܄

听京东征信总监庄传礼博士聊征信业的发展现状和未来趋势

【数据猿导读】 本文中京东征信总监庄传礼博士主要围绕征信讨论三个方面的话题:一、征信以及相关概念;二是国际上征信行业的发展历史和相关现状;三是讨论一下我国征信业的发展、面临的主要问题以及未来可能的发展模式

听京东征信总监庄传礼博士聊征信业的发展现状和未来趋势

征信最近在国内是比较火的话题,很多企业都有意愿去做征信。目前,除了阿里巴巴和腾讯申请了牌照以外,目前我知道的、有意向申请牌照的就有60-70家。

今天我们围绕征信主要讨论三个方面的话题:一、征信以及相关概念;二是国际上征信行业的发展历史和相关现状;三是讨论一下我国征信业的发展、面临的主要问题以及未来可能的发展模式。

征信相关概念及产业组成

1.1征信、信用信息与信用

关于征信的概念,有以下三个不同来源的定义,分别来自征信中心,信用中国和网上的一位佚名专家。

征信中心:指对企业、事业单位等组织的信用信息和个人的信用信息进行采集、整理、保存、加工,并向信息使用者提供的活动(这个概念在中国人民银行征信中心的网站上可以找到。)

信用中国:征信是依法收集、整理、保存、加工自然人、法人及其他组织的信用信息,并对外提供信用报告、信用评估、信用信息咨询等服务,帮助客户判断、控制信用风险,进行信用管理的活动。(网上也能够查到)

这个两个概念实际上很多地方是一致的,都是对企业、事业单位等组织或者个人的信用信息进行采集、整理、保存、加工或者向信息的使用者提供服务,在征信中心这个基础上,信用中国更细化,是提供信用报告、信用评估、信用信息咨询等服务,并且指出是帮助客户判断、控制信用风险,进行信用管理的活动。

第三个定义:征信是专业化的、独立的第三方机构为个人或企业建立信用档案,依法采集、客观记录其信用信息,并依法对外提供信用信息服务的一种活动,它为专业化的授信机构提供了一个信用信息共享的平台。

以上三个概念都提到了信用信息,但是很可惜的是都没有对什么是信用信息做明确的阐述。征信中心和信用中心的异同刚刚我也提到了,它们之间很多相同点,但是信用中国更详细地描述了征信的作用。第三个概念描述征信机构的特点更多一些,包括使用的对象更多一些。以上三个定义我个人均有不同意见,主要是在信用信息的定义和服务内容和对象上。

首先,什么是信用信息,我们先看看征信中心给出来的概念:指在交易的一方承诺未来偿还的前提下,另一方为其提供商品或服务的行为,是随着商品流转与货币流转相分离,商品运动与货币运动产生时空分离而产生的。这个概念强调信用即信贷,这是因为我们国内翻译credit(信用),但在英文环境里credit(信贷)的含义要更多一些。

实际上,汉语中关于信用的解释有以下三个:①诚实,遵守诺言而取得的信任。②货币借贷和商品买卖中延期付款或交货的总称。以偿还为条件的价值运动的特殊形式。包括:(1)银行信用,是以银行为一方的货币借贷活动;(2)商业信用,是以商品交易中任何一方的延期付款或延期交货的短期信用活动;(3)国家信用,是以国家为一方的借贷活动(如发行公债);(4)消费信用,是对个人消费者提供的信用(如分期付款)。 ③信任重用:能否信用能人是企业发展的重要环节。

关于征信的定义,从我们国家着手征信建设时,就有很多争议。很多专家认为信用就是指的信贷,有些则认为要包含诚信的含义。所以社会信用体系到底是信贷信用体系还是诚信体系仍有很大争议。对于信用的定义,我个人倾向于《社会信用体系建设规划纲要(2014—2020年)》里面提到的定义为信用信息更为合适。在《社会信用体系建设规划纲要(2014—2020年)》第一句话就提到我国信用建设依据的是以法律、法规、标准和契约。

所以我认为这个四个方面,主体遵守法律、法规、标准和契约方面的相关信息都可以定义为 “信用信息”。放到国家经济社会发展的大环境中,信用不仅仅是金融领域的事情;在经济活动中,尤其是在社会经济生活的各方面都存在信用方面的问题,所以我觉的国务院这个的定义还是比较合适的。

