摘要：市场经济是一种信用经济, 个人行为信用影响着整个市场经济的规范运行。针对社会现象, 建设个人信用管理体系对整个市场的信用管理起着至关重要的作用。但是现实社会的信用基础薄弱, 公民信用约束力不高。文章基于现今大数据的背景, 探讨个人信用管理体系建设的思路。已有研究提出了对个人信用管理制度的见解, 文章研究拓宽了关于大数据时代与个人信用管理体系之间关系的理解, 提出了大数据背景下个人信用管理体系构建的思路与建议。
关键词：个人信用; 管理体系; 信用评估; 信用报告;
1 研究背景
信用是经济社会良性运转的“基石”, 其为契约经济的运转提供必备的有效保障。在社会经济生活中, 个人是最基本的行为单位, 市场主体的行为活动都是通过个人的行为决定的。但是随着市场主体的增多, 在市场基础不稳固、市场监管体系不健全的情况下, 市场逐渐呈现出不规范的状态, 道德风险具有极高的隐患, 对失信者的约束、惩治也较困难, 对守信者的支持和奖赏亦无法落实。对于社会生活中不守信的现象, 究其根源, 原因之一便是缺少一套完整翔实的个人信用记录体系, 以约束和惩治个人的不信用行为。因此, 社会主体面对构建适应时代的个人信用管理体系等现实问题。
建设个人信用管理体系是建设社会信用管理体系的基础, 也是其必要条件。社会需要第三方机构执行信用评定, 加快建设信用管理体系, 宏观上可以维护社会经济的稳定, 降低交易成本, 提高政府相关部门的管理效率, 提高社会经济活动的效率, 有效释放诚信红利, 激励信用行为的产生, 促进社会文明和谐发展。例如, 目前我国央行的金融信用信息基础数据库采集的信用数据主要是来源于各金融机构的借贷信息, 其提供的个人信用报告仅侧重反映信贷方面的情况, 而庞大的学生群体、自由职业者等用户难以获得信用服务。因此需要完善的信用管理体系丰富评价维度、扩充信用数据、延伸信用服务, 更加全面地反映信用表现。这种伴随人一生的信用记录促使个人约束行为, 从而加快整个社会的信用化发展进程。
《促进大数据发展行动纲要》和《大数据产业发展规划2016—2020年》的发布标志着我国大数据产业的发展环境将进一步优化, 大数据的新业态、新业务、新服务将迎来爆发式增长。大数据时代“一切数据皆可用”成为社会信用体系的新思路。正如前亚马逊首席科学家、斯坦福大学讲师维根教授所言“数据是新的石油”。数据已成为国家基础性战略资源, 大数据对个人信用管理体系的建设起着重要影响, [1]传统互联网服务商积累了海量行为数据, 且互联网兴起提供了更加丰富的信用数据来源。移动互联网、物联网、云计算等信息技术快速发展且应用领域不断扩大, 使利用大数据技术及理念进行信用管理, 构建基于大数据的社会信用体系, 已经具备了可行性。通过近几年的实践和总结, 人们总结出大数据具有的“5V”特点, 即Volume (大量) 、Velocity (高速) 、Variety (多样) 、Value (价值) 、Veracity (真实性) 。大数据时代开启了时代的转型, 能够为个人信用管理体系的构建带来巨大的变革。
2 信用管理体系概述
2.1 信用大数据的主要来源与特征
2.1.1 信用大数据的主要来源
大数据时代, 信用数据采集渠道得以大幅拓宽。信用数据来源的广度和深度不断延伸、细分度日益精确且不断变化、采集渠道愈加多样化。[1]为实现多维度评价, 基于大数据的信用数据来源需要随着相关制度的发展不断进行补充, 应包含但不限于如下数据。
第一, 金融机构产生的数据。各银行产生的数据是大数据的主要来源, 通过客户办理贷款、信用卡等相关业务以及对于办理业务的后续跟踪, 实时产生客户的信用数据。具有金融属性的数据包括客户的存款情况、贷款历史、持有信用卡情况、还款记录等。
第二, 政府部门产生的数据。这类数据由各级政府部门收集整理, 如公积金、社保、欠税与民事裁决等信息, 数据价值高, 但碎片化、开放程度低, 其应用价值还未得到大力运用。
第三, 其他公共事业机构产生的数据。主要公共事业机构包括电力公司、煤气公司、网络运营商、电视运营商等, 其产生的大量信用数据与网络产生的相关信用数据一同构成城市市民信用数据。
