互聯網人口紅利區已經過去,獲客成本增大,用戶對產品的要求也越發提高,高價值和低成本服務是當前的壹種趨勢。其中,企業服務致力於為企業在生產,銷售和溝通等環節提高效率,降低成本,受到越來越多的資本青睞。
隨著人工智能對行業的滲透,以及數據量的劇增,越來越多的企業服務產品正利用人工智能,大數據等相關技術提供更智能服務,大數據作為人工智能模型中的訓練"糧食",占據重要位置,如何挖掘和利用企業數據,是做好企業服務的壹個重要途徑,企業大數據來源主要有以下幾個方面:
a.企業內部數據化檔案,例如人事資料,紙質化資料等;
b.企業自產數據,例如企業內部OA,ERP和CRM系統所沈澱下來的客戶數據,辦公數據,生產經營數據,社交數據,電商數據,支付數據,供應鏈數據等;
c.企業信用數據
政府公開數據-比如工商的企業信用信息公示數據,失信被執行,被執行數據,裁判文書,開庭公告,法院公告,稅務數據,動產融資數據,招投標,司法拍賣數據等,專利商標,行政處罰等數據。互聯網公開數據-比如新聞數據,招聘網站數據,上市披露數據。
征信概述
1.征信定義
征信壹詞源於《左傳·昭公八年》中的“君子之言,信而有征,故怨遠於其身”。其中,“信而有征”即為可驗證其言為信實,或征求、驗證信用。現代征信是依法收集、整理、保存、加工自然人、法人及其他組織的信用信息,並對外提供信用報告、信用評估、信用信息咨詢等服務,幫助客戶判斷、控制信用風險,進行信用管理的活動。
2.政策/技術/市場環境分析
政策
中國社會由熟人社會慢慢轉變為陌生人社會,信用風險和信用危機也隨之產生,加快信用體系建設迫在眉睫,然而,行政過程中尚未全面建立起“守信激勵、失信懲戒”的機制,《政府信息公開條例》雖然已對政務信息公開作出了具體規定,但執行過程中,政務信息的公開尚不全面,部分信用信息的缺失,削弱了信用信息的完整性,不利於形成準確的信用狀況判斷.
技術
其次,互聯網時代早已成為大家***識,企業和個人在網絡上留下的大量數據,為征信帶來了數據基礎,且隨著大數據,雲計算,人工智能的發展,為智能化征信提供了技術支撐。
市場
另外,我國市場經濟體制建立的時間不長,全社會信用意識和社會信用環境還比較薄弱。為爭取經濟利益而失信的行為時有發生。這既有信用意識淡薄的原因,也有失信成本過低的原因。征信作為金融的壹個重要組成部分,是風險控制的核心,隨著互聯網金融的快速發展,適應互聯網,大數據征信模式也營運而生,也亟需建立完善的征信制度來為征信發展保駕護航。
3.國內外征信模式
我國的征信出於初級階段,目前國際上的征信模式主要有以下幾種
a.市場主導型,美國,Equifa、Experian和TransUnion三大管理局按照市場經濟的法則和運作機制,並對外提供服務給貸款授信企業,英國是P2P的發源地,以Zopa為代表網絡貸款平臺根據風險和利率水平促成借貸雙方完成交易、使借貸雙方都***同獲益,在某種程度上發揮了信用中介職能。
b.政府主導型,德國,中國。以中國為例,主要是以政府主導,授權中國人民銀行征信系統創建,收集,維護和整合全國部分企業和個人征信,目前已經覆蓋了銀行機構,法院,電信,社保,小額貸款等機構數據,目前覆蓋個人和企業的數量上壹直維持著增長勢頭,從2015年4月的8.64億自然人、2068萬戶企業及其他組織增加到2017年5月的9.26億自然人、2371萬戶企業及其他組織,中國大陸將近14億人,企業及其他組織數量也在不斷增加,征信系統覆蓋範圍還有很大的增長空間,總體上來講,對企業的數據覆蓋度不夠,難以滿足當前各種創新的金融模式對企業征信的需求。
c.行業協會***享,行業會員制,分享數據,並以行業協會為核心建立信用***享中心,加入協會的組織可以***享數據,並提供壹定的數據支撐,以此擴大協會的數據源。
d.混合型,韓國、印度為例,以政府和市場混合,協同發展。
4.征信產品模式
征信行業的產品模式主要有按業務模式劃分的企業和個人征信,按服務對象劃分為信貸征信、商業征信、雇傭征信以及其他征信,各類不同服務對象的征信業務,有的是由壹個機構來完成,有的是在圍繞具有數據庫征信機構上下遊的獨立企業內來完成。按征信範圍可分為區域征信、國內征信和跨國征信等。
