摘 要

信用是金融的核心部分，而征信工作是信用管理活动的主要开展方式，它是保证金融系统稳定运行的重中之重。近年来，中国的互联网金融行业快速发展，在数据挖掘、机器学习、分布式计算等大数据及人工智能技术的支持下，个人信用水平的评估可以通过分析庞大用户群的互联网行为来实现。在中国人民银行降低个人征信业务的准入门槛的背景下，大数据征信势必会为我国征信业与金融业的发展做出重要贡献。

大数据征信相较于传统征信具有创新性的意义。大数据征信通过对用户在网络活动中产生的大量信息与数据进行分析，能够更加科学地、多方面地评估用户的信用并且及时根据用户行为调整用户的信用水平，这是传统征信系统无法做到的。但是另一方面，因为大数据征信需要采集大量的用户数据，对这些数据处理如果不得当，将会带来一系列的问题，比如数据垄断、数据孤岛、隐私泄露等等。因此，探讨如何规范大数据征信工作的开展也是本文的一个研究目标。

本文按照以下逻辑进行研究：首先概述我国征信业发展现状以及大数据学科的发展现状，并介绍大数据征信所涉及的大数据技术及其与互联网金融的关系；然后，以国内首个较为成功的大数据征信产品——芝麻信用为案例，分析芝麻信用的征信体系是如何建立，为我国大数据征信体系的建立提供经验与借鉴；再然后，分析大数据征信可能带来的潜在风险，提出相应的应对措施；最后，对我国大数据征信的发展前景进行展望。

本文特色：（1）针对国内目前相对成功的大数据征信案例——芝麻信用进行了案例分析；（2）对大数据征信技术有较为深入的介绍，有助于理解大数据征信的能力范围，及其与互联网金融之间的关系。

关键词：大数据；征信；互联网金融；金融监管

Abstract

Credit is the core part of finance, and credit reporting is the main way to carry out credit management activities. It is the top priority for ensuring the stability of the financial system. In recent years, China's Internet finance industry has developed rapidly. With the support of big data and artificial intelligence technologies such as data mining, machine learning, and distributed computing, the evaluation of a netizen’s credit levels can be achieved by analyzing his/her Internet behavior. Under the background that the People's Bank of China has eased the restriction upon the entry for personal credit reporting business, big data credits are bound to make important contributions to the development of China's credit and financial industries.

Big data credits are more innovative than traditional credit. By analyzing the large amount of data generated in Internet activities by users, big data credits can evaluate users' credits in various aspects more scientifically, and adjust users' credit levels according to user behaviors in a timely manner. This is something that traditional credit information system is not capable of doing. But on the other hand, because big data credits need to collect a large amount of user data, if these data are not handled properly, it will bring a series of problems, such as data monopoly, data isolation, privacy leaks and so on. Therefore, exploring how to standardize the operation of big data credit is also a research goal of this paper.

This paper studies according to the following logic: Firstly, it summarizes the development status of China's credit information industry and the development status of big data disciplines, and introduces the big data technology involved in big data credit and its relationship with Internet finance; Secondly, a successful big data credit product in China, Zhima Credit, will be introduced and discussed as a case, in order to show how to establish a credit information system, and to provide reference for the establishment of China's big data credit system; then, the potential risks that big data credits may bring will be analyzed, and corresponding countermeasures will be proposed; Finally, this paper will look forward to the development prospects of China's big data credit.

This paper features: (1) A case study of the relatively successful big data credit case in China, Zhima Credit; (2) A relatively in-depth introduction to big data credit technology, which helps to understand the competence of big data credit and its relationship to Internet finance.

