摘要：当今时代，随着互联网的快速发展及云计算、大数据、移动互联网、物联网等技术日渐成熟，政府机关、金融机构、互联网公司、公共服务行业等都积累了丰富的数据资源，这些数据资源在大数据环境下才能得到充分利用，才能挖掘出这些数据与信用的关联关系，促进对征信数据进行更加充分的利用。本文对信联网商务信用体系的内容、系统功能进行了介绍。
关键词：信联网；商务信用；大数据
推进商务信用体系建设是增强企业诚信、促进社会互信、减少经济矛盾的有效手段。随着信息技术的发展，商务信用评价发生了几个明显的转变：由静态评价向动态评价转变，由信用孤岛向信用互联转变，由数据缺乏向大数据集成转变，由简单计算向云计算转变，由信用等级向信用资产转变。
1信联网商务信用体系研究
现代市场经济是信用经济，建立健全社会信用体系是整顿和规范市场经济秩序、改善市场信用环境、降低交易成本、防范经济风险的重要举措。我国正处于经济社会转型的关键期。利益主体更加多元化，各种社会矛盾凸显。推进商务信用体系建设是增强企业诚信、促进社会互信、减少经济矛盾的有效手段。近年来，国际互联网技术迅猛发展，尤其是云计算和大数据分析技术在各领域的应用，将改变甚至颠覆一些传统行业的运营模式。在商务信用评价方面发生几个明显的变化：由静态评价向动态评价转变，由信用孤岛向信用互联转变，由数据缺乏向大数据集成转变，由简单计算向云计算转变，由信用等级向信用资产转变。
2信用数据库建设
信联网最重要的是信用资产，因此建立了信用管理平台，建立健全信用数据库，进一步完善信用数据的采集和处理流程，提供信用数据的查询与检索服务，完善信用数据的共享与交换。信联网商务信用平台为用户提供方便的跨平台诚信服务，为保障消费者和电商的合法权益实施有效保障，可以在很大程度上减少时间和地理上的一些障碍；为用户提供诚信服务的平台，直接在线进行交易纠纷的谈判、调处活动，并为用户提供合乎法律规范的维权服务以及纠纷解决的一站式项目管理解决方案，进一步完善电子商务交易双方的诚信担保的运营模式，可以在很大程度上解决基于陌生人的电子商务诚信服务前后的严重的信任缺失的问题，以及项目完成过程中和结束后的维权困难、纠纷调处遥遥无期问题；为电商和消费者提供的基于商务信用标识与诚信级别的实名制管理无缝云端平台，构建形成商务信用信息库，一方面可为电商和消费者管理自己大量的客户关系，提供满足不同用户个性化需要的可信电商名录，另一方面可为社会以及为电商提供供应链服务的企业，提供具有商务信用信息的信息库及其咨询服务。信联网将研究建立和创新商务信用度信息采集的机制，提出逐步完善电子商务诚信度信息采集的相关规范和标准，通过试点，逐步扩大试点范围，积累经验，实施推进，解决信息采集机制问题的可行路径。同时重视信用评估数据收集、处理和存储中初步解决了用户隐私保护问题，重视关于信息的使用与共享问题，研究提出电商网站如何正确实施可持续与有效保护电子商务消费者的隐私信息采集策略。借鉴相关国际标准，推动全社会诚信服务数据元标准、跨行业数据交换标准、信用数据交换统一接口标准、征信数据交换质量过程管理规范、征信服务标准等一系列重点急需标准的制定，提高信联网信用系统的互操作性，保证各信息报送机构的信息准确、及时、完整地纳入信用数据库。
3信联网大数据分析系统功能