5.征信行業產業鏈
征信產業鏈包括上遊的數據生產者、中遊的征信機構及下遊的征信信息的使用者,其中中遊的征信機構運行模式主要有采集數據、加工數據及銷售產品。數據供應商主要包括銀行等金融機構、政府部門、工商企業和個人,幾乎涉及人們生活的方方面面。征信機構從數據供應商處獲得數據通過壹定的模型進行加工處理得到信用評級結果,然後進行服務輸出。征信報告使用方主要有房地產商、招聘企業、P2P平臺、金融機構等,多數發生在個人購房和購車、個人小額信貸、企業信貸、債券買賣等場景。
6.面臨問題
1.征信監管和法律健全亟需提高,政府信息公開有待加強,征信法律法規不夠完善;
2.數據處理算法計算能力有待提高,隨著大數據與征信的結合,對數據的處理,分析和建模能力提出了更高的要求,才能更好的挖掘出企業信息價值。
3.信用信息安全問題嚴峻,雖然國家壹直在出臺政策保護征信數據,但個人,企業的隱私數據安全面臨十分嚴峻的挑戰,催生了巨大的黑色產業發展,由此帶來了金融詐騙,電信詐騙,網絡詐騙,木馬病毒竊取隱私數據進行交易獲利等違法犯罪活動。
7.大數據征信與傳統征信的區別
1.覆蓋群體更豐富,隨著網絡的普及和互聯網金融的大力發展,更多的人或企業將會留下數據到相關平臺,擴大了征信覆蓋的群體。
2.數據來源更廣泛,傳統征信的數據來源比較單壹,但大數據征信會整合互聯網公開半公開數據,第三方機構合作數據以及自由數據,數據來源變得更加廣泛。
3.數據價值的深入挖掘,隨著大數據和人工智能在征信行業的運用,機器學習,NLP,文本抽取等技術對企業數據的挖掘更加深入。
企業信用數據的行業運用
1.信貸風控,金融的核心是風險管理,目前主要由政府信用公示機構,比如國家企業信用查詢網,中國失信被執行網,中國被執行信息網,法院網,信用中國等公開查詢數據,為信貸金融機構提供貸前,貸中,貸後的信息查詢,信用報告和監控等服務。
2.融資租賃,為融資租賃公司提供融前盡調,融後監控服務,提高工作人員效率,並通過集團化賬號系統深入各個業務部門,提升工作質量和效率。
3.信用評級,根據企業的工商,法務,新聞,經營,債卷等多維度數據,對企業進行信用評級,常見的是債券評級.
4.供應鏈金融,圍繞核心企業,管理上下遊中小企業的資金流和物流,並把單個企業的不可控風險轉變為供應鏈企業整體的可控風險,通過立體獲取各類信息,將風險控制在最低的金融服務。
5.其他,比如招聘,商業調研和律所。
企業征信的未來展望
1.數據***享
數據作為征信和風控行業的核心資產,也是構建信用社會的基石,過分孤立或過分***享都不利於行業發展。所以,如何在實現***贏,保護隱私的基礎上做到數據***享,打破數據孤島,打通各個平臺的數據通道,讓不同的數據匯集在壹起,***同打造征信體系,是未來的發展趨勢。
2.挖掘數據價值
隨著大數據征信技術的不斷發展,征信產品將從信息的初次挖掘向深層次挖掘發展。初次挖掘是指圍繞企業相關數據,通過自身爬取入庫,第三方API接口或數據合作等方法整合並進行數據匯總分類,並以信息報告,圖片等方式簡單羅列呈現。深層次挖掘是將收集到的數據與征信專業知識相結合,構建風險識別與量化,規則引擎,企業關聯圖譜,數據可視化等產品,對數據進深度挖掘,從而深化征信產品與服務,提高征信產品的專業性。例如利用企業工商信息,建立企業關聯網絡,當網絡上某壹企業出現負面信息時,能夠迅速識別風險並預警其他企業,並根據風險情況量化預警等級。
3.提供垂直,細分領域服務
隨著征信市場規模的不斷擴大,部分征信機構基於自身特點及優勢,開始出現專註於某壹細分領域或某壹業務環節提供具有針對性、定制化的征信產品服務的趨勢。例如提供爬蟲技術,壹站式爬取,清洗,整合和入庫;針對新聞的輿情監控服務;提供企業獲客服務,為金融機構篩選優勢客戶,實現精準營銷;提供企業金融服務,比如理財,融資,支付和信貸;提供C2B,B2B的股權投資撮合平臺等。