Keywords: online supply chain finance; development philosophy; RBS; risk management

目 录

摘 要 III

Abstract IV

第1章 绪论 1

1.1 研究背景目的及意义 1

1.1.1 研究背景 1

1.1.2 研究目的及意义 1

1.2 国内外研究现状分析 2

1.2.1国内关于大数据征信的研究 2

1.2.2国外关于大数据征信的研究 4

1.2.3研究现状评价 4

1.3 研究内容框架和研究方法 5

1.3.1 研究内容框架 5

1.3.2 研究方法 5

第2章 大数据征信在互联网金融中的作用 6

2.1大数据征信的内涵 6

2.1.1 大数据征信的内涵 6

2.1.2大数据征信的数据来源 6

2.2 大数据征信的技术框架 7

2.3 互联网金融监管的内容 8

2.4大数据征信在互联网金融监管中的作用 8

第3章 大数据征信的实例分析——芝麻信用 10

3.1芝麻信用的征信评估体系建立 10

3.2芝麻信用的评估指标 10

3.3芝麻信用评估体系 12

第4章 大数据征信存在的潜在风险与应对 13

4.1 大数据征信中存在的风险 13

4.1.1数据垄断 13

4.1.2数据孤岛 13

4.1.3数据安全与个人隐私问题 13

4.2针对大数据征信风险的应对措施 14

4.2.1制定和完善个人数据信息以及网络隐私保护法 14

4.2.2加快信息共享机制的建设 14

4.2.3发挥行业自律组织作用 15

第5章 总结与展望 16

5.1 总结 16

5.2 对我国大数据征信业的展望 17

5.2.1解决数据孤岛，完善大数据信息共享机制 17

5.2.2打造数据资源和处理技术竞争力 17

5.2.3创建征信商业生态 17

参考文献 18

致 谢 19

第1章 绪论

1.1 研究背景目的及意义

1.1.1 研究背景

通过国务院互联网政策的不断引导，各个传统行业的互联网化已经得到了飞速的发展。互联网金融的快速崛起意味着传统金融行业正在不断与新兴的互联网行业进行融合，互联网金融的意思就是根据互联网的技术、数据及信息来进行融资，在互联网金融中，本质是“金融”，方法是“互联网”，所以，互联网金融的本质与传统金融是相同的，维持其发展和稳定的根本都是征信体系。就大环境而言，已经可以通过分析互联网用户的数据以及信息进行征信。首先，以提供社交软件、电子商务、搜索引擎等传统互联网业务的提供商根据自己多年的积累，已经拥有了大量的用户数据及信息，现阶段，云计算以及大数据挖掘等技术也越来越完善，通过大数据对所积累的用户数据及信息进行分析，进而评估用户的信用风险；然后，自从互联网金融得到快速发展，个人征信的数据来源也更加广泛以及可靠；最后，微信上面的微众银行以及支付宝上面的蚂蚁金服等几大民营机构得到了央行的批准，可以进行个人征信业务，这意味着互联网征信开始受法律与政策支持。王冠（2015）自此以后，互联网金融要确保其如何健康稳定的发展，如何构建完善、成熟的网络征信体系。这是我国互联网金融现在急需解决的问题。

1.1.2 研究目的及意义

传统征信业务有着悠久的发展历史，但是，与互联网征信业务相比，存在着覆盖的人群较少、数据来源比较狭窄、评估结果准确度较低等缺陷。第一，通常情况下，传统征信服务需要依靠其他专业机构构建自己的征信数据库，然后定期向用户的信息与数据进行收集、整理，再通过此建立一套比较固定的评估模型，最后再根据这些模型来评估用户的信用风险，虽然在理论上评估模型属于动态的，然而在实际操作中，很难及时对模型中的数据项进行更新，并且拓展速度也很慢，进而导致用户的信用风险评估成为相对静态的，很难通过评估模型真实的反映出用户的信用情况；第二，在传统的用户信用评估体系中，存在过分依赖用户的财务数据和金融交易进行单一的评估，导致评估结果，无法真实的反映出用户的综合信用水平；第三，传统征信业务一般有着固定的数据获取渠道，而且获取渠道很少，这导致传统中心业务不能及时获取大量的用户数据及信息，很难对用户进行准确的评估，这也导致其只能拥有较少的覆盖面，总而言之，传统征信业务相较于互联网征信业务在服务水平以及产品研发上还有着极大的发展空间。