大数据，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。［2］利用大数据进行信用评估的第一步，是完成对于用户信息的获取。要充分利用已积累的丰富数据，更加注重对于线上数据的获取。首先，用户授权的数据，也成为信联网大数据系统信息的重要来源，例如通过用户授权，获得用户在电商平台的交易记录、通信运营商的通话记录等，这些都能对用户信用等级评价起到重要作用。信用评估技术创新是信联网的核心竞争力，通过精确的风险建模，可以实现对用户资质的高效审批，为用户提供更便捷的体验。采用大数据算出来的企业信用，中间没有任何人为干扰，相比较容易掩盖企业真实情况的合计数资金的拆解行为将无处遁形。同时，针对信用违约频发的情况，通过能够更大体量、更全方位描述风险参数的大数据，对企业行为模式进行预测，进行实时、量化的动态监管，能够有效地控制风险。从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。也正是这一点促使该技术具备走向众多企业的潜力。大数据最核心的价值就在于对海量数据进行存储和分析。相比起现有的其他技术而言，大数据的“廉价、迅速、优化”这三方面的综合成本是最优的。从数据量来说，我国已进入大数据时代，但硬件明显已跟不上数据发展的脚步。以往大数据通常用来形容一个公司创造的大量非结构化和半结构化数据，而提及“大数据”，通常是指解决问题的一种方法，并对其进行分析挖掘，进而从中获得有价值信息，最终衍化出一种新的商业模式。虽然大数据在国内还处于初级阶段，但是商业价值已经显现出来。首先，手中握有数据的公司站在金矿上，基于数据交易即可产生很好的效益；其次，基于数据挖掘会有很多商业模式诞生，定位角度不同，或侧重数据分析。比如帮企业做内部数据挖掘，或侧重优化，帮企业更精准地找到用户，降低营销成本，提高企业销售率，增加利润。尤其是在商务信用领域，利用大数据分析电商和消费者的商务信息，并进行商务信用的评估已具有很大的市场需求。
4信联网商务信用体系的系统功能
大数据信用基于大数据理论与云技术，运用巨量的企业经营交易明细数据，进行分析、评价，计算出企业客观信用。
期刊文章分类查询,尽在期刊图书馆在金融市场，大数据信用突破了以传统报文征集信用信息的方式，以技术创新引领金融创新，创建出“大批量、低成本、高效率、全风控”的信用服务模式，开辟了中小微企业融资新世界。
4.1信联网大数据系统功能。大数据信用针对财报信息不充分、信用积累和抵押资源不充足的中小微企业信用风险进行有效的评价，并提供无抵质押和担保的纯信用贷款服务，从而化解了因缺信用和缺信息造成的中小微企业融资难问题。
4.2信联网大数据信用评估。信联网的基本理念是认为一切数据都和信用有关，在能够获取的数据中尽可能地挖掘信用信息。信联网对大数据技术的应用主要从大数据采集和大数据分析两个层面为缺乏信用记录的人挖掘出信用。信联网以大数据技术为基础采集多源数据，一方面继承了传统征信体系的决策变量，重视深度挖掘授信对象的信贷历史。另一方面，将能够影响用户信贷水平的其他因素也考虑在内，如社交网络信息、用户申请信息等，从而实现了深度和广度的高度融合。信联网的数据来源的多元化体现在：首先，对于信联网进行信用评估最重要的数据还是通过购买或者交换来自于第三方的数据，既包含银行和信用卡数据，也包括法律记录、搬家次数等非传统数据。其次是网络数据，如IP 地址、浏览器版本甚至电脑的屏幕分辨率，这些数据可以挖掘出用户的位置信息、性格和行为特征，有利于评估信贷风险。此外社交网络数据也是大数据征信的重要数据源。最后，第三方公信数据。信联网商务信用体系建设中将与政府相关部门联系，引用第三方监管数据，以及相关的公共记录凭证，如水电气账单、手机账单等。多维度的征信大数据可以使得信联网能够不完全依赖于传统的征信体系，对企业和消费者个人从不同的角度进行描述和进一步深入地量化信用评估。
