，能防范信用风险问题。伴随着互联网金融的蓬勃发展，原有的征信体系信用记录数量以及覆盖的人群有限，仅覆盖了与银行发生过信贷关系的人群。采用大数据征信体系，能很好的发挥大数据的优点，提升人群覆盖面，通过目标主体的活动数据进行深度挖掘和分析，可以为征信体系提供有效的补充。 　　（二）数据资源丰富，促进征信更加真实全面 　　在未来，大数据技术将不断的渗透到征信领域。在大数据时代，不同层次的数据和多维度的数据都可以用来挖掘和分析，企业的现金流、目标主体的地址、行为数据、目标主体的互联网商务活动、社交关系等半结构化、非结构化数据也将成为征信系统的新数据源。将更多信用记录以外的信息纳入征信体系，可得到更多广谱信息来刻画信用。 　　（三）数据实时性更强，促进征信信息更加时效 　　大数据征信相对于传统的信用评价模式而言，数