近年来，我国互联网各种技术都得到了快速的发展，而且越来越多的人开始了解并重视信用信息，这也加快了互联网征信的崛起速度。互联网征信业务的发展是对传统征信业务的创新与改革，互联网征信业务的出现将彻底解决传统征信业务中存在的各种弊端。第一，互联网征信是通过对用户使用互联网时产生的数据进行采集，这些数据其本身就是动态的，通过这些数据及时的对用户进行信用水平评估，能够真实的反映出用户各个阶段的信用水平变化；所以解决了传统征信业务存在静态数据的弊端；第二，互联网征信的征信渠道非常充足，例如用户的消费行为、社交关系、兴趣爱好等各种信息都可以当做用户信用风险评估的数据，与传统征信业务相比，更能真实地反映出用户的综合信用水平；第三，互联网征信有着丰富的数据来源，只要利用大数据搜索及挖掘就能够随时获得需要进行信用评估的用户数据，进而可以对用户实现全面覆盖。总体而言，互联网征信业务有着传统征信业务不能实现的技术以及服务，那么在未来征信业务中，互联网征信业务是必然的发展趋势。但是，互联网征信是近几年才兴起的行业，现在仍处于发展阶段，自身也存在着许多需要解决的问题，例如：征信机构在市场上如何定位、征信信息权利归属以及用户的权利和义务等，在所有的问题当中，互联网征信体系急需解决的问题有两个：一个是征信机构如何根据自己已有的数据构建征信评估体系。传统征信业务的核心内容是用户金融交易信息，用户财务数据作为其评估重点，评估模型也只涉及到了极少的数据项，是一种“小数据”评估，但是互联网征信业务的数据来源是用户所有的互联网行为数据，因此，其数量以及复杂程度都比传统征信大，所以，互联网征信要解决的第一个问题就是征信机构如何根据自己已有的数据构建征信评估体系。另一个问题是互联网征信的评估结果是否真的比传统征信的评估结果更能反映出用户的真实信用水平，互联网征信业务所关注的点与传统征信业务相比是不同的，互联网征信业务关注的是用户各方面的特质，例如：人际关系、兴趣爱好、财务情况等，财务信息只是其中的一个点。

本文的研究目的，首先在于介绍大数据技术在征信领域可以运用的运用的细分技术，并分析比较其与传统征信手段的优缺点；其次，针对我国目前相对成功的大数据征信案例——芝麻信用进行分析；再次，分析大数据金融存在的问题并提出应对措施；最后，展望大数据征信在我国互联网金融监管中的应用前景。

1.2 国内外研究现状分析

1.2.1国内关于大数据征信的研究

目前，全球的征信产业最开始上世纪的六七十年代，属于全球经济一体化和信贷产业的产物。我国的征信体系建设，可以追溯到上世纪30年代初。1932年6月6日，我国第一家信用调查机构———中国征信所，在上海宣布成立，标志着中国征信业的开端。我国征信体系在受人民银行主导前，主要呈现出以下集中特点，即国内市场规模化相对比较小，征信市场管理缺少规范化和科学化，以及存在市场严重被分割的情况。虽然，近些年来征信市场在人民银行的引导下出现了极大的改善，但是依旧还存在着诸多的问题，还有着较大的发展空间。互联网征信就是通过以互联网技术和电子计算机技术为基础的电子商务凭条和机构，借助网络实现对网络主体数据的收集和处理，最终完成信用行为、水平和轨迹等方面的整体评定和描述。改革开放近40年，我国征信业已经初具规模。但是大数据在国内是一个较为新兴的领域，而将大数据应用于征信工作就更是近年才有的研究方向。学界一批影响力较大的文章均诞生于2014年左右。吴晶妹（2013）提出构想，认为未来中国的征信体系将由三大数据体系构成：金融征信体系、行政管理征信体系和商业征信体系。针对我国互联网金融监管体系的现状，李金欣（2016）表达了自己的观点：由于国家法律与有关部门监管的缺失，互联网金融行为缺乏明确的制度约束，从而导致网络融资平台的信息披露透明度低。因此针对互联网金融的监管有很强的必要性。

