企业级征信市场破局:阿里、借贷宝大数据“奠基”

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

数据显示,2015年末我国中小企业已经接近7000万家,中小企业信贷虽然是一个万亿级的蓝海,但限于成本、风控等因素,银行始终缺乏可靠的外部标准和方法去拓展这个市场。

金融机构面对着复杂的经济环境,亟待另外的一套坐标来协助他们决定 “该把钱借贷给谁”。在如此强大、紧迫需求的促使下,征信市场在这两年发展迅猛,内藏能量不容小觑。

有机构预测称,未来中国的征信市场,有望达到千亿规模。但这一市场,单单依靠传统征信机构,或是几家互联网巨头是远远无法满足总量以及创新性需求,更需要更多的具有创新能力,更加着力于长尾小微需求的大型专业机构加入来专研做大这一蓝海市场。

“正规军”铺路

征信是指某一机构对企业、事业单位等或者自然人的信用状况和有关信息进行系统采集、整理和加工,并提供给信息使用者的活动。传统征信模式,即由人民银行主导设立的社会征信系统和金融征信系统,是国内目前最全面的数据库。它的特点是数据权威性高、数据安全性强,并采用会员制进行数据查询。

实际上,国内无论是企业征信还是个人征信,都还处在非常早期的阶段。监管层目前的态度整体上遵循的是企业征信先行,个人征信相对比较谨慎。

近两年来,央行对于企业级征信市场的推进力度可见一斑。2015年年初,央行便印发了《关于做好个人征信业务准备工作的通知》,要求八家民营征信机构做好个人征信业务的准备工作,征信体系建设也受到广泛关注。数据上,截至2015年9月底,央行征信系统已经收录8.7亿自然人和2102万户企业及其他组织,基本上接入了所有商业银行、信托公司、财务公司、租赁公司、资产管理公司和部分小额贷款公司等,部分保险公司信用保险业务开始接入,基本覆盖各类放贷机构。这些数据主要是以银行信贷信息为核心, 企业征信数据主要能反映的是在传统金融机构上有信用活动的那部分,这部分数据虽然算不上全面、具体,但好在可以全国通行通查,也算是为企业征信的大数据生态奠定了一定基础。

“游击队”补足

但对照目前国内企业市场的整体体量就可知,被纳入央行系统的这部分企业征信数据显然不能全面反映目前企业市场的真实状态。国家工商总局的数据显示,截至2015年上半年,中国登记注册的企业总数已经突破2000万户;如果把个体工商户也统计在内,则实有企业接近7420万户。由于尚未建成完善的信息共享系统,使得这些企业陷入“信息孤岛”状态,很难方便快捷、低成本地获得急需的资金支持,也因此制约了企业的整体发展。

过去,一些发展不错的公司,尤其是靠工艺、技术生产的中小微企业很难获得授信,银行的理由很简单:这样的企业没有多少可供抵押的实物资产,但实际上,这些企业往往是国民经济中最为活跃的市场主体,也是国家最为支持、金融机构最该“补血”的部分。这一偏差的产生,企业信用信息“供给”不足是关键环节,而商业银行等金融机构想要补足这一环节,就需要在信贷业务上与民间信用服务商合作,最常见的就是与互联网电商征信、社交平台征信展开合作。

近年来,金融机构寻求合作者,最常见的就是与互联网电商征信、社交平台征信展开合作,最具代表性的机构就是蚂蚁金服的芝麻信用和依托8亿QQ用户、3亿微信用户的腾讯征信。以芝麻信用为例,它依托阿里巴巴集团具有包括用户网购、还款、转账和个人信息等方方面面的数据,在数据挖掘上依托阿里巴巴旗下的多个领域和产品拓展。而传统金融机构结合这些数据,就能够结合其生态,打造专门的信贷产品,来服务更多的企业级用户。

“创新兵”破局

有了民间机构的补足,企业征信信息的来源就足够了吗?答案肯定是否定的。

最明显的一点缺憾就是,无论是海量的电商交易数据、社交生态数据,都不是直接对标企业市场的,也不是与金融交易直接相关的。这些数据在应用时,都需要比较特定的场景,也具有一定的偏差度。那么,什么样的信息数据是最适配与企业征信市场的?金融专家们认为,普惠金融市场数据,以及创新机构的参与,或许必不可少。

近年国内非银机构快速发展,小贷公司、P2P这样的互联网金融公司大量涌现。传统金融机构照顾不到的一些中小微企业用户,往往正是这些机构的长期用户,而且这些机构上存留的,就是企业的信贷数据,它们的数据量或许比不上电商或是社交平台,但这些资源的优质度、有效性,都要高于一般征信平台。

网贷平台专注于企业级市场的其实不少,但全国性的平台不多,受制于资产端资源的匮乏,很多平台都受地域、行业限制,影响能力非常有限。而2016年涌现的、也是较为具有创新性的平台,就是将熟人借贷的理念嫁接到中小微企业融资领域的借贷宝企业版,它利用了移动科技与社交金融结合的新理念,尝试从另一战线切入,在解决这些中小企业融资问题的同时,也从信贷市场的大生态中,深耕并分割出一个专门为“企业信贷”而服务的征信市场。