第四, 网络产生的数据。随着互联网的发展与普及, 网络产生的大量社交、电商、打车等数据已成为个人信用数据的主要来源, 其产生的大量数据, 有效补充了传统中单一的数据采集渠道。
2.1.2 信用大数据的主要特征
第一, 多维度性。信用大数据的采集范围突破了传统数据的局限, 从金融机构、政府机构相关部门的数据扩展到电商数据、社交数据等网络数据, 使数据维度更多, 覆盖面更广, 降低信用主体信用信息的不对称性。
第二, 高复杂性。以美国金融科技公司Zest Finance为例, 传统信用评分模型在可处理范围内一般只能用到50个左右的特征变量, 而随着大数据处理技术的突飞猛进, ZestFinance信用评分可以包含大约100000个特征变量。[2]
第三, 数据价值高。信用大数据中数据时效强、内容广、维度多, 数据从碎片化转化为块状化, 从低价值转化为高价值, 通过打破传统数据的局限并对数据进行关联性分析, 有助于奖惩制度的实行, 便于社会监督。
2.2 个人信用管理体系的界定与特征
2.2.1 个人信用管理体系的界定
个人信用管理体系基于互联网和大数据的优势, 运用云计算、云储存、算法分析、数据挖掘等新兴技术, 获取、筛选互联网留存和实时生成的个人数据, 将其与政府、公共部门等机构的信息源整合, 进行充分分析, 生成个人信用报告、信用评估, 方便个人高效查询跨系统的数据, 实现信用信息的共享。个人信用管理体系打破了传统信用管理系统在数据渠道、应用领域等方面的局限, 将碎片化的信用数据整合, 得到个人全方位领域的信用信息, 具有显著的前沿性与创新性。基于大数据, 还可以提供各种增值信用产品和服务, 并且通过社交媒体获取对信用产品和服务的反馈, 对其进行进一步优化。[1]
2.2.2 个人信用管理体系的特征
个人信用管理体系突破传统局限, 主要呈现以下特征。
第一, 数据来源多样化。基于大数据技术的发展, 互联网空间的扩大, 个人数据来源渠道更广、数据量更大, 数据的采集和处理也尤为便利。除传统信贷外, 还可通过电商、社交、租房、缴费等多元化渠道获取数据, 在一定程度上改善数据来源以偏概全的问题, 数据的多维性为信用值的测算、信用等级的评定提供了充分的依据。从单纯依托单平台数据向跨领域跨行业融合数据演进。[3]
第二, 数据处理智能化。为保证数据传输的实时性与安全性, 信用管理体系运用云技术、后台加密、数据挖掘、机器学习、分布式管理、异构数据结构化等各种技术手段, 对数据进行加工分析以提高精准率。数据的采集、加工、整合、分析等各阶段无一不体现其智能化的特征。大数据技术, 从简单的数据交流和信息传递, 上升到基于海量数据的针对性分析。通过互联网, 我们可以通过分类聚合、深度挖掘、为个人定制标签画像等信息技术, 将个人的各种活动信息比较、碰撞、连接, 从而做出对个人最全面、客观和可信的信用评价。[4]
第三, 覆盖群体广泛化。信用管理体系的产品和服务的应用更加贴近日常生活, 在出行、租借、共享等领域均被开发, 使覆盖群体量更大, 使更多人拥有自己的信用体系与信用报告。同时帮助监管主体忽略经验与直觉, 得到海量数据中蕴含的真正行为规律, 找到影响重大的因素, 为监管工作提供科学依据, 提高针对性与执行效率。信用产品和应用场景的不断创新, 将极大限度发挥信用的价值和作用。[3]
2.3 我国个人信用管理体系发展存在的主要问题
2.3.1 缺乏信息资源共享机制
我国把社会信用管理体系的重心放在了企业信用制度的建设上, 对个人信用记录的重视力度不足, 虽然各银行、机构对客户进行个人信用记录, 但各组织机构间没有有效、合理的信息共享, 甚至有些部门存在垄断个人信用信息的行为, 造成记录的碎片化、时效短, 没有共享就无法实现效果最大化, 无法大力发挥记录的效用, 降低评估的准确度。因此行业之间应尽可能地共享信用数据, 消除“信息孤岛”的存在。
2.3.2 缺乏健全的法律法规体系