第二是服务的对象。征信中心的定义里虽然没有提主要只给金融机构服务,但是实际上除了政府机构之外,征信中心只服务于金融机构。另两个定义中也都明确。第三个定义明确指出是服务于授信机构。个人认为,作为社会经济活动的基础设施,应服务于所有有合法需求的、经授权的用户。

第三,征信的功能与价值。关于信用中国提到的除了向外提供信用报告,还包括信用评估、信用信息咨询等服务帮助客户判断信用风险,进行信用关系,这点我个人觉得范围有点窄。征信的价值不仅仅是控制信用风险,应该还有证明营销等其他方面的应用。

综合上面我对征信的定义,有这样的几点。征信所采集的信息应该是客观的、真实的或者是权威的信息,这点是非常重要的,也是区别征信机构、数据机构和评级机构所在。在这里我要再强调一下服务对象,征信机构提供的服务应该是所有有合法需求的用户,不应该限于金融机构和政府地使用。比如说前几年的小额贷款公司没有归类为金融机构的时候也无法享受征信提供的服务,只有在国务院强调小贷公司也是征信机构,被银监会列为新型的金融机构之后才有部分的小贷公司接入了人民银行的征信中心。

我刚刚也提到了征信的产品。主要的是提供客观的、真实的信用信息。是否提供如评分类产品,根据我们国家信用机构发展和人才状况,我认为是可以的,但是在监管角度上要分别对待。对征信业务应该强调信用信息的安全,真实、客观或者权威等,对评分等应强调模型构建的合理性,对金融消费者的公平性等。当然征信机构除了提供信用报告之外,还可以基于信用信息延伸各项服务。不仅限于像我刚刚提到的第三个概念里面的只是风控,实际上还可以做合理的营销,用于做证明等。

1.2 征信产业链的主体构成

从征信产品原材料、生产和服务,我把信用体系产业链划分为几个部分:

第一部分是数据源。我个人认为一切数据皆信用。除了主体基本信息、资产信息和常规的信贷信息之外,政务信息和商品交易信息都与信用有相当密切的关系。

第二部分我想强调征信机构,征信机构我目前列的几个:人民银行征信中心、益博睿、环联、艾贵发、科锐富、邓白氏、台湾联征、CallCredit(英国)。虽然征信中心目前还没征信牌照,但是征信中心做的确确实实是一个征信机构所做的事情。并且比国外的一些征信机构做的更全面。比如说国外的征信机构分为个人类的征信机构、企业征信机构,人民银行征信中心个人的信用信息和企业和其他事业单位的信用信息都采集,也自己开发征信机构评分等。

之所以说征信中心目前不是一个征信机构,按照我们国家的《征信业管理条例》规定,有一个牌照的问题,这个问题我在后面也会跟大家探讨。征信管理条例把征信中心定位为是金融信用信息基础数据库的管理者,并没有把他定位为征信机构。

益博睿这家企业,在金融机构的朋友都会有所了解。益博睿进入中国其实也是挺早的,在国内有多个城市设立有分支机构,目前也跟国内的一家企业有合作。按照我们的规定,益博睿还并没有在中国开展征信的业务,主要是信息技术与商业信息服务。所以在这里说他只是一个全球化的征信机构。环联也是跟这类似,他原来的名称我记得叫全联,在国内也设有机构,好象中间又退出了,再次进入的时候全联这个名称被国内的一家企业给注册了,所以改名为环联。益博睿以前叫好象翻译为益百利,现在官网上都叫益博睿。

艾贵发这家原来被称作全球第三大征信机构,但是从来没有来过中国,没有在中国开展过业务。科锐富是意大利的一家民营的征信机构,在征信中心成立的初期曾经号称全球第四大征信机构。益博睿、环联、艾贵发这三家被称为全球三大征信机构,当然我觉得这个称呼在征信中心成立早期可以这样称呼,现在,从数据量角度征信中心应该是最大的,虽然征信中心的征信业务开展覆盖面的还不是很广泛,并且主要在国内开展业务。我离开时征信中心采集到个人信息达到了8.57亿人,有信贷业务的人也达到了3.6亿左右。

