壹、大數據征信誕生的背景
近二十年來，隨著經濟體制的改革，我國的企業信貸體系發生了很大的變化，從以大企業為主要貸款群體轉變為以中小微企業為主要貸款力量。面對新的貸款群體，銀行等金融機構無法給予充足的資金，導致日益嚴重的“中小企業融資困境”。林毅夫早在2001就在《經濟研究》上發表了《中小金融機構發展與中小企業融資》壹文，認為中小金融機構更適合為小企業服務，為大力推動我國中小金融機構發展奠定了理論基礎。城市商業銀行、農村信用社、小額貸款公司的設立，使得全社會針對小微企業的貸款產品激增，極大地改善了資金供給，極大地改變了近年來小微企業的融資環境。
然而，小型金融機構的出現並沒有從根本上解決小微融資的困境。與大企業相比，小微企業資金占用比例極低(30%左右)，與小微企業對GDP的貢獻(70%左右)極不相稱。近年來，小微企業生存壓力不斷加大，傳統行業競爭激烈，利潤空間不斷被擠壓。賒銷讓小微企業面臨殘酷的資金周轉壓力，到處都有小微企業因資金鏈斷裂而倒閉。這種情況進壹步加劇了金融機構的“惜貸”行為。對小微企業貸款的負面預期導致小微企業貸款收縮，小微企業和小型金融機構都陷入了惡性循環。小微企業和小型金融機構處於整個信用體系的底層。
小微企業信貸的困境看似很復雜，涉及宏觀和微觀行為，但實際上小微信貸的所有困難都集中在壹點:資金方認為看不清小微企業的風險，自然就貸不到款，這就是所謂的“信息不對稱風險”；由於無法識別風險，出資人制定了規避小微貸款的貸款政策，形成了“逆向選擇”，小微貸款止步於此，陷入無錢可貸的困境。大銀行和小金融機構都面臨同樣的問題，所以對小額信貸也無能為力。這個問題可以統稱為社會信用體系缺失導致信用風險高。
信用體系的缺失使得投資者很難看清小企業的實際情況，這是有現實原因的。我國小微企業的內部管理非常隨意，很多交易不會有規範的記錄方式。正規的出資人需要經過嚴格的盡職調查，對第壹還款來源(靠業務還貸)和第二還款來源(抵押物)進行調查，做出決定。這個過程可以稱為“信用調查”或“信用審查”。正如我們之前分析過的，由於缺乏小微企業可用的有效的信貸調查和審核手段，這壹過程不僅對小微貸款項目而言耗時長、成本高，而且難以找到準確、真實、有價值的信息，阻礙了小企業信貸的成功率。同樣，對於那些私募機構和民間資本機構來說，他們沒有能力進行相關調查，放貸只能靠感覺等方式，風險更大。
由此可以得出結論，小微企業貸款的瓶頸是“缺乏高效、低成本、高精度的基礎征信服務”。可想而知，如果出資人有能力以低成本的方式準確識別小企業是否可信，然後采取輔助的風險控制措施(擔保、抵押等。)，小微商家將變得有利可圖，資金通道得以打通，小微信貸將變得順暢有序。大數據信用就是在這樣的社會背景下產生的。
二，探索大數據征信技術的幾種途徑
隨著大數據技術在各行業的深入應用，利用大數據打通征信渠道逐漸成為社會主流意識。信用服務從業者、政府征信機構、互聯網金融公司都在這方面進行了不懈的探索，期望找到壹種小微企業量化的深度評價方法。我們來分析壹下目前幾種主要方法的特點。
(壹)定量信用評價(評級)模型(由內而外)
多年來，信用機構、征信機構、評級機構壹直期待形成壹個量化的信用模型，將各方面的數據導入模型後能自動生成評級結果，提示是否可以放貸。經過長期的探索、研究和實驗，這個理想的模型並沒有發布。國內壹些有實力的投資者引入了日本、美國著名咨詢公司的信用分析模型，但這些模型對國內實際情況的適用性較差，沒有達到預期的效果——導入相關數據後，可以對企業的還款能力和意願做出可靠的判斷。
國外先進的模型和國內機構多年的模型探索，並沒有形成通用有效的量化模型來判斷小企業，主要是因為我國小企業的數據質量較低。因為國內外使用的企業數據主要是財務報表數據，財務數據是會計師事務所出具的。我國信用體系存在巨大缺失，會計師事務所出具的審計報告幾乎是做出來的，可信度很低。對於誠信的企業來說，這份報告有很大的借鑒意義，但對於故意騙貸的企業來說，可能看不出審計報告的破綻。各種定量模型的探索沒有取得令人滿意的結果，恰恰是因為它們所依據的數據質量低，所以無論如何也不可能得到真正有價值的信息。這個方法基本宣告無效。