体系的建设应立足于法律法规的基础, 需要法律环境的支撑。我国需要完整的个人信用管理相关法律法规对个人信用管理体系的建设提供直接依据。包括与体系直接关联的个人隐私、数据开放、信用监管等方面的法律。“法无授权不可为”, 必须加快推进信用立法进程, 解决信用管理制度标准等相关问题, 确保大数据时代信用数据的采集、整理、加工、分析和使用等有法可依。[1]
2.3.3 缺乏具有公信力的个人信用管理机构
各银行、机构均有各自的信用评估方法和评估标准, 难以形成对个人的标准化评估, 因此需要专业的信用中介机构, 建立起一套完整科学的数据收集和评价体系, 保证在评估过程中的客观、公正。虽然目前存在一些小规模中介机构, 但其提供的服务并不完善, 很多机构投机取巧, 只以营利为目的, 也就没有充分发挥效果与作用。政府要改善这个问题, 就要颁发一些政策, 对信用中介加以考核, 授予经营的权力。[5]
3 个人信用管理体系的建立
3.1 个人信用管理系统的主要构成
3.1.1 数据采集系统
数据的采集是进行数据分析、信息评估的前提, 录入个人资料, 建立个人档案, 是系统的基础工作, 必须保证录入数据的正确性、完整性, 实时采集、储存个人数据。具体操作环节将数据分为两类:固定数据和变动数据。固定数据主要包括个人基本信息, 如姓名、性别、身份证号、籍贯等;变动信息主要包括信用交易记录、工作情况等。采集敏感信息须谨慎, 以免侵犯个人隐私权, 而完善匿名技术, 寻找更专业的算法可解决数据应用与隐私保护间的矛盾。[6]另外, 应对数据质量进行检查以确保其可靠性, 包括数据类型和格式的转换、缺失值的处理、极值的处理和转换、从原始数据中提炼出衍生变量等。[2]
3.1.2 信息评估系统
信息评估系统将采集的数据利用科学、客观的分析方法和统一的评估标准, 对个人信用进行全方面评估, 并用专业符号和文字表示出评估结果, 并可将信用划分为若干等级, 例如将评估分值划分为AAA到D这八个等级, 来对信用程度进行划分。信用指标确定后, 大数据技术根据个人全部信用信息, 依据信用评价模型 (大致可分为两类:统计分析和人工智能分析。其中, 统计分析可划分为判别分析法和回归分析法;人工智能分析可划分为只包含一种模型的单一学习算法与启发式算法结合的混合学习算法, 包含多个分类模型的集成学习算法[7]) 。在关键的差异巨大的数值上应基于实际考察后充分细化, 可以将AHP层次分析法与模糊综合评价法结合起来, 构建多级模糊综合评价模型, 再进行信用评分, 并定期更新。[8]
3.1.3 信用报告系统
信用报告系统将经过全面、客观的信用活动评估结果以信用报告的形式, 通过网上查询等方式提供给报告使用者, 如银行和商家可通过唯一标识号码通过网络查询消费者的信用情况, 即可迅速对是否向消费者提供信用服务做出决策。报告内容应包括基本信息、信用交易记录、特殊交易记录、特别记录、查询记录等。
3.1.4 风险预警系统
检测信用风险, 跟踪资金流量, 若个人信用等级低或出现影响信贷安全的迹象, 及时与其联系, 并采取相应措施, 预警等级可分为:I区 (低风险区) 、II区 (较低风险区) 、III区 (中等风险区) 、IV区 (较高风险区) 、V区 (高风险区) 。
3.1.5 信息安全系统
信息安全系统通过对信息获取权限、操作流程、数据存储和传输流程等进行设置和监控, 防止数据被盗取、篡改和破坏。通过防火墙、数据加密、访问控制等技术保证系统安全正常运行, 保护个人和相关组织机构的权益, 使信用主体不仅能查到结果, 也能接触到模型所用的源数据。另外, 建立异议处理机制, 可以在信息和结果有误时, 及时予以更正和删除。对于不同的计算机系统安全等级, 采用符合标准的网络设备、存储传输工具。加强数据库管理, 按“最低权限”原则赋予管理员访问数据库的权限。[6]
3.2 个人信息管理体系的环境培育
3.2.1 完善个人信用管理体系相关法律法规
