论文部分内容阅读
一、中国企业征信现状
企业征信通过收集、整理、保存、加工自然人、法人及其他组织的信用信息，并对外提供信用报告、信用评估、信用信息咨询等服务，来帮助客户判断、控制信用风险，进行信用管理。市场经济依靠信用来搭桥，企业征信是减少市场经济主体之间信息不对称的重要手段，与发达征信国家百年以上的企业征信历史相比，中国企业征信实践要晚得多，自央行于2004年开始对银行信贷登记咨询系统完成升级改造，建成全国集中统一的企业征信系统后，中国企业征信业才真正开始起步。
经过十几年的发展，国内征信业在许多方面都有提升，但行业整体经营状况却不乐观。以北京地区为例，据人民银行营业管理部征信管理处对北京地区备案的40家征信机构2015年经营状况的统计分析，40家机构当年营业收入中企业征信业务只占总营业收入的46.14%，且行业整体亏损，40家机构净利润总共为-2558.17万元，其中企业征信业务净利润为-6570.25万元，可见是征信企业的征信业务亏损极大，当前国内企业征信现状不容乐观。
二、企业征信困难的原因
（一）主观因素
1、国内企业征信行业业务覆盖较窄
根据人民银行营业管理部征信管理处的调研统计，各征信机构的业务类型主要包括：企业征信报告、企业信用评分或评级、企业信用信息认证、企业商账追收及其他增值咨询服务等，其中以企业征信报告及企业信用信息认证服务为主。可见国内企业征信行业仍以征信为核心，以数据整理和报告呈现为主业，缺乏像美国企业征信业龙头邓白氏那样的行业寡头，邓白氏除提供传统的征信报告外，还联合费埃哲开发出小企业信用风险评分、中小企业“胡佛分析”等多样化的征信产品工具，变身进化为以提供企业风险管理和市场营销方案为核心的商业咨询机构。考虑企业作为社会组织的三大核心职能：财务、生产和营销，邓白氏作为系统解决方案提供商提供的风险管理和市场营销方案恰恰针对于企业的财务与营销管理的刚性需求，因此每一家企业都会成为邓白氏的潜在客户，也因此，邓白氏积累了二百多个国家不同行业的数亿家企业的多维数据。而对比国内征信公司的扁平化管理模式和經营策略，明显无法构成完整的业务模式链条，导致产品吸引力不大，公司亏损不断。
2、企业非结构化数据
从数据来源看，大数据企业征信公司主要是基于三个方面的数据：政府大数据、企业大数据和个人大数据。由于政府要对企业行使经济管理并对个人行使社会管理的职能，所以政府各部门分散着企业与个人不同维度的大量数据，故很多时候政府大数据的获取成为很多大数据公司获取数据的有效渠道。但正是因为征信机构对于政府大数据的渴求导致了政府与市场之间的数据信息不通车，无法形成一个完整的生态链，而由于国内征信企业数据集成手段不足、数据建模能力有限和数据产品方案稀少，不能打造体系完整的数据服务链条，这必然导致了利润和效率的滑坡。
（二）客观因素
尽管自从1993年以来，国家陆续启动了以“金”字命名的一系列国家级信息应用工程，国家社会管理的信息化和数据化有很大提高，但距离及时有效满足社会信用体系建设对各部门数据整合共享的需要还较远，覆盖全社会的征信系统尚未形成，不利于大数据公司企业或个人大数据库的建设。在企业征信的市场结构方面，由于实行备案制门槛低，众多企业不明就里涌入该领域，仅2014年就有26家第三方企业征信机构获得了央行颁发的企业征信牌照，截至2015年 6月，通过央行备案的企业征信机构为78家，到2017年 5月增长到130多家，众多企业分食有限的蛋糕。即使美国这样发达的征信国家，企业征信业务的规模仅为GDP的约1%，中国企业征信业务的市场容量的远景目标约为70亿元，考虑中国征信市场的不完善和央行对企业征信业务的资费调减，中国企业征信业务市场要比远景目标值低得多，当前的中国企业征信业务市场的涓涓细流，无法承担如此庞大的竞争企业，导致了竞争的市场结构导致企业规模偏小、边际成本高、规模效益差的结果，不利于行业整体发展。