台湾的机构我列出来的是这家台湾联征,另外一家是英国的一家机构(CallCredit)。实际上很难说像益博睿、环联、艾贵发是哪一个国家的,像益博瑞的总部在全球几个的地方都有设立,如美国、爱尔兰。特别介绍一下邓白氏,是一家做企业的征信机构,应该说全球做企业的征信机构现在邓白氏是做的最好的,覆盖的企业也是最多的,据他声称有2亿家企业的信息。人民银行征信中心采集到企业不到两千万家,并且覆盖的主要是国内企业。部分也有一些外国人在国内有信贷业务,比如信用卡,大概是在五百万人左右。

第三块介绍下评级机构。三大评级机构标准普尔、惠誉、穆迪。他们除了做企业的评级之外还做国家的主权信用评级。他们的评级被认可度还是挺高的。前段时间像惠誉和穆迪,把我们国家的主权信用评级稍微降了一下,国内反响还是很激烈的。这些大家都比较熟悉,我就不再赘述。国内开展评级业务企业现在是遍地开花,比较大的有大公、中诚信等,大公应该说在国内评级业里面还是比较知名的,尤其是他做过国家主权信用评级,但是我个人认为国内评级可能值得去好好研究分析一下,公认度尤其是在国际上并不高。大公做过国家主权信用评级,个人认为还是值得夸一下的,但是也觉得在他的这个评级结果里面可能政治的倾向性明显了一些。

这里面有一家机构叫Fico的,原来叫费艾哲前几年改名成Fico。Fico实际上是他的评分的商标,因为Fico的评分是被全球广泛的认可,所以在2012年前后这家公司把原来的名称也改成了Fico。Fico主要是做个人的信用评分模型。就我所知他从这个上世纪的60年代开始做个人的信用评分所采用的算法主要是logistic回归。去年的时候有人过去学习,了解到他们是在开放第九版的个人信用,所采用的方法主要的仍然还是logistic回归。

为什么要强调这一点,这跟下面有一家公司有一个比较。下面这家公司叫 ZestFinance,这家机构在国内的争议还是比较大的,有些专家来说这家机构非常厉害,做基于互联网信息或者说基于大数据个人信用评价效果非常的好。当然也有专家说这家企业是一个刚初创的非常小的一个企业,他的评分的结果并没有得到金融机构的认可,也没有得到市场的广泛的检验。京东投资了这家企业。早期有同事在FICO学习的时候,我曾经让他专门了解下这家公司到底是什么样情况。他们他们问了FICO的一些专家,没有人知道有这家公司。但是京东给了它们一些数据请他们做一些分析,结果比京东自己内部建的确实效果要明显一些。

普林科技是一个院士任董事长的企业。普林科技是院士主攻的是大数据方向,有很强的算法设计和应用能力,希望把普林科技打造成国内的Fico。相信在业务理解方面进一步加强,未来会走得更远一些。

单独把评级机构拿出来是因为征信机构和评级机构确实有很大不同。2015年我在征信中心工作的时候召开过一次关于风险和计量模型的研讨会,像阿里、腾讯、益博睿和Fico这几家机构都参加了,在会上很多是在说征信领域的专家和教授。很多人会认为Fico是征信机构,实际上Fico是不采集数据的,也就是说它没有数据,也不对外提供征信报告服务的。大家可能知道,Fico和益博睿在国内都会给商业银行提供信用评分的模型。但是他们的宣传会有一些差异,FICO一般会说给全球多少国家做过信用局评分,而益博睿经常会说给球多少家大的商业银行做过风险模型。另外大家可以看到在美国,三大征信局信用报告上提供的信用评分都是Fico评分,征信机构每年定期两次分别给FICO一定比例的脱敏数据,FICO用它进行数据分析和建模,模型上线后架设在征信机构对外提供评分,最后进行收益的分成,所以Fico只是一个数据科技公司。

征信报告如果能做到信息客观的、权威的、真实的。所以它天然就可以用于证明使用的,国内的征信中心的信用报告就被用作为证明。在北京二套房的认定就有基于个人信用报告是否有房贷信息。我们也可以考虑,未来征信报告能够做到真实客观和权威,政府使用主题的征信报告也可以免去信用主体的很多麻烦,或许不再需要老百姓去天南海北地去盖章,不再需要证明他妈是他妈。

1.3 征信在金融业务的价值

1.4 征信机构在营销方面的价值

征信在风控方面的作用是大家普遍认可的,可以说信贷领域的各个环节都与征信密不可分。从客户获取、定价、额度、促销、预警、挽留、催收等,各个环节都需要用到征信信息。这也是很多人分不清征信与风控的原因。