根据中国社会现状, 借鉴国外相关经验, 中国可制定或修订个人信用管理体系相关法律法规, 界定个人公开信息和个人隐私, 规定个人、组织的权利义务, 保护个人、组织的合法权益等, 为个人信用管理体系的建设提供基础与保障。例如参考美国的《信用公平报告法》对个人隐私的界定;《平等信用机会法》授权机构对信用申请人进行调查和数据分析的行为规范等。制定符合国情的信用信息的保障机制, 如《征信数据采集和保护法》《商业信用信息报告法》《信用控制法》等。[9]
3.2.2 建立个人信用管理体系组织机构保障
个人信用管理系统的实施离不开组织机构的积极响应与配合, 完整的个人信用体系也离不开组织机构。个人信用管理体系的建设需要各银行、商务部、工商局、税务局、统计局、海关局、公安局、法院等单位的参与, 因此建立专业、统一的监管机构、行业协会以覆盖全社会是必要的。
3.2.3 建立并完善个人信用奖惩制度
合理的奖惩制度是个人信用管理体系的必备环节。正如美国的街道上车辆违章很少, 并不是因为当地人普遍素质极高, 深究下去是因为他们违章的成本很高, 违章记录被记载进信用记录后影响一个人的就业、贷款、租房等各个方面。与欧美国家相比, 国人的“违约”和“欺诈”成本并不高, 这对整个社会信用体系的建立极其不利。而当“信用”成为人们的个人资产, 整个市场经济和社会运转速度和效率将有极大的改观。[3]因此可借鉴国外经验, 从制度和法律上约束失信行为, 让失信者对自己的行为承担应负的责任;同时鼓励信用举措, 让守信者真正地感受到守信的益处。
奖惩措施可分为三种:第一种由政府、相关事业机构、金融机构对信用行为做出奖惩措施。例如, 对信用等级高低的个人分别进行不同的经济物质、精神层面等方面的奖惩。第二种由司法部门对严重失信者做出惩戒, 依法追究其法律责任。第三种由社会舆论引导, 对信用行为做出特别报道, 同时激励信用行为的产生。另外, 允许特殊情况下失信行为的修复, 以免无意的疏忽给个人带去影响较大的损失。
3.2.4 加强信用管理教育, 强化信用管理氛围
信用管理的教育需要长期的建设, 逐步形成信用的自觉性和信用管理的行为规律, 逐步提升信用管理在个人认知中的重要性。可从强化道德教育、普及信用管理知识着手落实。一方面, 促使提高公众对信用行为的重视, 有助于个人信用管理体系发挥作用。另一方面, 个人信用管理体系的普及有助于系统问题的发现和性能的改善, 以更好地为公众服务。另外开展信用权益保护教育, 帮助人们树立信息伦理道德、数字化节制及安全防范意识, 使其具备基本的信息安全常识和保护技能。[6]
4 结论
本项目从大数据背景下信用数据的特点着手, 主要进行了个人信用管理体系的内容构建和技术构建。内容构建, 主要确定对不同功能的系统的划分, 并确定具体采集数据的类型;技术构建, 则主要谈及系统开发过程中的主要问题。另外, 本项目对大学生信用立方模型进行的研究, 将在支撑材料中得以体现。
随着社会经济的不断发展, 我国个人信用管理体系的建设将会面临更多新的问题, 本项研究也会被赋予新的内容, 希望建设本国个人信用管理体系能够获得更多人的关注, 促进、保障社会信用水平的提高。
参考文献
[1]李利智.以大数据思路建设社会信用体系[J].浙江经济, 2017 (6) :45.
[2]张晶.大数据时代个人信用评分的新趋势[J].征信, 2017, 35 (12) :7-12.
[3]蒋韬.信用体系建设需要大数据[J].清华金融评论, 2017 (4) :97-99.
[4]陈刚, 黄芳芬, 刘小军.信用监管与大数据[J].中国市场监管研究, 2017 (5) :42-44.
[5]冯彬.我国企业信用管理问题与对策[J].合作经济与科技, 2018 (5) :188-189.
[6]刘旭, 李南南.基于大数据视角的信用主体权益保护体系构建[J].征信, 2016, 34 (10) :48-50.
[7]董媛香, 程鑫.大数据背景下个人信用评价体系构建[J].现代工业经济和信息化, 2017, 7 (5) :106-108.
[8]杨大光, 孔令鑫.小微企业信用评价模型的中外比较及完善[J].中国流通经济, 2014, 28 (9) :74-79.
[9]王静.信用评价与信用管理体系运行机制的分析[J].今传媒, 2016, 24 (6) :53-56.