三、政策建议
1、建立和不断完善企业级数据标准
希望国家秉承“数据管理标准先行”理念，在实践中探索形成了“数据标准制订与落地互动，基础类数据标准与分析类数据标准互通，数据标准在业务领域与IT系统落地并重的数据标准化方法论。在银行本级数据标准化方面，完善基础数据标准和管理分析类数据标准，使业务管理和系统建设有标准可依。按照统筹考虑、分步实施的原则，实现数据定义统一，促进仓库数据的集中与共享，支持业务发展，满足监管要求。
2、从国家政策出发，支持和鼓励各企业级机构整合内部结构化和非结构化数据资源
一是整合银行本级境内外数据，进行信贷、债券、资金、网银等业务数据入仓，建立海外数据集成区，实现海外分行数据集中整合。二是根据集团一体化管理要求，以集团一体化标准为抓手，逐步实现控股公司关键业务数据入仓，并与银行数据整合，支持集团一体化数据共享。三是利用大数据技术进行评审报告、合同文档、互联网信息、系统日志等内外部非结构化数据集成和处理，实现技术突破。
3、完善产业链，提升数据服务支持能力，形成良好的互联网金融生态链
一是构建统一数据交换平台，对全行数据交换进行统筹规划、调度，将生产环境到分析环境的单向数据供应变为双向数据互动，提升数据交换效率。二是构建业务数据集市，扩展专业数据支持能力。其中新建内部审计、财务绩效、管理决策支持、资产负债、客户服务与营销、产品管理、业务运行支持等数据集市，优化和提升监管合规、风险管理集市，为各业务条线提供专业数据服务。三是打造基于报表查询、应用服务、主动探索和数据挖掘四种大数据综合服务方式，新建数据主动探索系统，形成面向用户的数据语义层，提供数据探索和分析服务，提高数据使用的开放性和便捷性。
企业征信通过收集、整理、保存、加工自然人、法人及其他组织的信用信息，并对外提供信用报告、信用评估、信用信息咨询等服务，来帮助客户判断、控制信用风险，进行信用管理。市场经济依靠信用来搭桥，企业征信是减少市场经济主体之间信息不对称的重要手段，与发达征信国家百年以上的企业征信历史相比，中国企业征信实践要晚得多，自央行于2004年开始对银行信贷登记咨询系统完成升级改造，建成全国集中统一的企业征信系统后，中国企业征信业才真正开始起步。
经过十几年的发展，国内征信业在许多方面都有提升，但行业整体经营状况却不乐观。以北京地区为例，据人民银行营业管理部征信管理处对北京地区备案的40家征信机构2015年经营状况的统计分析，40家机构当年营业收入中企业征信业务只占总营业收入的46.14%，且行业整体亏损，40家机构净利润总共为-2558.17万元，其中企业征信业务净利润为-6570.25万元，可见是征信企业的征信业务亏损极大，当前国内企业征信现状不容乐观。
二、企业征信困难的原因
（一）主观因素
1、国内企业征信行业业务覆盖较窄
根据人民银行营业管理部征信管理处的调研统计，各征信机构的业务类型主要包括：企业征信报告、企业信用评分或评级、企业信用信息认证、企业商账追收及其他增值咨询服务等，其中以企业征信报告及企业信用信息认证服务为主。可见国内企业征信行业仍以征信为核心，以数据整理和报告呈现为主业，缺乏像美国企业征信业龙头邓白氏那样的行业寡头，邓白氏除提供传统的征信报告外，还联合费埃哲开发出小企业信用风险评分、中小企业“胡佛分析”等多样化的征信产品工具，变身进化为以提供企业风险管理和市场营销方案为核心的商业咨询机构。考虑企业作为社会组织的三大核心职能：财务、生产和营销，邓白氏作为系统解决方案提供商提供的风险管理和市场营销方案恰恰针对于企业的财务与营销管理的刚性需求，因此每一家企业都会成为邓白氏的潜在客户，也因此，邓白氏积累了二百多个国家不同行业的数亿家企业的多维数据。而对比国内征信公司的扁平化管理模式和經营策略，明显无法构成完整的业务模式链条，导致产品吸引力不大，公司亏损不断。