虽然,受制于发展时间不长等因素,“借贷宝模式”所展望的这一企业征信市场还没有完全形成,但已有不少业内人士断言,“借贷宝企业版”或许将成为当下企业征信市场破局者。

国家发改委副主任、中国中小微企业协会会长李子彬就认为,借贷宝企业版是发展企业信用贷款的一项重大创新。这一平台的数据如果能填补中小微企业的信用数据空白,对银行和投资机构来说将是很宝贵的资源。而银行人士也表示,与借贷宝这样掌握数据挖掘优势的平台建立联盟关系是大势所趋,或许是传统金融业未来发展的必然选择。





====================================分割线================================


本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
7月前
|
人工智能 数据管理 Serverless
阿里云数据库走向Serverless与AI驱动的一站式数据平台具有重大意义和潜力
阿里云数据库走向Serverless与AI驱动的一站式数据平台具有重大意义和潜力
451 2
|
7月前
|
人工智能 运维 Cloud Native
、你如何看待阿里云数据库走向Serverless与AI驱动的一站式数据平台?
、你如何看待阿里云数据库走向Serverless与AI驱动的一站式数据平台?
201 2
|
1月前
|
数据采集 分布式计算 OLAP
最佳实践:AnalyticDB在企业级大数据分析中的应用案例
【10月更文挑战第22天】在数字化转型的大潮中,企业对数据的依赖程度越来越高。如何高效地处理和分析海量数据,从中提取有价值的洞察,成为企业竞争力的关键。作为阿里云推出的一款实时OLAP数据库服务,AnalyticDB(ADB)凭借其强大的数据处理能力和亚秒级的查询响应时间,已经在多个行业和业务场景中得到了广泛应用。本文将从个人的角度出发,分享多个成功案例,展示AnalyticDB如何助力企业在广告投放效果分析、用户行为追踪、财务报表生成等领域实现高效的数据处理与洞察发现。
55 0
|
4月前
|
分布式计算 大数据 数据处理
【大数据管理新纪元】EMR Delta Lake 与 DLF 深度集成:解锁企业级数据湖的无限潜能!
【8月更文挑战第26天】随着大数据技术的发展,Apache Spark已成为处理大规模数据集的首选工具。亚马逊的EMR服务简化了Spark集群的搭建和运行流程。结合使用Delta Lake(提供ACID事务保证和数据版本控制)与DLF(加强数据访问控制及管理),可以显著提升数据湖的可靠性和性能。本文通过一个电商公司的具体案例展示了如何在EMR上部署集成Delta Lake和DLF的环境,以及这一集成方案带来的几大优势:增强的可靠性、细粒度访问控制、性能优化以及易于管理的特性。这为数据工程师提供了一个高效且灵活的数据湖平台,简化了数据湖的建设和维护工作。
64 1
|
5月前
|
存储 搜索推荐 数据建模
阿里巴巴大数据实践之数据建模:构建企业级数据湖
阿里巴巴通过构建高效的数据湖和实施先进的数据建模策略,实现了数据驱动的业务增长。这些实践不仅提升了内部运营效率,也为客户提供了更好的服务体验。随着数据量的不断增长和技术的不断创新,阿里巴巴将持续优化其数据建模方法,以适应未来的变化和发展。
|
7月前
|
人工智能 数据管理 大数据
阿里云数据库走向Serverless与AI驱动的一站式数据平台是一个很有前景和意义的发展方向
阿里云数据库走向Serverless与AI驱动的一站式数据平台是一个很有前景和意义的发展方向
108 2
|
6月前
|
存储 分布式计算 专有云
MaxCompute产品使用问题之阿里公有云的数据如何迁移到阿里专有云
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
67 10
|
7月前
|
人工智能 Cloud Native 数据管理
阿里云数据库:向Serverless与AI驱动的一站式数据平台迈进
众所周知,在人工智能迅猛发展的现在,在AI驱动下的数据平台,正在向一站式、智能化的方向演进,还有就是云原生+Serverless的不断深入,一站式数据平台将让数据管理开发像“搭积木”一样简单实用,以性价比更高、体验更优的云数据库服务,助推用户业务提效增速。据悉阿里云数据库正在朝着Serverless与AI驱动的方向发展,构建一站式、智能化的数据平台,这一发展趋势将为用户提供更简单、实用的数据管理开发体验,以提高业务效率和降低成本。那么本文就来分享一下如何看待阿里云数据库的这一转变,并展望云原生和Serverless对数据管理与开发的未来带来的更多可能性。
147 1
阿里云数据库:向Serverless与AI驱动的一站式数据平台迈进
|
7月前
|
人工智能 运维 数据管理
阿里云数据库走向Serverless与AI驱动的一站式数据平台
阿里云数据库走向Serverless与AI驱动的一站式数据平台
327 2
|
7月前
|
分布式计算 大数据 数据处理
大数据开发企业级案例__某通信企业数据处理需求(建议收藏)
大数据开发企业级案例__某通信企业数据处理需求(建议收藏)
69 0