大数据征信之四:任重道远

简介: 在征信机构建立之前,个人的信用信息是通过商人自建的网络流传,这些网络是由亲属关系、婚姻关系、宗教关系和其他个人纽带形成的。或者,这些信息在商人内部集团传播,比如圆桌会议、协会和互助社团(例如,在德国建立的大型征信机构“信用改革”即始于1879年的一个互助社团)。
0.jpg


在征信机构建立之前,个人的信用信息是通过商人自建的网络流传,这些网络是由亲属关系、婚姻关系、宗教关系和其他个人纽带形成的。或者,这些信息在商人内部集团传播,比如圆桌会议、协会和互助社团(例如,在德国建立的大型征信机构“信用改革”即始于1879年的一个互助社团)。在所有这些例子中,信息分享权仅限于成员,没有人或者极少有人试图从提供的服务中盈利。但是,随着信用交易规模的扩大,自主调查的成本越来越高,效率越来越低;信息小范围的传播越来越达不到市场经济发展的要求。在经济发展的内在要求下,此类调查独立成一个专门的行业,即信用信息服务业,于是大型商业征信机构日渐崛起。

1999年,上海资信有限公司的成立标志着我国个人征信体系建设拉开帷幕;2002年,深圳鹏元公司获得开办个人信用征信及评级业务资格;2004年初,人行个人信用信息基础数据库开始筹建,并于2005年8月底完成与全国所有商业银行和部分有条件的农村信用社的联网试运行,2006年1月正式运行;2006年末,人行的个人征信数据库覆盖全国,为5.33亿自然人建立了信用档案,住房公积金和电信相关数据也已成功接入系统。在商业个人征信领域,除上海资信和深圳鹏元外,新华信等一些资信评估机构也把个人征信业务作为辅助性业务来做,但规模非常之小。由此可知:我国个人征信业虽然实现了很多零的突破,但由于刚刚起步,本土个人征信企业的供给能力严重不足,自身发展存在很多硬性约束,最为突出的是技术的落后和产品的单一。

技术落后导致征信中介机构发展缓慢

征信是技术含量很高的工作。征信技术主要包括数据采集技术、数据处理技术、模型评分技术和数据报告技术等等。就目前国内实情来看,征信技术非常落后,几乎没有自主技术。2002年,上海资信推出了信用风险评分业务。为此,上海资信与国外某资信公司签订了技术合作协议。从协议中可以看出上海资信付出了高昂的代价,其中包括:

(1)接受对方提出的排他性条件;

(2)承认对方提供的评分模型是一个黑匣子;

(3)每次使用都要向对方付费。撇开技术本身的优劣不谈,从长远来看,上海资信由于缺乏核心技术,付出了相当大的代价。这一现象具有普遍意义,凸显出我国征信技术落后的现实,值得深思。

产品单一导致信用信息服务供求双重不足

20多年跨越式、粗放型的发展模式给处于市场经济初级阶段的中国经济带来了不少弊端,国民经济和社会生活中存在一些亟待解决的矛盾。在这些矛盾中,与市场经济发展息息相关且比较尖锐的有两个:一是经济增长速度较快但质量不高,市场中存在大量失信违约行为,经济的可持续发展受阻;二是市场经济的日益发达带来了信用交易的繁荣,信用信息服务具有大量的潜在需求,但本土征信企业却不能提供丰富的产品和服务来激发这个潜在需求,征信无法满足信用交易的实际需要。

技术落后使得基础征信产品不成熟,高级征信产品缺乏。这不但限制了征信业本身的发展,也使征信业对金融业和其他行业的支持力度十分有限。由于产品单一,个人征信机构不能有效地帮助他们的客户了解市场、维持并开发客户关系;不能帮助消费者了解、管理和保护他们的个人信息并控制其生活关键阶段的财务事宜而增进消费者的金融健康。因此,产品单一使得征信市场供给匮乏;对于中国这样的非征信国家而言,征信企业供给不足则潜在需求无法转化为有效需求,整个市场就陷入了需求和供给双重不足且相互影响的恶性循环。

2004年2月10日,温家宝总理在全国银行、证券、保险工作会议上强调:积极发展专业化的社会征信机构,有步骤、有重点开放征信服务市场;2004年9月29日,国务院副总理黄菊在发给“征信体系公共政策”国际研讨会的贺信中指出:中国将积极发展专业化的社会征信机构,逐步开放征信服务市场。根据入世协定,个人征信业属于金融服务的第二大类必须逐步开放 。正是在这个宏观背景下,我国征信业几乎是在建立的同时就引入外资,有别于其他行业。目前,邓白氏(D&B;)、益百利(Experian)、艾可飞(Equifax)和环联(Trans union)全球四大征信机构已悉数进驻中国。由此可以预见:引入境外个人征信机构能够获得未来法律上的正式认可。事实上,很多地方政府已经为本地区个人征信业引入外资“验明正身”。政策支持是外资进入中国征信业的强大推动力。

下一步如何做?

目前国际主流的征信公司本质都是大数据公司。对数据的存储,处理,使用和增值的能力是新的核心竞争力。信用是目前最成熟的最被大众接受的数据产品形式。尽管有隐私的相关风险,但是大众还是普遍接受信用记录,信用分等等的数据由商业机构调查或使用。通过数据能力进行信用数据产品的生成基本成为该行业标配。对数据的驾驭能力将形成差异化的竞争优势。这一优势有助于公司提供差异化的数据服务给客户。这也给了一些IT技术服务提供商一个山鸡变凤凰的机会,就看大佬们是否能抓住了。

国内目前的数据公司很少,主要原因是人才跟不上。特别是交叉复合型人才。数学好的都去了美国,国内的人才数学基础普遍较差。金融口是对数据需求量最大的业务归口,但是金融相关和金融IT相关的人才更是沙里淘金。国内的金融业务的核心业务系统基本被外资垄断更是国内金融IT高端人才匮乏的现实例证。如何突破“卖服务就是卖人头”的困境,还需要有突破型的创新,现阶段的互联网金融基本还是做很基础的渠道业务,核心的创新寥寥,这也是未来3——5年新兴企业创业的机会。

最后,希望国内真正能够出现一家伟大的数据公司。任重道远。


原文发布时间为:2014-03-01


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
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 
相关文章
|
数据采集 大数据 区块链
大数据征信进入洗牌期,区块链或成新一代征信系统底层架构
区块链技术助推新一代征信系统体系建设。
1941 0
|
机器学习/深度学习 新零售 大数据
|
数据采集 安全 大数据
|
新零售 安全 大数据

热门文章

最新文章