国外的征信机构有营销业务,因为征信能搜集到主体的联系方式。也可以基于对个人的信用信息进行分析,目前很多电商都有客户画像、用于标签化等都是帮助信用卡中心做营销的服务。当然国外的信用卡的发卡机制和国内不同。国内早期的征信机构不开展营销业务有一定背景,尤其是我国早期要建设征信中心的时候需要几大行报送存量的客户信息,当时几大行担忧会造成它们的客户流失。

国际征信业的发展历史与现状

前面主要是讲了征信的概念及其作用,接下来我主要讲国外征信行业的发展情况。

2.1 美国征信行业的发展历程

以美国为例,应该说征信的发展背景主要是消费文化的盛行。当经济出现波动,大萧条发生,违约率上升,社会对信用的关注程度提高,就有了征信的发展。征信的故事,就要提到英国裁缝的故事。说是英国裁缝会给贵族做服装,但是一些贵族由于各方面的原因,会拖欠裁缝的费用。裁缝们在一起商量建立一个类似黑名单,以后碰到有拖欠费用贵族,就不他们提供服务。

个人征信机构在美国于1860年前后成立,最早的企业征信机构应该就是邓白氏,大概在 1841年成立。之后美国相继出台了十七部法律规范征信和评级业务。早期,美国也成立了很多家征信机构,据文献资料显示当时征信机构达到了2000多家。后来,这些征信机构进行整合,目前个人征信机构主要是前面讲的三家,益博睿、环联和艾贵发,企业机构主要是邓白氏。

2.2 国外征信市场的模式比较

国外征信市场模式主要有四类,在美国,主要是市场主导型。亚太国家和地区主要是是会员制形式,象日本、韩国、台湾采取的就是会员制形式。欧洲主要的形式政府主导型,也存在混合制形式,法国和德国是不同的代表。像意大利除了科锐富,央行下面也有一个金融信用信息数据库,只不过当时央行下面的信用信息数据库只采集大额的信贷信息,小额的那时是不收集的。但现在好像不论信贷数额大小,包括正负面的所有数据都采集。

我国征信业的发展过程与展望

3.1 征信机构发展历程与现状

我国的征信体系建设,从上世纪30年代就有。1932年,中华征信所在上海成立,据说目前仍然在台湾经营。

1997年,人民银行开始筹建银行信贷登记咨询系统(企业征信系统的前身)。银行将企业贷款情况报给人民银行,录入信贷登记咨询系统。当企业向其他银行贷款的时候,银行可以到人民银行系统去查询,可以有效防止多头借贷、防范欺诈等,运行效果还挺不错。

在此基础上,人民银行做了两个试点,与上海、深圳市政府分别成立了上海资信、深圳鹏元两家征信公司,后者后来独立出去了。随后,人民银行一直想建立一个全国性的统一的征信机构和征信数据库,自2004年至2006年,人民银行组织金融机构建成全国集中统一的企业和个人征信系统。07年央行征信中心在上海正式挂牌。

但是,2015年1月5日,人民银行征信管理局发布通知,要求芝麻信用管理有限公司、腾讯征信有限公司、深圳前海征信中心股份有限公司、鹏元征信有限公司、中诚信征信有限公司、中智诚征信有限公司、拉卡拉信用管理有限公司以及北京华道征信有限公司八家机构做好个人征信业务的准备工作,准备时间为六个月。这个通知显然与人民银行早期的思路不太一致,但是大家浏览一下新闻,应该能够看出一些端倪。你会发现前一天,总理视察了微众银行。可以联想到,征信中心的服务当时并没有能够很好地覆盖到这些新型的金融业务,这应该是其中的主要原因之一。

包括京东等企业甚至一些部委机构。未来,我国的征信市场,我认为会跟美国有些类似,初期会有很多家进入,但是随着市场的自然淘汰,最后剩下四到五家。

3.2 征信监管服务体系的演变

关于信用体系建设,由国务院社会信用体系建设部际联席会统筹推进社会信用体系建设各项工作,是征信体系建设的领导机构,这样一个机构也便于协调各部委征信体系建设中的相关事宜。图中左侧框中的黑色部分,是国务院社会信用体系建设第一届部际联席会的参与部门,2012年国务院重新调整了部际联席会议的组成部门,几乎将所有部委纳入到部际联席会议之中。

