10月25日，为期两天的“新启航 新产品——2015建投数据大数据解决方案发布暨核心客户研讨会”在北京成功举办。本次研讨会议由建投数据科技股份有限公司主办，汇聚来自全国各地数十家金融行业客户。会议分享了大数据在互联网征信领域的应用，建投数据在金融辅助营销和工业4.0这两个领域打造大数据应用实践。通过传播行业最佳管理实践，提供行业优秀解决方案，促进业内经验的交流，助力行业企业实现战略转型！
一、 互联网征信现状
今年互联网金融最热门的风口当属互联网征信了，特别是央行首发8张个人征信牌照以后，许多传统征信企业纷纷表示自己也是互联网征信或大数据征信，或者说，正在转型成为互联网征信或大数据征信。个人征信牌照尘埃落定，但小微企业征信方面仍然是春秋时代，百家争鸣。那些电商大佬因为掌握着自身供应链上的小微企业信息，转身做这些小微企业征信易如反掌，供应链金融也做得风起云涌，小日子过得不亦乐乎。更有甚者，这些小微企业征信数据，还可以通过大数据交易市场变现，为其他金融机构提供征信服务或大数据信息服务。同时，手上拥有企业交易数据或ERP数据的传统企业，也纷纷加入小微企业征信阵营。
一般来说，金融机构为降低风险，是征信服务的购买方，而且也非常愿意买单。另外，企业之间的经济活动，因为对交易对手不了解，也有可能购买对方的征信报告来了解对方。所以，征信行业盈利模式清晰，市场前景广阔。无论是做个人征信还是小微企业征信，互联网征信确是当前不错的风口，征信企业的估值一路高涨。据宏源证券预测，中国征信市场有千亿容量，目前个人征信加企业征信才20亿规模，天花板还远着呢！各种天使和风投也非常看好这个行业，整个行业显现出如火如荼蒸蒸日上的前景。
有人热炒，势必就有人泼冷水。央行征信局局长刘煜就曾表示：“个人征信市场千亿规模纯属炒作。”虽然目前互联网征信市场发展势头迅猛，但各征信平台所掌握的数据并不全面，有的只有交易数据，有的只有社交数据，对于借款人只能进行片面画像，购买第三方数据进行交叉验证成本又过高，加之缺乏对于借款人违约的处罚措施，使得违约成本较小，仍然有一部分借款人敢于违约，想法子钻空子违约。说互联网征信“然并卵”并不为过，对银行之外的那些风控水平较低小贷公司、P2P违约，在央行的征信系统里并不反映，甚至是某些人钻空子的大好时机。加上最近国内经济景气指数下降，某些地方房产和某些股票价值腰斩，房产与股票抵质押的违约率也有所上升。
从这些情况来看，传统风控手段的重要性从来没有降低，互联网征信市场仍然需要很长的时间去完善。同时，既然是互联网征信，成本降低是首要的，政府拥有的数据仍然需要进一步开放，拥有征信数据的各方也需要有更加开放的心态，还需要一套良好的共享与收益分配机制，才能把互联网征信市场向前更推进一步。
二、 小微企业征信痛点与解决方法
首先，我们应该认识到，小微企业征信，与传统企业征信是大不同的。一是成本不划算，如果用传统企业征信方法做小微企业，成本相同却收益甚低，这就是为什么大银行不太愿意做小微企业融资的主要原因。小微企业相比大中企业，财务报表不规范，也没有经过审计，可信度不高。加之小微企业管理也多不规范，企业的日常经营信息用传统方式难以获取，假订单、假工单、假货单的事情时有发生。二是速度慢，小微企业需要用钱时，银行贷款传统审批流程慢，等钱批下来，生意早跑了。
所幸的是，大多数小微企业多为大中型核心企业的供应链环节之一，通过从核心企业ERP系统中挖掘数据，能够提取出对应小微企业的经营信息。有了小微企业的日常经营信息，与其提供的财务数据进行交叉验证，基本上就能解决大部分银企信息不对称的问题，大大减少金融机构征信成本。所以，当前许多拥有ERP数据的核心企业、电商或是传统ERP软件供应商，也开始转型做供应链金融、做大数据征信。
除了从ERP采集小微企业的日常经营信息，还有其他许多途径能获得一些小微企业的信用数据。比如能够从政府查询到的企业工商信息、税务信息、违规违章、法律纠纷，以及央行提供的征信信息等。已经有一些取得企业征信牌照的公司，在获得企业授权后，能够提供以上信息查询或为金融机构提供相关征信服务。
综合以上企业经营信息和信用数据，以互联网为采集和供应渠道，用大数据思维重构商业模式，以大数据分析技术为方法，就可以做到以低成本、高效率地提供小微企业征信报告，完全解决了传统征信的成本不划算和速度慢等痛点。同时，大数据的高效洞察，为贷后监控和风险预警提供了低成本的实践模式。
