T112019-数据智能技术峰会-数字信用生态、趋势与机会-2019.11.25-8页_8mb

数字信用生态、趋势与机会总结

核心内容

王志诚副教授在《数字信用生态、趋势与机会》的讲座中，围绕信用在数字时代的重要性、信用体系的构建与挑战、大数据在信用领域的角色以及当前征信行业的发展现状等方面进行了深入探讨。

信用的重要性

信用是金融的三大核心要素之一，与价格、风险并列。在数字时代，随着社会分工的精细化，信用作为价值衡量的标尺愈发重要。个人信用在数据经济中不仅体现为身份标识，更成为影响经济活动的重要因素。

信用生态与体系功能

信用生态的构建依赖于有效的信用体系，其主要功能包括：

• 奖优罚劣机制：通过信用评价激励优质行为，惩罚不良行为。
• 奖惩有度：适度的奖惩机制有助于信用生态的健康发展。
• 惩罚过度：过度惩罚可能破坏信用生态的平衡，导致系统失灵。

DIKW体系与数字信用分工

数字信用体系可以划分为DIKW模型，即：

• Data（数据）：由政府公信机构负责数据的收集与存储。
• Information（信息）：由征信机构进行数据的提取与加工。
• Knowledge（知识）：由数据运营公司负责模型构建与知识整合。
• Wisdom（智慧）：由金融服务机构应用信用知识，实现反馈与优化。

当前，征信体系的“一道一库”基础设施尚未完全建立，影响了信用数据的整合与应用效率。

个人隐私与大数据产业

随着个人数据保护意识的增强，数据隐私成为大数据产业发展的关键议题。主要问题包括：

• 数据红线的第三方使用问题：需明确数据使用范围，防止滥用。
• 授权与权限管理：通过合理的授权机制，确保数据使用的合法性与合规性。
• 行业出路：在合法、合规、合理、合适的前提下，推动数据合作与共享，提升其价值。

“取之有道，用之有度，共享共有，留有余地”是数据管理的核心理念。

大数据产业的待解问题

当前大数据产业面临以下几个关键问题：

• 从发展中规范转向规范中发展：在数据应用过程中，需逐步建立规范体系，以保障数据安全与公平使用。
• 大数据角色定位：需明确大数据在信用体系中的边界，平衡效率与公平。
• 数据隐私与成本考量：在数据收集与处理过程中，需考虑隐私保护与成本控制之间的关系。
• 数据分级管理：根据数据敏感性进行分级管理，确保不同级别的数据得到相应的保护。
• 产权保护与共有共享：需在技术创新与数据产权之间找到平衡点，推动数据的合理共享。

当前进展与挑战

当前征信行业在数据整合、信用评价模型等方面已有一定进展，但仍面临诸多挑战，包括：

• 如何从征信生态角度构建总体框架。
• 如何实现征信最小化原则与大数据分析的结合。
• 如何建立合规机制，整合可信数据。
• 如何推动个体工商户信用共享平台的试点。
• 如何设计共享激励机制与合作模式。

联合实验室课题

由北京大学光华管理学院、百行征信与腾云天下征信数据分析与应用联合实验室共同开展的课题包括：

• 基于个人征信的小微个体工商户信用评价模型专项研究。

2019年背景信息

该讲座内容发布于2019年，反映了当时数字信用生态的发展现状与未来方向。

关键信息汇总

• 信用是金融的基石，是数字时代的重要价值标尺。
• 数字信用体系应基于DIKW模型进行分工协作。
• 个人隐私保护与数据共享之间需建立合理的授权与权限机制。
• 大数据在信用领域的应用需平衡效率与公平，关注数据隐私与产权问题。
• 征信生态的构建仍需完善，特别是在合规机制与数据整合方面。
• 借助联合实验室的研究，推动小微个体工商户信用评价模型的发展是当前的重要方向。