部际联席会议的组成变化,反映了政府部门对征信的认识变化——从原来的几乎“只跟金融相关”,扩展到所有的部委。07年第一次联席会议之后,08年国务院明确由人民银行负责管理征信业、促进征信体系发展;12年联席会议扩容之后,牵头部门调整为发改委和人民银行,发改委排在人民银行之前。

前面提到过央行的征信中心,可以说一直定位并不明确、甚至有些争议。征信中心自己的定义是,人民银行的直属事业法人单位,主要职责是依据国家的法律法规和人民银行的规章,负责全国统一的企业和个人信用信息基础数据库和动产融资登记系统的建设、运行和管理;负责组织推进金融业统一征信平台建设。

我国《征信业管理条例》曾经有两次征求意见,第一次征求意见稿中有专门的一章,对征信中心的定义是“由国务院征信业监督管理部门设立的征信机构,负责全国统一信用信息基础数据库的建设、运行和管理。中国征信中心是独立的法人,依法对外提供有偿服务,不以营利为目的。”,最后发布的《管理条例》是这样表述的,“国家设立金融信用信息基础数据库,为防范金融风险、促进金融业发展提供相关信息服务。金融信用信息基础数据库由专业运行机构建设、运行和维护。该运行机构不以营利为目的,由国务院征信业监督管理部门监督管理。”

以上这些变化,也可以看出我国在征信问题上认识的变化,应该说国务院对征信还是寄予了比较大的期望,不仅仅是希望解决金融领域的信用问题,还包括经济发展过程中的各类信用问题,这从2014年我国信用体系规划纲要中能够看到,金融领域的信用体系只是商务诚信中20多个板块的一块。

3.3 个人征信业务牌照的发放

关于牌照,最近一年来,有很多争议。2015年1月5日,人民银行发布《关于做好个人征信业务准备工作的通知》之后,市场预期是6个月之后就会有个人征信牌照的发放。但是,到15年7月并没有发放牌照,直到15年底也没有发放牌照。人民银行征信管理局于年底发布了《征信机构监管指引》。

13年曾经发布《征信机构管理办法》,要求人民银行自受理申请之日起20日内作出批准或不予批准的书面决定,同年发布的《征信业管理条例》,要求要求人民银行自受理申请之日起60日内作出批准或不予批准的书面决定,不予批准要给出书面说明。但是对于批准筹办的8家,和已经提交申请的企业而言,今年牌照能否有明确的答复,仍然不确定。

监管部门、学术界和业界对征信机构牌照问题还有很多争议,第三方独立性的问题、个人信息安全保护的问题等。现在听到比较多的声音是,个人征信、企业备案证等相关牌照都不建议发放。

刚才所说的牌照,指的是个人征信业务牌照,关于企业征信业务,属于公对公的业务,很多信息都是公开的,经营企业征信业务的机构是以备案证的形式存在,目前大概有上百家企业拿到了备案证。

最后做个小结:

对征信业的发展,我认为更好的模式是,政府建立基础信用信息数据库,免费或者成本价格提供给合格的信用信息使用者,把征信产品开发、生产和应用等交给市场来做。

问答互动环节

问题1:请问庄博士,我国征信行业未来是以政府为主导还是以其他盈利性机构为主导比较合适?

答:前面说过,我个人倾向于基础信用信息数据库由政府主导,免费或者以成本价格提供给征信机构,涉及到技术和应用方面,都交给市场盈利性机构。前几天与人民大学吴晶妹教授有一个沟通,她认为这些事情都应该交给市场去做。但从我在征信中心的工作经验来看,政府部门主导大型基础设施的建设,效率还是很高的,征信中心能够用很短的时间发展起来,与我们政府的集中力量办大事的能力有较大的关系。但的确在应用和市场开拓方面的效率很低。

问题2:请问在反欺诈风控模型的建设中,有什么经验和教训?谢谢!

答:关于反欺诈,我做过一年左右的调研,现在很多欺诈团伙都是集团式、成建制的。尽管有些机构认为自己的反欺诈做的还不错,但从征信中心的数据分析来看,欺诈分子和团伙欺诈的成功率还是很高的。在反欺诈模型的构建上,我认为需要跟业务专家做很好的沟通。在汽车金融公司的调研过程中,业务人员介绍的一些团伙欺诈手法,总结的规则,我觉得都很有价值。关于欺诈方面的内容,如果大家有兴趣,我们可以私下沟通。

题3:美日两国征信业很迥异,中国可以从他们身上各学到什么好的地方,规避什么不好的地方?