2、企业非结构化数据
从数据来源看，大数据企业征信公司主要是基于三个方面的数据：政府大数据、企业大数据和个人大数据。由于政府要对企业行使经济管理并对个人行使社会管理的职能，所以政府各部门分散着企业与个人不同维度的大量数据，故很多时候政府大数据的获取成为很多大数据公司获取数据的有效渠道。但正是因为征信机构对于政府大数据的渴求导致了政府与市场之间的数据信息不通车，无法形成一个完整的生态链，而由于国内征信企业数据集成手段不足、数据建模能力有限和数据产品方案稀少，不能打造体系完整的数据服务链条，这必然导致了利润和效率的滑坡。
（二）客观因素
尽管自从1993年以来，国家陆续启动了以“金”字命名的一系列国家级信息应用工程，国家社会管理的信息化和数据化有很大提高，但距离及时有效满足社会信用体系建设对各部门数据整合共享的需要还较远，覆盖全社会的征信系统尚未形成，不利于大数据公司企业或个人大数据库的建设。在企业征信的市场结构方面，由于实行备案制门槛低，众多企业不明就里涌入该领域，仅2014年就有26家第三方企业征信机构获得了央行颁发的企业征信牌照，截至2015年 6月，通过央行备案的企业征信机构为78家，到2017年 5月增长到130多家，众多企业分食有限的蛋糕。即使美国这样发达的征信国家，企业征信业务的规模仅为GDP的约1%，中国企业征信业务的市场容量的远景目标约为70亿元，考虑中国征信市场的不完善和央行对企业征信业务的资费调减，中国企业征信业务市场要比远景目标值低得多，当前的中国企业征信业务市场的涓涓细流，无法承担如此庞大的竞争企业，导致了竞争的市场结构导致企业规模偏小、边际成本高、规模效益差的结果，不利于行业整体发展。
三、政策建议
1、建立和不断完善企业级数据标准
希望国家秉承“数据管理标准先行”理念，在实践中探索形成了“数据标准制订与落地互动，基础类数据标准与分析类数据标准互通，数据标准在业务领域与IT系统落地并重的数据标准化方法论。在银行本级数据标准化方面，完善基础数据标准和管理分析类数据标准，使业务管理和系统建设有标准可依。按照统筹考虑、分步实施的原则，实现数据定义统一，促进仓库数据的集中与共享，支持业务发展，满足监管要求。
2、从国家政策出发，支持和鼓励各企业级机构整合内部结构化和非结构化数据资源
一是整合银行本级境内外数据，进行信贷、债券、资金、网银等业务数据入仓，建立海外数据集成区，实现海外分行数据集中整合。二是根据集团一体化管理要求，以集团一体化标准为抓手，逐步实现控股公司关键业务数据入仓，并与银行数据整合，支持集团一体化数据共享。三是利用大数据技术进行评审报告、合同文档、互联网信息、系统日志等内外部非结构化数据集成和处理，实现技术突破。
3、完善产业链，提升数据服务支持能力，形成良好的互联网金融生态链
一是构建统一数据交换平台，对全行数据交换进行统筹规划、调度，将生产环境到分析环境的单向数据供应变为双向数据互动，提升数据交换效率。二是构建业务数据集市，扩展专业数据支持能力。其中新建内部审计、财务绩效、管理决策支持、资产负债、客户服务与营销、产品管理、业务运行支持等数据集市，优化和提升监管合规、风险管理集市，为各业务条线提供专业数据服务。三是打造基于报表查询、应用服务、主动探索和数据挖掘四种大数据综合服务方式，新建数据主动探索系统，形成面向用户的数据语义层，提供数据探索和分析服务，提高数据使用的开放性和便捷性。