܄

大数据征信能否会成为中国普惠金融的必然之路?

【数据猿导读】 数据正成为一切社会组织运行的基本要素,其战略意义将超过土地、人力、技术和资本。这标志着人类社会正在向智能社会转型,使这个时代的人们面临着前所未有的挑战和机遇

大数据征信能否会成为中国普惠金融的必然之路?

目前我国各地金融风险不断爆发,依靠行业自律、投资者教育、法规监管等一系列外部手段起到的风险防控作用似乎一直是亡羊补牢,如何从根本上解决问题,预防风险,成为了政府和行业最关心的问题。在此背景下,大数据+金融应运而生。

6月11日—12日,和讯河南在2016郑州国际互联网+金融博览会上了解到,河南第一家利用大数据为金融与社会管理提供创新性信用服务的专业机构——“金电郑投”引发了广泛关注。

这家公司由郑州市政府与金电联行(北京)信息技术有限公司共同成立,金电郑投拥有中国第一个自主知识产权的大数据信用技术体系,拥有云数据挖掘、云信用计算和云结构服务三大核心技术,通过对信用主体行为数据全自动、全天候挖掘、分析与评价,以及实时跟踪监测,实现信息采集、数据运用、分析计算、评价结果和风险预警,从而建立一套客观信用评价体系,从中小微企业融资入手,改变了以抵押担保为主的传统信贷方式。

据金电郑投总经理连中峰介绍,在传统的信贷关系中,中小微企业普遍存在着规模小、资产少、内部治理和抗风险能力弱等问题,银行向其放贷时信息不对称,这些企业无力还贷时政府出面协调与救助的概率低,而解决问题的关键,在于打通中小微企业和银行之间的通道。

大数据,成为了破除企业和银行之间壁垒的“新管道”。在大数据时代,信用的本质发生了颠覆性改变——被量化并趋于客观、真实。

欧美市场的信用融资早已成熟,在美国,FICO占领着99%的信用评分市场和绝大部分发达国家的信用评分市场,但目前的趋势是,硅谷越来越多的科技企业开始向金融圈进军,其势头如同多米诺骨牌,不断推向传统金融业的要害。

FICO中国区总裁陈建在2016中国(杭州)“互联网+”金融大会上曾指出,对中国市场来说,大数据云评分是中国普惠金融的必然之路。在中国,蚂蚁金服旗下独立第三方征信机构——芝麻信用被认为是大数据云评分的典型代表。他认为,芝麻信用等市场化征信机构正在进行大数据征信的实践,已经在多种商业场景中取得了不错的效果。

2014年7月25日,中国人民银行营业管理部召开征信机构工作会议,金电联行获得了央行授予的企业征信机构牌照。这被认为,此举标志着征信行业又向前迈出实质性的一步。

在金电郑投的实验室里,有着一支20余人的来自清华大学数学系的博士团队,经过数学建模,共形成了1000多个指标项数据模块,在实际应用到的也有将近500个。这些指标项环环相扣,形成了大量的数据网络。把这些看似繁杂的明细数据,规律整合,然后再应用起来,建立了各个行业的客观信用体系。

大数据的另一大核心价值是对未来趋势的预测,大数据信用可以实现量化的风险预警。

金电郑投创建的“客观信用评估体系”给企业和银行全面“把脉体检”。通过大数据深度挖掘,能够帮助金融机构量化贷后监管,实现风险预知和风险抑制。大数据信用为金融机构控制和防范风险,其周期可以提前3-6个月,这大大提高了金融机构的风险防控能力。

除此之外,大数据还可以提高政府区域性的风险防范能力,譬如与产业集聚区合作,对入园的企业通过大数据做一次全面的“体检”,从而让政府对那些“不合格”、“不健康”的企业“对症下药”,为科技型园区的企业做风险评估,以便对这些企业的资金应用效率和风险做出预判。

据了解,金电联行已与北京、上海、浙江、山东等省市在金融风险管理和数据化社会管理等多个方面都有不同程度的合作。“如今落户郑州,将在今年成立郑州大数据交易所,使数据资产化能够最终落地成型,帮助政府和河南的中小微企业。”连中峰说。

相关资料显示,随着数据本身的不断深化,大数据的应用开始从粗放式迈向规范化、标准化,应用领域不断向纵深拓展,将大数据带入了新的产业高度。经麦肯锡测算,政府数据开放后,每年能给全球带来32200-53900亿美元的经济增长。而在全球七大重点领域内(包括教育、交通、消费、电力、能源、大健康以及金融),大数据的应用价值正在以每年30%的速度增长,这个体量和增速非常惊人。

但值得思考和关注的是,此类创新型公司对传统市场的补充,银行等金融机构能否开放接受?政府数据开放的力度和进度,传统小微企业数据的缺失和补充等一系列现实问题,都是大数据推进和应用路上的挑战和客观因素,金电郑投的战略征程任重而道远。


来源:和讯河南

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

相关精彩内容推荐

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/04-11]

大咖周语录

More>

[2016/10/31-7]

大数据周聘汇

More>

[2016/11/01-6]

每周一本书

More>