答:美日两国的征信业的确有很多差异,刚才已经讲过,美国是以市场为主导,日本、台湾等亚洲地区采取会员制。国内也曾经考虑过采用会员制的模式,但由于我国金融机构发展不够均衡,大型机构会觉得自己会吃亏,但后期,尤其是征信中心收费过程中,做了一些探索,形成的一些价格调节机制,缓解了一些矛盾。国内也有些机构探索采取会员制,做的有些特点,效果还不错,大家可以了解一下。

问题4:征信提供出来,产生商业价值,目前中国的法律上有何问题?会有法律纠纷吗?

答:征信产品是基于主体信息。但是我国并没有规定主体信息的权属,所以产生商业价值如何分配,中国并没有法律规定。国内并没有《个人信息保护法》,但是刑法中规定“国家机关或者金融、电信、交通、教育、医疗等单位的工作人员,违反国家规定,将本单位在履行职责或者提供服务过程中获得的公民个人信息,出售或者非法提供给他人,情节严重的,处三年以下有期徒刑或者拘役,并处或者单处罚金。但是我觉得应该讲信息进行分级,根据机构的不同需要,可以提供或者采集、使用不同级别的信息。

问题5:企业信用评级模型有哪些?

答:目前常用的是5C、5P模型。对于企业信用评级而言,我希望将企业分成大中型企业和小微企业进行评价,因为企业规模对采取哪种信用评级模型的影响很大。对于小微企业而言,基于实证的建模方法应该更合适一些,而且要把企业主的个人信用信息纳入企业的信用评级模型之中,将企业主的个人信用与企业信用关联起来。

问题6:现在有大数据了,怎么进行隐私保护?另外,现在的征信商业模式有没有新的创新与突破方向?

答:隐私保护是一个很难回答的问题,因为在目前的情形下的确没有什么隐私。我的建议刚才说过,就是采取信息分级的方式,让合法的机构或相关主体既能拿到他们需要的信息,又不会泄露个人隐私。我不赞同所有信息都以个人信息保护的名义,让很多机构的业务无法开展。目前我看到的征信商业模式,很少有真正的创新和突破。

问题7:征信的基础能不能脱离现实的物质条件?

答:我比较认可这个观点,09年我在征信杂志发表过一篇文章,虽然中国特色用的领域很多,但国内征信的确不适合照搬国外的模式,一定要结合国内的信用文化、经济发展水平和政策环境来发展征信业。

问题8:以前人民币以外汇储备美元为锚,现在与美元渐行渐远,人民币怎么更好的撑得起自己的信用?

答:这个问题,跟今天所讲的征信主题不是一个领域的。

问题9:征信立法的问题,有没有提上议事日程?

答:目前的条例应该说从04年开始就着手准备了,中间经历过两次征求意见,并且做了很大的调整。当然也有一些其它相关的规章。至于征信法律层面,目前还没有准确的信息。

问题10:银行企业信评业务可否外包?

答:银行一直在使用外部的信用评级信息。国内信用评级机构的很多业务,都是给银行做服务的。

问题11:有人说征信业存在一个万亿市场,您认可吗?

答:市场的规模,还是要看怎么定义征信。如果按照国务院对征信的定义,万亿市场规模可能会有的,但如果限定在金融领域的话,市场规模不会有那么大。在2014-2020的征信业发展规划文件中,金融领域的征信只是二十几个板块中的一个。


来源:华尔街见闻

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。

刷新相关文章

旅游交通大数据——大众旅游时代的“富矿”
旅游交通大数据——大众旅游时代的“富矿”
#榜样的力量#疾控AI分析平台WDCIP——以科技力量贡献“大数据”智慧丨数据猿新冠战“疫”公益策划
#榜样的力量#疾控AI分析平台WDCIP——以科技力量贡献“大数...
张涵诚:大数据招商平台可推动地方供给侧改革
张涵诚:大数据招商平台可推动地方供给侧改革

我要评论

精品栏目

[2017/12/19]

大数据24小时

More>

[2017/12/18-22]

大数据周周看

More>

[2017/12/18-22]

大数据投融资

More>

[2017/12/18-22]

大咖周语录

More>

[2017/12/13-20]

大数据周聘汇

More>

[2017/12/12-19]

每周一本书

More>

返回顶部