返回

2016中国企业征信报告指南

发现征信官网 | 发布于:2016-07-12

    征信,对于中国而言算是位陌生的老朋友。 

    “陌生”来自于,中国人对“信用产生价值”的传统冷漠态度;而“老朋友”则是国人经常会在媒体中听到诸如“标普 ”、“邓白氏”以及其在各自领域的评级。 

    准确而言,征信是一个舶来物。西方世界特别是美国从19世纪30年代开始建立自己的征信体系 ,至今一百多年来,美国的信用体系随着市场经济的发展、信用交易规模的扩大、科学技术特别是信息网络技术的出现,逐步走向完善和成熟,逐步形成了以标准普尔、穆迪、惠誉为核心的三大资本市场信用评估机构;以邓白氏为代表的普通企业征信机构,此外还有基于这七大机构开展相关征信业务的区域或专业性征信机构。在这上百年的沧海桑田中,美国征信市场产业链已经十分成熟完整,从上游数据源采集到数据标准化、数据处理、信用使用等都有明确的分工并构成完整而成熟的产业链。而中国的征信体系则刚刚开始。 

    不可否认,征信解决了制约信用交易的瓶颈问题,促成信用交易的达成,促进金融信用产品和商业信用产品的创新,带动信用经济规模的扩张。但国内目前的政策环境并不理想,阻碍了中国征信体系的发展。相对而言,国内的法律条款还比较粗略,构建完善的征信政策,是培养征信消费需求市场化的重要基础,不完善的法律法规为征信行规带来了不确定性的风险因素 

按征信对象分类,可以分为企业和个人两种征信体系 。本报告所揭示的企业征信,则是以收集企业信用信息以及生产企业信用产品为主的市场变化。 

    对比分析 

    美国社会信用管理体系相对健全,涉及信用管理的相关法律共有17项,相对而言,国内的法律条款目前比较粗略,构建完善的征信法律政策是培养征信消费需求市场化的重要基础,不完善的法律法规为国内征信行业带来了不确定性的风险因素。

从参与方角度观察,FICO在美国征信体系中起到非常重要的作用,是信用评分的先驱。三大征信局核心优势是数据,而FICO是对原始数据的深度分析技术。在美国,FICO已经成为信贷机构、监管机构、 二级市场和消费者公认的“黄金标准”,占领着美国99%的信用评分市场和绝大部分发达国家的信用评分市场。尽管2006年三大征信局推出了它们联合研发的信用评分体系Vantage。但是直到今天,Vantage的市场份额仍可忽略不计。 

    ZestFinance是目前在大数据征信方面做得比较成功的征信公司,其在FICO的基础上进一步挖掘与创新。对于非结构化数据处理,ZestFinance利用机器学习和大数据技术,创立了一套和传统模式相异的信用评分方式,其中应用的数据变量是传统模式的上百倍。不过值得注意的是,当前它的主要业务仍然聚集在个人征信方面。 

    虽然目前互联网大数据炒得火热,但从国外信用评分市场份额占比情况可以看出,虽然ZestFinance运用互联网大数据作为主要风控技术占领了一些市场份额,但是所占份额仍然不足1% 

    国内征信产业链条相对简单,从上游到下游分别是数据提供者、征信机构、征信使用方。链条整体目前都在央行的征信管理局的监管下运行 

    互联网大数据的应用为征信行业进一步发展提供了契机,可以将更多的数据信用信息收为已用,但是企业征信与个人征信在数据本质、数据来源等各方面存在着差异,以及考虑到我国征信起步较晚,互联网大数据在企业征信中的应用土壤目前并不广阔。现阶段,我国企业征信首先应该考虑的是如何做好信用评分模型,对现有的数据进行深入分析,运用数据挖掘技术和统计分析方法,对征信数据进行全方位分析,挖掘数据中蕴含的行为模式和信用特征,以不同的信用产品对企业未来的某种信用表现做出综合评估。数据处理在纵向发展到一定成熟的阶段后,可以考虑采用互联网大数据进行横向发展,扩大数据的广度,从而提高信用评估的全面性。这是目前我国企业征信在数据处理技术方面应有的基本思路。 

    现状分析

    从市场规模分析看,相较于发达国家征信市场,我国信用管理还处于初级阶段。据专业人士介绍,美国资信市场规模约250亿美元,占GDP的千分之1.5,在欧洲,这一比例为千分之1,而中国目前这一占比仅为千分之0.05,与欧美市场有几十倍差距,由此预计我国征信行业未来市场规模将达到千亿元,其中企业征信市场规模有百亿元。此外,另一个数据也能佐证我国企业征信市场空间成长之快。

    从市场规模来看,2013年全美前三家征信公司的营收规模达到500亿元 ,业内人士一致认为,假如达到美国市场的渗透率,中国的征信业的规模将有望达到1000亿元的规模。根据《中国征信业发展报告2003- 2013》的统计显示,我国的征信机构达到150多家,整体规模预期在20亿元,随着近几年政府的支持、经济的促进,这一数字也在不断增长 ,增速虽然较为缓慢,但是潜在市场空间非常庞大。据央行征信中心数据显示,企业信用信息大约每天被查询24.6万次, 2015年前三个季度,企业信用信息累计已被查询6000多万次。

