摘 要：互聯網融資平臺利用大數據技術進行信用評級，提供融資服務已成為互聯網金融的重要形式。本文首先介紹了大數據形式的征信模式，然后探析了大數據征信系統(tǒng)的構建，最后對互聯網融資平臺在進行大數據征信時的技術性要求提出了建議。

關鍵詞：大數據；征信模式；建設

1 基于大數據的征信模式

在如今大數據技術迅速發(fā)展的時代背景下，基于大數據的征信模式有其獨有的優(yōu)勢，其征信模式有以下幾種類型。

1.1 基于運營大數據的征信模式

該模式多用于各商業(yè)銀行的網上銀行、P2P網貸平臺、眾籌平臺上，面對的客戶為個人及中小企業(yè)這一類信用水平較低的群體，融資金額從幾千元到上百萬，很大程度上彌補了信息不對稱情況下傳統(tǒng)金融機構不愿意對該類群體提供融資服務的空白，處于快速發(fā)展階段。招商銀行2013年推出的的"智慧供應鏈金融平臺"供應鏈上下游企業(yè)的訂單、應收賬款、存貨、運輸倉儲等信息可以通過該平臺進行分類歸集和傳遞到所需的供應鏈各方。銀行可以通過實時分析處理業(yè)務向下的額度信息、交易信息、資金信息、物流信息等各類數據。自動識別和控制信用風險?？蛻艨呻S時在線測算當前可以在招行申請貸款的金額，自主發(fā)起資金申請，線上智能化系統(tǒng)依據信用等級自動審批，實時放款。運用在線電子化的自動處理技術，降低了銀行原來的供應鏈融資門檻和手工處理成本。

1.2 基于交易大數據的征信模式

該模式多用于成熟的電商平臺提供的融資服務中，如阿里小貸、京東的京寶貝等。阿里通過電商平臺阿里巴巴、淘寶、天貓支付寶等積累了大量交易支付數據作為最基本的數據原料，再加上買家自己提供的銷售數據，銀行流水等信息作為輔助數據原料，匯總后輸入網絡行為評分模型，進行信用評級。京保貝的互聯網運營模式是基于數據沉淀的模式，對于待融資的供應商，京東建立出一套風控模型，通過數據來自行提供客戶管理、征信評估與風險評估。通過京東平臺沉淀的數據，供應商不再需要出示訂單、入庫單、應收賬款等作為融資的憑據，京東會根據該供應商的采購數據、銷售數據、網絡行為數據自行判斷該供應商的信用等級，進行云端挖掘來給供應商推薦合適的融資理財產品。

1.3 基于交互大數據的征信模式

該模式目前多用于一些互聯網科技公司平臺上，比如WeCash閃銀是一個基于互聯網的海量信息，通過大數據分析技術和機器學習算法，聚合形成用戶信用碼的新科技平臺，迅速快捷地將信用轉化成財富。閃銀基于強大的數據點基礎，可以三分鐘完成信用決策，繼而撮合投資方，大幅度降低資金供需雙方的信息不對稱和交易成本。這類融資平臺目前還處于萌芽階段，但可預見，未來基于交互大數據的信用評級會逐漸成為信用評級的主要方式信貸，會逐漸從個人及中小企業(yè)貸款發(fā)展到對大企業(yè)融資。

2 構建基于大數據的多層征信體系建議

2.1 明確互聯網融資平臺監(jiān)管政策，促成接入央行征信系統(tǒng)

由政府出面，盡快促成中國人民銀行牽頭制定促進互聯網金融健康發(fā)展的指導意見，明確互聯網融資平臺監(jiān)管政策，發(fā)揮央行征信的優(yōu)勢，讓其接入中國人民銀行的征信系統(tǒng)，使互聯網融資平臺能直接查詢和使用企業(yè)和個人征信系統(tǒng)的權威信用數據，減少信息審核成本和信用認證成本，提高信用評級能力。同時，因中國人民銀行的征信系統(tǒng)是基于互惠和全面共享原則建立的，互聯網融資平臺要提高自身信用數據的可靠性，實現標準化的信用評估，才能報送信用數據和使用中國人民銀行征信系統(tǒng)。這是對商業(yè)銀行報送的信用數據的重要補充，將更加全面客觀地評價用戶信用狀況，減小因數據不可靠和不全面造成的信用風險。

