围绕信用风险管理做数据挖掘

作者：王宁江，高级经济师，浙江省信用办副主任、浙江省信用中心主任。

前段时间，国家在北京开了一个全国各省份和副省级以上城市信用平台网站的观摩会，来自五湖四海的英雄豪杰齐聚一堂，使出浑身解数，切磋各地建设和应用信用平台网站的经验和做法。既然是切磋，必然是要分高下的，专家的现场提问和打分自然备受关注，每个分数背后是各地信用人辛勤劳作的汗水和成果。虽然会场控制了人数，但参与者的热情不减，场场爆棚。

笔者有幸全程参加了观摩活动，并代表本省参加了专家提问环节，有几个感受特别深。首先，一批充满情怀的信用人，同仁们都很努力、都很拼；其次，各地均拿出了看家的本领，整体信用平台网站的水平都很高，虽然省份和城市间有些差距，但各有各的特色；第三，公共信用信息的归集、整合和共享向前迈进了一大步；第四，大数据分析挖掘技术普遍得到关注和应用，可视化界面色彩缤纷；第五，重点行业领域的应用成果斐然，城市信用应用更加侧重于惠民；第六，信用联合惩戒机制大格局基本形成，许多基层的实践体现了决策者和参与者的智慧。

观摩会热闹的背后，还需静下心来，做些思考。其中之一就是，大数据挖掘和可视化展示技术的应用不只是为了好看，而更应当是立足于好用，围绕信用的本质做大数据挖掘和做可视化展示。

做信用的本质还是风险管理、成本控制的问题。所谓评级，无非也就是根据掌握的大量样本数据和以往履约数据进行评估，然后告诉你未来的违约可能性；所谓征信，也就是给你一大堆数据和一个综合评分，然后由使用方自行研判、自行分类处置。如果你能接受风险，那就接受交易。如果你觉得风险成本超过预期，那么或者选择增信，通过增信来降低违约概率，从而达到降低风险成本的目的，并接受交易；或者直接选择拒绝交易。

笔者一直不看好评级业的行业趋势，这里只讲征信。大数据技术的引入，主要也是在征信领域。传统的征信获取的调查数据有限，因此，传统的打分方法足够可以满足风控的要求。到了目前这个阶段，互联网的创新发展和信息的传播能级远超预期，影响主体履约的因素出现了新变化，一方面不仅仅是经济关系，而且主体的社会关系对履约的影响分量越来越重；另一方面，主体的关系半径前所未有的扩大，影响风险的可能有成百上千个维度。于是，传统的打分方法开始力不从心，所以，才有了大数据挖掘技术的应用。

以往讲一个主体信用，主要是分析信用能力和信用意愿两个层面。当下，这个理论也该发展了。除了保留信用能力这一维度外，还需要调整和新增几个维度。一是信用行为，即主体在经济社会活动中表现出来的行为记录，包括交易履约和遵纪守法等方面，这是显性的；二是信用关系，即与主体发生关联关系的其他主体信用状况，这是隐性的，既要大数据技术挖掘出关联关系，也要根据关联关系的疏密程度和关联主体信用的优劣状况综合评判风险；三是外部环境，即经济社会的政策环境对主体履约的影响，这也是需要应用大数据技术做定量分析。

此时的征信已不是传统意义上的征信，其内涵和外延均发生了颠覆性的改变，只不过还穿着“征信”的马甲而已，监管层也不应戴着老眼镜看新现象。身边典型的案例就是芝麻信用分高低与共享单车是否免押金之间的挂钩，共享单车公司选择650分作为阈值，说明他可以接受骑行者650分以上可能出现的违约风险。这只是征信分在社会生活领域的一个应用，绝不是征信的不务正业。大数据技术不管怎么做，均应围绕风控去做。我们都处在一个概率和交换的世界，任何一次发生，从粒子层到宏观层，均离不开这两个要素，信用也是如此。

大数据挖掘之后，应用可视化技术其实并不是一件难事，重点是要把几个关键性的、结论性的风控指标值展示出来，尽可能地直观、易懂，不要喧宾夺主、华而不实。