大数据征信与大数据风控的关联紧密。孙国峰（2017）对大数据风控有着自己的见解，他指出大数据风控有能力处理更加复杂、更多维度的数据。我国其实已经有了应用大数据征信的经验，不过是在传统的银行业。石勇、陈懿冰（2014）指出，中国人民银行个人信用评分模型就是大数据挖掘技术在风险管理中的典型应用。而面对西方国家已有的先例与经验，刘新海与丁伟（2014）对美国的Zest Finance公司进行了简要介绍,分析大数据征信产生的背景，剖析大数据征信技术，并全面客观地阐述了大数据征信技术对于中国互联网金融和征信业未来发展的借鉴意义。大数据对征信体系的影响不仅限于工作方式与技术手段。此外，刘新海（2015）还研究了大数据挖掘在银行业中的应用，并指出大数据挖掘的成功案例之一是国际商用机器公司（IBM）。

未来，金融安全在一定程度上需要大数据技术的支持。李伟（2018）指出，2008年国际金融危机的一个深刻教训便是存在数据缺口。冯笑、陈翼（2015）分析了大数据征信的特点及优势与可能限制大数据征信的因素。石红英（2018）认为，大数据在为征信业发展提供海量数据的同时，还促进了征信数据分析方式和判断方式的改变，进而引发征信生产理念和产品设计发生巨大变化。与此同时，技术本身的缺陷以及使用的不规范，都可能带来一些风险。对此，方增平与叶文辉（2015）认为，在互联网征信机构发展进程中,存在法律法规不健全、准入限制和监管标准不明确、信息安全存在风险隐患、信用数据难以实现共享等问题。今后,应完善征信法律法规体系,加强对互联网征信机构的监督管理,强化对信息主体的权益保护,构建信用信息共享机制等,以推动互联网征信机构健康有序发展。关于金融监管，刘奎宁（2018）提出了穿透式监管和浸透式监管的概念，即监管人员也要懂技术，不可以对技术人员听之任之，监管人员要对技术实现有总的把握。谈静（2018）对大数据技术在金融行业的应用进行了现状分析与未来展望。

1.2.2国外关于大数据征信的研究

国外征信市场的建立已经有较长的时间，对其研究也有了较长的时间，通过对征信企业的研究，有着丰富的征信实践和理论相关研究和成果，对我国征信体系的建立具有极大的借鉴作用。国外最早的研究从上世纪美国开始的，在上世纪中期，通过对民间征信的实践操作进行研究，进而对整个征信体系建立开展研究分析；到了20世纪80年代，征信体系市场的不断扩大，越来越的征信机构如雨后春笋般的大量出现，学术界对征信体系的研究开始向着相关法律法规建立的方向进行开展研究；到了20世纪90年代以后，学术界研究的内容逐渐从法律健全向着征信模式的方向转变，通过研究分析，当前征信模式主要有三种，即公共、民营和会员制征信。Gowda, Suneetha（2017）与Bing, Fang （2016）发表了最新的大数据挖掘技术的成果。而对于大数据对金融市场监管的应用，也已经有可观的成果。O’Halloran, Maskey, McAllister, Park and Chen（2015）指出，研究了基于自然语言处理与机器学习技术，运用已有法律法规对金融市场进行监管的方法。米勒（2004）在《征信体系和国际经济》一书中指出，在进行西方国家征信体系发展和规律研究时，采用的总结归纳方式为数理统计法，再配上信用信息数据库的辅助，指出采用公共信用信息模型更有利于市场风险的宏观调控和贷款收入的增加，而私人信贷信息的采用能够使信用信息在收集和完善方面提供更加有力的帮助，是信用信息数据库更具有完整性。杰因茨（2009）在《金融隐私——征信制度国际比较》中文章中对金融隐私的经济学和监督管理进行了深入的研究，通过美国和欧盟的征信体系的对比分析，从设计到功能，对公共信用信息系统和私人信用信息系统两种信用信息模式进行了综合评价，本文论述了信用信息产业的历史和组织结构以及信息市场的竞争。最后，对实体经济在信贷的影响下出现的变化进行了分析。国外对信用制度模式的研究比较丰富，其研究的重点主要为公共信用和私人信用制度模式之间的异同。同时，还对不同国家的征信体系进行了深入的研究，比较了其存在的不同以及原因，并指出了不同国家应该选择何种征信体系模式。

1.2.3研究现状评价