我國企業征信的現狀、困難分析及政策建議

樸婧怡 劉婉鈺

一、中國企業征信現狀

企業征信通過收集、整理、保存、加工自然人、法人及其他組織的信用信息，并對外提供信用報告、信用評估、信用信息咨詢等服務，來幫助客戶判斷、控制信用風險，進行信用管理。市場經濟依靠信用來搭橋，企業征信是減少市場經濟主體之間信息不對稱的重要手段，與發達征信國家百年以上的企業征信歷史相比，中國企業征信實踐要晚得多，自央行于2004年開始對銀行信貸登記咨詢系統完成升級改造，建成全國集中統一的企業征信系統后，中國企業征信業才真正開始起步。

經過十幾年的發展，國內征信業在許多方面都有提升，但行業整體經營狀況卻不樂觀。以北京地區為例，據人民銀行營業管理部征信管理處對北京地區備案的40家征信機構2015年經營狀況的統計分析，40家機構當年營業收入中企業征信業務只占總營業收入的46.14%，且行業整體虧損，40家機構凈利潤總共為-2558.17萬元，其中企業征信業務凈利潤為-6570.25萬元，可見是征信企業的征信業務虧損極大，當前國內企業征信現狀不容樂觀。

二、企業征信困難的原因

（一）主觀因素

1、國內企業征信行業業務覆蓋較窄

根據人民銀行營業管理部征信管理處的調研統計，各征信機構的業務類型主要包括：企業征信報告、企業信用評分或評級、企業信用信息認證、企業商賬追收及其他增值咨詢服務等，其中以企業征信報告及企業信用信息認證服務為主。可見國內企業征信行業仍以征信為核心，以數據整理和報告呈現為主業，缺乏像美國企業征信業龍頭鄧白氏那樣的行業寡頭，鄧白氏除提供傳統的征信報告外，還聯合費埃哲開發出小企業信用風險評分、中小企業“胡佛分析”等多樣化的征信產品工具，變身進化為以提供企業風險管理和市場營銷方案為核心的商業咨詢機構。考慮企業作為社會組織的三大核心職能：財務、生產和營銷，鄧白氏作為系統解決方案提供商提供的風險管理和市場營銷方案恰恰針對于企業的財務與營銷管理的剛性需求，因此每一家企業都會成為鄧白氏的潛在客戶，也因此，鄧白氏積累了二百多個國家不同行業的數億家企業的多維數據。而對比國內征信公司的扁平化管理模式和經營策略，明顯無法構成完整的業務模式鏈條，導致產品吸引力不大，公司虧損不斷。

2、企業非結構化數據

從數據來源看，大數據企業征信公司主要是基于三個方面的數據：政府大數據、企業大數據和個人大數據。由于政府要對企業行使經濟管理并對個人行使社會管理的職能，所以政府各部門分散著企業與個人不同維度的大量數據，故很多時候政府大數據的獲取成為很多大數據公司獲取數據的有效渠道。但正是因為征信機構對于政府大數據的渴求導致了政府與市場之間的數據信息不通車，無法形成一個完整的生態鏈，而由于國內征信企業數據集成手段不足、數據建模能力有限和數據產品方案稀少，不能打造體系完整的數據服務鏈條，這必然導致了利潤和效率的滑坡。

（二）客觀因素

盡管自從1993年以來，國家陸續啟動了以“金”字命名的一系列國家級信息應用工程，國家社會管理的信息化和數據化有很大提高，但距離及時有效滿足社會信用體系建設對各部門數據整合共享的需要還較遠，覆蓋全社會的征信系統尚未形成，不利于大數據公司企業或個人大數據庫的建設。在企業征信的市場結構方面，由于實行備案制門檻低，眾多企業不明就里涌入該領域，僅2014年就有26家第三方企業征信機構獲得了央行頒發的企業征信牌照，截至2015年 6月，通過央行備案的企業征信機構為78家，到2017年 5月增長到130多家，眾多企業分食有限的蛋糕。即使美國這樣發達的征信國家，企業征信業務的規模僅為GDP的約1%，中國企業征信業務的市場容量的遠景目標約為70億元，考慮中國征信市場的不完善和央行對企業征信業務的資費調減，中國企業征信業務市場要比遠景目標值低得多，當前的中國企業征信業務市場的涓涓細流，無法承擔如此龐大的競爭企業，導致了競爭的市場結構導致企業規模偏小、邊際成本高、規模效益差的結果，不利于行業整體發展。

三、政策建議

1、建立和不斷完善企業級數據標準

希望國家秉承“數據管理標準先行”理念，在實踐中探索形成了“數據標準制訂與落地互動，基礎類數據標準與分析類數據標準互通，數據標準在業務領域與IT系統落地并重的數據標準化方法論。在銀行本級數據標準化方面，完善基礎數據標準和管理分析類數據標準，使業務管理和系統建設有標準可依。按照統籌考慮、分步實施的原則，實現數據定義統一，促進倉庫數據的集中與共享，支持業務發展，滿足監管要求。

2、從國家政策出發，支持和鼓勵各企業級機構整合內部結構化和非結構化數據資源

一是整合銀行本級境內外數據，進行信貸、債券、資金、網銀等業務數據入倉，建立海外數據集成區，實現海外分行數據集中整合。二是根據集團一體化管理要求，以集團一體化標準為抓手，逐步實現控股公司關鍵業務數據入倉，并與銀行數據整合，支持集團一體化數據共享。三是利用大數據技術進行評審報告、合同文檔、互聯網信息、系統日志等內外部非結構化數據集成和處理，實現技術突破。

3、完善產業鏈，提升數據服務支持能力，形成良好的互聯網金融生態鏈

一是構建統一數據交換平臺，對全行數據交換進行統籌規劃、調度，將生產環境到分析環境的單向數據供應變為雙向數據互動，提升數據交換效率。二是構建業務數據集市，擴展專業數據支持能力。其中新建內部審計、財務績效、管理決策支持、資產負債、客戶服務與營銷、產品管理、業務運行支持等數據集市，優化和提升監管合規、風險管理集市，為各業務條線提供專業數據服務。三是打造基于報表查詢、應用服務、主動探索和數據挖掘四種大數據綜合服務方式，新建數據主動探索系統，形成面向用戶的數據語義層，提供數據探索和分析服務，提高數據使用的開放性和便捷性。