综述：

随着人工智能对行业的渗透，以及数据量级的剧增，越来越多的企业服务和产品正利用人工智能，大数据等相关技术提供更智能服务，大数据作为人工智能模型中的训练“粮食”，占据重要位置，如何挖掘和利用企业数据，是做好企业服务的一个重要途径。

(资料图)

关于企业大数据来源主要有以下几个方面：

企业内部数据化档案，例如人事资料，纸质化资料等；

企业自产数据，例如企业内部OA，ERP和CRM系统所沉淀下来的客户数据，办公数据，生产经营数据，社交数据，电商数据，支付数据，供应链数据等；

企业信用数据：包括了政府公开数据，比如工商的企业信用信息公示数据，失信被执行，被执行数据，裁判文书，开庭公告，法院公告，税务数据，动产融资数据，招投标，司法拍卖数据等；专利商标，行政处罚等数据；还有互联网公开数据比如新闻数据，招聘网站数据，上市披露数据。

对于征信的概述，现代征信是指依法收集、整理、保存、加工自然人、法人及其他组织的信用信息，并对外提供信用报告、信用评估、信用信息咨询等服务，帮助客户判断、控制信用风险，进行信用管理的活动。在征信产业链上包括了上游的数据生产者、中游的征信机构及下游的征信信息的使用者，其中中游的征信机构运行模式主要有采集数据、加工数据及销售产品。数据供应商主要包括银行等金融机构、政府部门、工商企业和个人，几乎涉及人们生活的方方面面。征信机构从数据供应商处获得数据通过一定的模型进行加工处理得到信用评级结果，然后进行服务输出。征信报告使用方主要有房地产商、招聘企业、金融机构等，多数发生在个人购房和购车、个人小额信贷、企业信贷、债券买卖等场景。

一、国内外征信模式

目前国际上的征信模式主要有以下几种：

市场主导型，美国。Equifa、Experian和TransUnion三大管理局按照市场经济的法则和运作机制，并对外提供服务给贷款授信企业。

政府主导型，德国，中国。以我国为例，主要是以政府主导，授权中国人民银行征信系统创建，收集，维护和整合全国部分企业和个人征信，目前已经覆盖了银行机构，法院，电信，社保，小额贷款等机构数据，覆盖个人和企业的数量上一直维持着增长势头，中国大陆将近14亿人，企业及其他组织数量也在不断增加，征信系统覆盖范围还有很大的增长空间，总体上来讲，我国的征信处于初级阶段，对企业的数据覆盖度不够，难以满足当前各种创新的金融模式对企业征信的需求。

混合型，韩国、印度为例。以政府和市场混合，协同发展。

二、企业信用数据的行业运用

1、信贷风控，金融的核心是风险管理，目前主要由政府信用公示机构，比如国家企业信用查询网，中国失信被执行网，中国被执行信息网，法院网，信用中国等公开查询数据，为信贷金融机构提供贷前，贷中，贷后的信息查询，信用报告和监控等服务。

2、融资租赁，为融资租赁公司提供融前尽调，融后监控服务，提高工作人员效率，并通过集团化账号系统深入各个业务部门，提升工作质量和效率。

3、信用评级，根据企业的工商，法务，新闻，经营，债券等多维度数据，对企业进行信用评级，常见的是债券评级。

4、供应链金融，围绕核心企业，管理上下游中小企业的资金流和物流，并把单个企业的不可控风险转变为供应链企业整体的可控风险，通过立体获取各类信息，将风险控制在最低的金融服务。

5、其他，比如招聘，商业调研和律所。

三、企业征信的未来展望

1、数据共享

数据作为征信和风控行业的核心资产，也是构建信用社会的基石，过分孤立或过分共享都不利于行业发展。所以，如何在实现共赢，保护隐私的基础上做到数据共享，打破数据孤岛，打通各个平台的数据通道，让不同的数据汇集在一起，共同打造征信体系，是未来的发展趋势。

2、挖掘数据价值

随着大数据征信技术的不断发展，征信产品将从信息的初次挖掘向深层次挖掘发展。深层次挖掘是指将收集到的数据与征信专业知识相结合，构建风险识别与量化，规则引擎，企业关联图谱，数据可视化等产品，对数据进深度挖掘，从而深化征信产品与服务，提高征信产品的专业性。例如利用企业工商信息，建立企业关联网络，当网络上某一企业出现负面信息时，能够迅速识别风险并预警其他企业，并根据风险情况量化预警等级。

3、提供垂直，细分领域服务

随着征信市场规模的不断扩大，部分征信机构基于自身特点及优势，开始出现专注于某一细分领域或某一业务环节提供具有针对性、定制化的征信产品服务的趋势。例如提供爬虫技术，一站式爬取，清洗，整合和入库，针对新闻的舆情监控服务；提供企业获客服务，为金融机构筛选优势客户，实现精准营销；提供企业金融服务，比如理财，融资，支付和信贷；提供C2B，B2B的股权投资撮合平台等。

本文内容为原创，转载请注明出处！

关键词：