(B)外部數據庫訪問(從外部到內部)模式
在內部數據質量較差的情況下，各個機構開始尋找更廣泛、更可靠的數據來源，如政府部門的數據、稅務系統的數據、工商信息、行業主管部門的業務數據、海關數據、各行業協會的業務數據、電商平臺(如淘寶)上積累的交易數據等。根據這些數據，找到與某個企業相關的數據，進行綜合分析。我們稱之為“外-內”數據系統，即企業信用服務不再是從被評估企業中提取數據，而是利用外部數據系統來實現。
這種模式的優點是:數據庫系統形成後，單個企業收集信用信息將非常容易，信用信息服務的邊際成本極低，速度極快。直接的好處是，信用信息服務的收費會很低，服務量會很大。但這種模式也有自己的弊端:對接多部門數據門戶是壹個龐大的系統工程，建設和磨合的成本非常高。目前除工商信息外，其他部門信息分布在市級部門，整合工作相當龐大。此外，最嚴重的問題是數據質量。國內小企業提交的經營資料非常隨意，是根據具體需要而編制的，比如避稅、貸款或者其他用途。為了鼓勵本地企業的發展，壹些地方政府給予高額的稅收優惠，比如批準壹個固定的稅額，這樣企業就不會被要求如實申報。因此，從各個部門收集的數據可能與實際情況相差甚遠，如果作為征信服務，其可信度也會受到質疑。同時，並不是企業產生的所有數據都提交給外界。實際上，對外提交的數據只占很小壹部分，比如基本的財務報表、應交稅費等，而大部分能說明企業情況的數據都沈澱在企業內部，比如供銷信息、產品類別、資金流向等，這些都是無法通過外部數據庫查到的。外部數據庫雖然數據量大，但對於單個企業來說是不夠的。如果電商內部生態系統數據相對片面，由於壹個企業不會只通過壹個電商渠道銷售，單壹的電商交易數據顯然不夠全面。
如果用外部數據編織數據網絡，這個網絡將是巨大的，幾乎覆蓋全國所有的企業。但是，由於缺乏關於壹個企業的數據，這個網絡的數據線比較稀疏，即數據網格非常大，遺漏了關於企業的大部分有價值的信息，有效信息太少，無法得出可信的結論。這是由外向內建立信用數據系統的探索。
自國務院受國家發改委指派建立國家信用體系以來，各級政府信用辦牽頭，將所有政府部門與其管轄範圍內的數據連接起來，形成統壹的信用信息平臺，由專業的第三方公司或子公司運營，發布符合社會需求的信用報告。除了政府，也有社會征信機構在做類似的事情，接入壹些政府數據，進行運營。從目前的發展來看，這類征信服務目前能提供的最重要的信息是工商註冊信息，以及少量各部門備案的信息。這種信貸服務提供的信息簡單，收費低廉，但在信貸業務中基本起不到太大作用。
(C)單壹企業數據信用服務(從內部到外部)
另壹種數據征信服務是從企業內部挖掘有用的信息。從這個角度來說，這種方法與傳統的信用方法是壹致的，只是收集的信息和分析的模式不同。現在壹些專業的征信公司也在開發由內而外的數據征信方法。這種方法使用的數據量沒有社會征信的數據量大(所以稱之為“小數據”)，但與貸款高度相關。在保證真實性的基礎上，可以獲得很多有價值的信息(“大信息”)，這些都是信貸業務中投資者最關心的信息。該服務可以幫助資金方在最短的時間內判斷企業是否滿足貸款條件，為資金方節省大量的調研時間和成本，適應小微企業融資的效率要求和風險控制要求。
雖然數據征信使用的基礎數據量沒有政府部門那麽大，但是收集到的所有信息都是最相關的，可以捕捉到企業真實的經營情況和還款能力。從數據網絡的角度來看，這種方法形成的數據網絡較小(僅適用於單個企業)，但數據“網狀”恰好適合保留大量關於企業的有價值信息，同時過濾掉無關信息和幹擾信息，形成深度高質量的信用報告，為信用決策提供可靠依據。
這種數據征信服務的優勢在於可以快速啟動，不需要長期的建設成本，很好地適應了我國現有的信息庫和社會現實。難點在於如何獲得借款企業的充分信任，從而願意提供深度數據。
企業數據信用技術不是壹個技術思路，而是已經開始了大量的實踐。數據征信在擔保業務和小貸業務中發揮了重要作用，幫助擔保公司和小貸公司排查風險，清晰評估項目，提高業務效率。相信隨著市場環境的變化，越來越多的人會意識到這項技術的價值。