具体分析看,首先,在市场基础方面,企业征信面向于企业,由于中小企业迫切需要信用打分,以帮助自身进行更好的融资,商业化前景较强。企业需要征信机构提供信用报告、信用评估、信用信息咨询等服务,帮助其自身判断、控制信用风险,进行信用管理的活动;从服务对象的不同,可以概述征信具有六大作用:防范信用风险、服务其他授信市场 、加强金融监管和宏观调控、服务其他政府部门、有效揭示风险、提高社会信用意识。 

    其次,就收入模式分析。借鉴国外的经验, Experian最大的业务板块是信贷服务,该营业收入在2014年所占比重为49.2%;而以征信业务为基础,利用数据优势发展其他增值业务,客户互动服务、市场营销解决方案、决策分析等也成为重要的收入来源,分别占20.4%18.1%12.3%。分行业来看,金融服务业仅占30%, 而直接服务消费者、零售行业、汽车行业分别占20%9%5%。国内征信机构收入当前局限在报告类基础产品,通过不断拓展业务范围和数据应用场景成为收入模式创新的重要发展方向。

    竞争状况分析

    据央行数据显示,截至20156月底,全国共有17个省()78家企业征信机构在人民银行分支行完成备案。其中有互联网巨头开设的、有保险公司等金融机构开设的,有老牌征信公司,以及拥有数据资源的新兴公司,第一批持牌经营征信业务的机构正式诞生,我国征信市场步入多元化发展。 

    从征信市场竞争格局看,截至2015年底,在央行完成企业征信备案的机构共有78家,而社会上约有150家征信机构,另据不完全统计约有2000多家公司开展征信业务。我国的企业征信发展是典型的市场需求驱动型的发展模式,从整体上看,我国企业征信还处在发展阶段,企业征信服务供应还远远没有满足市场需求。但是在没有健全的法律法规、没有优秀的实践先例的情况下,国内征信机构均是根据市场需求和国际经验,以传统的“信用报告+增值服务”的商业模式来运营的,模式单一,使得竞争压力剧增。 

    央行征信中心作为目前行业基础和先行者,以及拥有“金融信用信息基础数据库”专业运行机构的天然优势,绝不会仅仅满足于面向社会征信机构开放数据,只做“数据批发商”。在依法行政和社会治理、经济管理转型发展的大环境下,他们将不可避免地面临着去行政化、去垄断化、去专营化的态势,面临的市场竞争压力会与日俱增。 

    从社会第三方征信服务市场观察 ,开设企业征信业务的机构众多,但是还没出现几家做大的局面。唯有中诚信、大公等少数几家征信机构市场地位相对靠前,另外几十家规模较小的征信企业相对落后,各家机构仍在寻找发展机会,抢占先机。由于企业征信商业模式尚不明确,各家征信机构还在探索盈利模式, 价格战还未打响,市场竞争并不激烈。征信企业要想长久地生存下去,除了面对政策上的风险,目前主要还是要突破征信产品单一化的模式,从而提高自身竞争力。

    多维度数据来源,被视为提供征信服务企业的核心竞争要素之所在。传统征信数据主要源自信贷领域,而在互联网时代,数据源更广,种类更丰富,时效性更强。交易数据、社交数据等也能反映客户社会关系和经济行业的特征,间接反映信用状况。 以央行为例,央行越来越注重采集非银行信息,与海关、税务、社保等数据源单位接洽,多渠道、多维度地判断信息主体的信用状况,以建立全面、准确、实时的数据库,以防范金融机构的信贷风险。但值得注意的是,对于准确性不高的数据源,事先就应该拒绝采用,否则会给后期的异议处理带来很多不便,也可能会间接影响到征信机构的公信力。

    既然征信的核心是数据,征信产品的核心就是模型。一个征信产品的使用效果好坏与否完全建立在产品所运用的模型是否科学、合理。批量数据采集后,只有经过精准的分析、整理、保护、加工才能成为决策的依据。通常情况下,信息量大免不了数据会相对琐碎或杂乱,加上数据不连贯不持续,数据噪音会相应增加。这时就需要进行数据筛选和清洗,分析出破坏性最大的变量,并将其去掉。同时,建立模型、增强模型预测的准确性。比如,Experion采用多层次数据挖掘技术和云计算技术,筛选并清洗批量数据,建立算法模型,最终提升其风险的预测力和分辨力。 

    虽然缺乏有效的法规支持和统一的行业监管、征信市场供求双重不足,以及数据封锁和孤岛的制约,成为企业征信市场发展的阻碍因素,但这只“拦路虎”威力只在当下,在信用匹配价值的社会里,特别在消费信贷以前所未有的态势迅速发展时,企业征信市场神秘面纱正在揭开。