三、 大数据征信
以大数据方法来做征信，需要从三个象限来分析。
第一个象限是企业基本信用。贷前审核时期用得最多。数据来源于央行征信系统、政府口提供的工商、税务、违规、法律纠纷，以及企业提供的法人信息、财务信息和实际控制人信息等。传统征信方法基本上只做到静态获取，即审核前一段时间的信息，而且以财务信息为主。而大数据征信需要从多渠道获得该企业数年的信息，来分析该企业（或个人）的信用趋势，从海量数据中找出信用欺诈、还款意愿等需要监测的行为与上万个数据维度之间的关联性，从而能够在短时间内做到欺诈甄别。
第二个象限是企业经营情况。贷前贷后都会大量使用。企业经营情况分析能判断经营发展能力、盈利能力、偿债能力等。贷前可用于风险定价及授信额度判断，贷后可用于监控及预警催收。企业经营情况信息可来源于企业自己的ERP系统、进销存系统，以及其上下游核心企业的ERP系统、供应链系统、电商系统，同时还需要物流、发票等第三方佐证。目前某些地方的国税和地税数据可以开放，通过增值税、营业税等信息也可以佐证企业经营信息。
第三个象限是行业或地区发展情况。第二个象限只能提供企业本身情况的纵向分析，第三象限能够提供企业所在行业或地区的横向分析。一个企业经营情况如何，未来会怎样，横向分析更能体现风险所在。比如第二象限分析出某企业毛利率为10%，而第三象限分析出该行业毛利率平均在15%，则可以判断该企业的经营能力在行业中算平均以下。又或者某行业在每年某月为销售旺季，而其中一个企业在该月销量平平，也可以判断这个企业经营能力存在一定问题。行业或地区发展情况可来源于行业协会、行业或地区分析报告提供商、工信部门各地中小企业局等。
这三个象限能全面地分析一家小微企业的信用与经营情况，并能从横向与纵向来判断企业能力和监测风险走势。这种分析能力，不是传统征信的静态报表，而是实时动态的快速判断与预警，在面向小微企业方面，能做到低成本、自动化、快速分析与预测，正好解决了小微企业征信面临的关键痛点。
当然大数据征信的判断准确性如何，与采集的数据来源、数据量、数据维度、数据颗粒度等角度强相关，目前基本上所有的征信企业都面临着相同的问题，就是上述各角度都不够完全，征信报告仅能从某几个角度反映出融资人的部分信用信息，金融机构仍然需要结合传统的线下风控措施。但大数据征信确实能帮助金融机构降低风控成本，已是不争的事实。
四、 大数据征信平台的构建与技术
由于分布式计算开源框架Hadoop在可伸缩性、健壮性、计算性能和成本上具有无可替代的优势，事实上已成为当前主流的大数据分析平台。但一些商用的大数据分析平台比如IBM InfoSphere BigInsights，则具有更稳定的架构、更优越的性能，和更安全的保护能力。商用的大数据分析平台还拥有更多的行业案例和众多业界顶尖的大数据分析工具和模型，可使得企业能够更快更精准地搭建所需要的大数据平台。
由于当前市场大数据人才需求旺盛，同时人才供给又十分缺乏和紧俏，所以从事大数据征信的企业是利用开源Hadoop自建系统，还是利用成熟的商用大数据分析平台来快速构建系统，这还得根据企业自身的情况和战略来决定。
五、 探索与实践
大数据征信虽然提供的是信息服务，但有着极强的金融属性。金融行业风控永远是第一位，所以大数据征信需要深入行业，并与金融机构的风控体系深度融合。从当前大数据征信实践来看，芝麻信用和拉卡拉信用等能够与交易场景相结合，并拥有积累多年的行业数据，又能与金融机构的风控抓手结合，为我们提供了最佳实践案例。
建投数据科技股份有限公司自创建时起就一直在大数据领域不断探索，目前在金融辅助营销和工业4.0这两个领域进行大数据深耕，打造工业4.0创新交易服务平台，既是工业业务管理平台，又是工业交易平台，同时还是金融平台，集合了大量的金融机构为平台入驻企业提供在线支付、在线融资、融资租赁和资产证券化服务。该平台使用大数据技术，与拥有企业征信牌照的企业合作，为平台生态链中的企业建立信用档案，基于企业基本信息、工业流程信息、交易信息、技术能力等，能够为金融机构提供入驻企业的征信报告，并能帮助金融机构进行贷后监管与交易控制。