4.3大数据分析模型。信联网的信用评估融合多源信息，采用了先进机器学习的预测模型和集成学习的策略，进行大数据挖掘。首先，数千种来源于第三方的原始数据将被输入系统。其次，寻找数据间的关联性并对数据进行转换。再次，在关联性的基础上将变量重新整合成较大的测量指标，每一种变量反映企业或消费者的某一方面特点，如诈骗概率、长期和短期内的信用风险和偿还能力等。［1］然后将这些较大的变量输入到不同的数据分析模型中去。最后，将每一个模型输出的结论按照模型投票的原则，形成最终的信用分数。大数据技术可以使得“一切数据皆信用”成为可能。以大数据为代表的IT 新技术的应用，给征信体系建设带来了新的思路，原来海量庞杂、看似无用的数据，经过清洗、匹配、整合和挖掘，可以转换成信用数据，而且信用评估的效率和准确性也得到了一定程度的提升。新的信用风险体系的一个颠覆性的基本思想是一切数据皆信用，这是需要大数据技术来支撑的。国内征信体系的建设应当关注大数据技术的应用和发展，并加大投入，勇于实践。
4.4信联网评估的模型。在进行信联网开发过程中运用了多种大数据处理方法和机器学习工具，其中主要模型有：A － FA 综合评价模型；SVM 支持向量机识别模型；IF 直觉模糊评价模型；Blind Number 盲数处理技术；Copula 连接函数。这些模型从不同角度对商务信用数据进行处理，可以对多种信息源的商务信用进行识别、分析和评价。
5信用大数据价值的策略
5.1提高信用数据质量。庞大的人口基数和迅速发展的市场交易为我国积累了大量的信用数据，但由于缺乏统一的数据标准规范和完善的数据管理法律法规，数据质量难以得到保障，数据价值难以得到充分体现。为此，一是要从立法层面保障和提高数据质量。建立和完善信息安全、数据管理方面的法律体系，明确大数据背景下数据采集、整理、加工、分析、使用的规则，确保信用数据的规范性和准确性。二是要加快信用数据的开放与融合。在保证数据安全和隐私的前提下，
可通过数据交易、数据捐赠、数据外包等多种方式，加快数据交换共享，拓宽数据来源，扩大信用数据的覆盖范围。
5.2推动不同类别信用平台的对接和融合。受制于数据标准不统一、数据接口不规范、平台建设者利益不均衡等因素，目前不同类别信用平台难以有效进行对接，形成多个“信息孤岛”。信用大数据的价值提升有赖于平台之间的互联互通和数据资源的融合共享。同时，应推动行业平台与统一信用平台对接。国家信用信息共享交换平台作为全国统一的信用信息平台，要与银行业金融机构、互联网金融等平台加快对接，使信用数据从行业数据变成全民数据，拓宽信用大数据的应用范畴。
5.3完善跨区域信用服务合作机制。随着社会信用体系建设的深入进行和区域融合的加快，推动区域信用信息共享和信用服务合作成为新常态下区域经济社会发展的必然要求。在国家层面，应继续推进国家统一的信用信息共享交换平台建设，制定相关的标准规范体系和管理办法，为跨区域信用信息共享交换提供制度保障。在区域层面，应加快建立区域信用服务合作机制和信用约束机制，对区域内企业和个人的失信行为共同采取惩戒措施，推动信用服务的区域协同发展。
大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。
参考文献：
［1］ 赵付玲，安锋，张晓锋． 大数据时代商业银行信息化问题浅析［J］． 金融理论与实践，2013（10）：56 － 60．
［2］刘兆君，毛荐其．数据技术应用与银行信用评级体系创新之探［J］． 北京交通大学学报（社会科学版），2014，7（4）：70 － 74．
［3］肖肖，骆建文． 基于大数据的互联网融资平台信用评级［J］． 现代管理科学，2015（1）：66 － 68．
论文作者:丁维维
论文发表刊物:《基层建设》2018年第4期
论文发表时间:2018/5/22
标签：数据论文; 信用论文; 信息论文; 商务论文; 平台论文; 企业论文; 模型论文; 《基层建设》2018年第4期论文;