2.2 網絡金融征信系統(tǒng)（NFCS）的接入

目前互聯網融資平臺可以通過征信中心下屬的上海資信有限公司建成的網絡金融征信系統(tǒng)（NFCS）彼此共享信貸信息、防范信用風險。NFCS在征信業(yè)務和技術標準上與央行征信基本保持一致，為以后網貸行業(yè)納入央行征信做前期準備。目的是實現網貸企業(yè)之間的信息共享，讓網貸違約無處遁形；并且做為央行個人征信系統(tǒng)的補充，記錄線上線下融資的完整債務歷史。NFCS不僅收集并整理了互聯網融資平臺借貸兩端客戶的個人基本信息、貸款申請信息、貸款開立信息、貸款還款信息和特殊交易信息，還包括個人和企業(yè)的社交網絡信息、工商行政信息、互聯網金融交易信息、消費行為不良記錄，市場融資違約記錄等通過有效的信息共享，向互聯網融資機構提供查詢服務，幫助互聯網融資機構全面了解授信對象，防范借款人惡意欺詐、過度負債等信用風險。不過接入NFCS也有要求，首先會對平臺本身的資質進行全方位的審核。必須通過審核、排隊輪到之后才能接入NFCS。其次接入NFCS后也有個考察期才能獲得查詢權限。

2.3 互聯網融資平臺信用大數據庫的建立

在互聯網融資平臺的自身用戶數據的基礎上，與其他相關主體實現用戶數據資源共享，獲得不同企業(yè)、個人的大量特征數據甚至是實時數據，建立互聯網融資平臺用戶信用大數據庫。通過大數據分析，研究企業(yè)的發(fā)展趨勢以及還款意愿，并把所有的數據用于客戶身份認證、信用評估、風險分析等，由此構建用戶信用檔案，最終形成信息共享、信用評級、風險測度統(tǒng)一的基于大數據的征信體系?；ヂ摼W融資平臺用戶信用大數據庫的建立能有效降低信息獲取成本，解決信息不對稱問題。央行征信系統(tǒng)、網絡金融征信系統(tǒng)和其他互聯網融資平臺信用數據庫可提供用戶信用數據，而第三方數據挖掘處理公司和第三方信用評級機構提供相應的技術支持，與此同時還要注意和銀行、證券公司、擔保公司以及電商等的相互合作，整合一切可以利用的信用評級資源，來提高互聯網融資平臺的征信效率。

3 基于大數據庫的征信系統(tǒng)建立的技術性要求

3.1 與專攻數據采集挖掘的第三方機構的合作

互聯網融資平臺想要自行采集數據難度較高，采集成本高，并且技術上很難實現。可以由政府出面促成互聯網融資平臺與專業(yè)做數據采集和平臺構建的第三方機構合作，數據挖掘機構為大數據庫征信系統(tǒng)提供必要的技術支持，而互聯網融資平臺也可以將自身數據信息提供給實現數據共享和交換，促成大數據的挖掘和信息匹配，使互聯網融資平臺的項目在數量足夠多時，在較短時間內實現比較有效的交易撮合。

3.2 日常數據的采集挖掘整合

信息挖掘不同于簡單的數據集中、整理和分析，應主要將融資者的行為和項目本身所涵蓋的風險因素加以綜合評價，從中發(fā)現和判斷潛在的重大風險概率事件或虛假信息源，為融資決策提供依據。同時數據挖掘不是簡單的對存量數據的加工處理，而是在更大程度上創(chuàng)造新的價值信息，對社會融資人的具體項目進行信用評價。

3.3 實現信用評級的動態(tài)調整

依據第三方數據挖掘公司提供的技術支持，設立統(tǒng)一的信用大數據處理平臺，不僅要采集分析過往數據中的價值信息，也要專門負責日常數據的采集整合處理錄入，內外前后相結合，實現征信的數據化、自動化，從而對用戶的信用級別進行動態(tài)調整。

參考文獻

[1]孫中東.大數據技術應用與銀行信用評級體系創(chuàng)新之探[J].金融電子化，2013，（11）：40-41.

[2]蔚趙春，凌鴻.商業(yè)銀行大數據應用的理論、實踐與影響[J].上海金融，2013，（9）：28-32.

[3]趙付玲，安鋒，張曉鋒.大數據時代商業(yè)銀行信息化問題淺析[J].金融理論與實踐，2013，（10）：56-60.

[4]張學豐等.從信用評級體系看P2P平臺公司發(fā)展[J].知識經濟，2015（4）

[5]張翼.P2P網絡借貸平臺的信用模式比較與發(fā)展路徑研究[J].海南金融，2014（1）

作者簡介：劉亞嬌（1991-），山西臨汾人，山西財經大學2014屆金融學研究生。