让大数据成为信用建设的“矿产资源”
全国人大代表、浪潮集团有限公司董事长孙丕恕在今年两会期间,提出了依靠大数据、建设征信体系的建议。他希望政府在制定宏观政策,建立征信法律法规的基础上,大力推进政府数据和机构数据等不同数据源的开放和共享,充分利用大数据技术,整合利用好各方数据。此前多年,他一直呼吁提升中国信息安全保护水平、完善中国信息安全保障体系等方面的建设。
在孙丕恕看来,大数据丰富了信用数据的数据源,不再局限于传统的金融领域数据,更基于交易数据、公共事业数据、商业信用、社会信用等多方面的数据来综合评判信用主体。数据的开放和整合是必经之路,大数据技术是有效支撑。
瓶颈问题
大数据在建设社会信用体系方面作用很大,但推进难度也不小,存在一些瓶颈。
孙丕恕:随着电子商务、移动互联等技术的发展,商业社会和人民群众的数据信息成为信用建设的重要“矿产资源”,尤其是大数据技术的应用,极大拓展了数据源的广度和深度,大幅提高了授信效率和信用评价的全面性、完善度等。因此,建设高效全面的社会信用体系需要充分发挥大数据的作用。
经过30多年的发展,中国已形成金融信用信息基础数据库及征信机构,依托央行[微博]也初步建立了个人征信数据库。同时,新兴的互联网公司依靠聚集的大量企业和个人的数据资源,也涉足金融和商业征信领域,成为征信市场的新兴力量。依靠大数据技术融合不同数据源、进而打造信用数据处理能力和信用产品并推广应用,成为创新社会信用体系的突破口。
但是,目前存在的问题是缺乏顶层设计、数据标准不统一、市场监管政策不完善等,导致中国数据市场化程度不高、大数据在征信领域的应用存在诸多障碍,数据的开放和整合以及如何规范管理依然是制约信用体系建设的主要瓶颈。
目前,各级政府部门和金融机构等大型机构组织都在自有数据的基础上,建立行业或机构所用的信用体系,如人民银行[微博]建设的金融征信系统、各级政府部门推动建立的税务、工商、环保、质监等行政信用体系,信用体系的建设呈现九龙治水、多头建设的现状。
这些信用体系目前主要是内部数据的纵向整合,虽然打下了较好的数据基础,但数据孤岛的问题仍未得到解决,各部门、机构的数据仍无法互通,而数据整合缺乏统一标准,采用传统手段也无法充分利用这些信息。
从征信应用上来说,信用数据更需进行横向整合,即跨部门跨行业整合相关数据,并与电商、社交、网络行为等互联网数据相融合,全面完整呈现个体或机构的信用情况。解决这一问题,确定统一的组织和有支撑性的法律是主要途径。信用体系的建设是以数据为基础的。全量、稳定、高质量的数据源是征信体系建设的基础。目前,从数据的分布来看,主要是政府部门掌握的行政记录和调研记录,金融公共事业等掌握的机构内的业务数据以及网络产生的互联网数据。数据的开放和整合是必经之路,大数据技术是有效支撑。
推动数据共享
我国社会信用体系建设,也需要顶层设计。具体做法上,你有怎样的建议?
孙丕恕:具体做法上,首先希望由中央尽快确立中国社会信用体系建设的总体思路,实行“政府启动”,成立征信体系建设的管理机构,明确其管理职责和范围,充分利用大数据技术推动社会信用体系建设的进程,并对建设进程进行统一规划和宏观指导。建立基于大数据构建社会信用的国家规范,建立信用市场管理机制。
要明确数据源的分类和收集规范、信用数据开放和共享规范、征信系统建设机构的职责规范、征信市场的政策指导性文件、信用主体的权益保障规范等相关政策及实施细则,为信用市场的大发展打下坚实的制度基础。制定征信行业的数据标准和行业规范,推进数据开放标准、明确业务规则、数据格式,明确技术平台的建设标准,促进信用数据的整合和征信应用。
推进政府部门数据的开放,具体应该怎么做?
孙丕恕:随着中国电子政务建设的不断发展,各级政府积累了大量与公众生产生活息息相关的数据,并成为社会上最大的数据保有者,掌握着全社会信息资源的80%(其中包括3000余个数据库)。社会迫切需要政府向其开放其所拥有的数据。
政府开放数据有利于构建服务型政府,推动政府透明化进程,提升政府管理水平,通过将政府在管理和服务社会过程中产生或采集的涉及公共信息的数据向社会开放,让社会参与公共数据的再加工和深利用,开发应用产品,能够让数据真正服务于民,提高政府服务社会的能力。
目前,针对各部门的信息孤岛问题,部分先行的省市或区域如北京探索进行其区域内的大数据整合,制定了区域的数据开放共享的规范,但从国家层面上看,尚没有形成较为全面的数据源。因此,建议政府主导,国家尽快出台政府数据开放和共享的规范,管理国家公共财富和数据资产,推动政府数据的分级开放和共享。
具体包括,打通部门内和组织部门间的数据壁垒,逐步向社会免费开放政府业务数据,授权征信机构使用政府业务数据,推动政务数据和征信系统间的数据共享,推动征信体系的全面建设,并打造政府诚信体系和社会诚信体系;划分政府数据的不同级别,对于涉及国家安全、个人隐私、商业机密等的数据在有限范围内使用,其他可推动信用建设、社会治理、经济民生发展的信用主体数据则分级别分范围开放和使用。
金融、电商、公共事业等大型企业掌握的大数据,你认为怎样做到开放共享?
孙丕恕:目前,金融信用信息基础数据库已经为1859.6 万户企业和其他组织及8.2 亿自然人建立了信用档案。这些数据其余第三方机构很难获得。当前央行征信也在逐步建立信用的共享机制,但大部分局限于金融机构内部,没有有效的向社会开放。运营商、水电煤等公共事业等机构内也积累了多年的业务数据,互联网公司收集了大量的用户和企业的信用数据,这些公司或基于垄断保护,或基于商业利益,不将数据开放,而是基于自有的局部数据开展征信服务业务。但限于上述某一数据的征信模型和征信体系来源单一,对于信用主体的信用判定有很大的局限性。
目前,个人征信市场已向民营企业开放,大企业间也在积极谋求数据获取和数据共享的路径,如建立数据开放平台或引入第三方数据交换,但这些都缺乏明确的规范和政策。建立征信产业政策,加快征信市场化进程也势在必行。随着征信主体和数据源的扩张,将逐渐需要更大范围的数据整合和更广泛的应用。这些仅靠政府或某个机构是无法完成的,需要更多市场化征信机构的介入。
具体做法上,建议建立数据开放共享规范,在保障信用主体的合法权益基础上,促进传统金融信贷数据、各电商平台数据、公共事业、运营商等大型机构数据在统一的标准和安全机制下开放共享,打通行业之间、组织之间和地域之间的数据壁垒;鼓励企业通过免费开放、授权共享、数据交换、数据交易等方式免费或有偿地开放和共享内部数据,明确开放数据的范围、机制和路线,鼓励政府企业开放数据与互联网数据共享,打造商业诚信体系;同时推进数据开放和交换平台的建立,建立数据交易和共享的市场化机制,推进征信系统的建设和商业化应用,鼓励第三方企业、研究机构基于数据开放和交易平台进行征信大数据的交换和分析,鼓励基于平台的创新应用。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21