Talkingdata--T112019-数据智能峰会-数字信用生态-趋势与机会_8页_8mb

数字信用生态、趋势与机会总结

核心内容

本讲座由北京大学光华管理学院金融学系副教授王志诚主讲，围绕数字信用生态、趋势与机会展开，探讨了信用在数字经济中的重要性及其在金融体系中的基础作用。讲座从信用的定义出发，分析了信用生态的结构、功能，以及大数据在信用体系中的角色定位与挑战，并提出了当前征信体系的发展方向与待解决问题。

信用的定义与重要性

信用是金融的三大核心要素之一，与价格、风险并列。随着社会分工的精细化，信用成为衡量个体与组织价值的重要标尺。在数字时代，个人信用不仅是金融活动的基础，更成为数据经济社会中个体地位和身份的体现。

信用生态的结构与功能

信用生态的构建依赖于一系列分工协作机制，形成了一个完整的DIKW体系：

• Data（数据）：数据收集与存储，由政府公信机构负责。
• Information（信息）：信息提取与加工，由征信机构承担。
• Knowledge（知识）：知识模型与整合，由数据运营公司完成。
• Wisdom（智慧）：智慧应用与反馈，由金融服务机构实现。

信用体系的功能包括：

• 奖优罚劣机制：通过信用评价引导行为。
• 奖惩有度：确保生态健康发展。
• 惩罚过度：可能导致生态失衡。

个人隐私与大数据产业的关系

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重要议题。数据使用需遵守“数据红线”，即明确数据的使用范围与授权机制。讲座强调了合法、合规、合理、合适的行业出路，以及数据合作共享的价值提升机制，提出“取之有道，用之有度，共享共有，留有余地”的理念。

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：

• 数据隐私与分级管理：需考虑成本与数据隐私的平衡。
• 效率与公平：技术创新应兼顾效率与公平，同时加强产权保护。
• 边际影响：需关注大数据对产权价值和共有共享机制的影响。

讲座指出，应从“在发展中规范”转向“在规范中发展”，以促进大数据产业的可持续发展。

征信体系的现状与挑战

目前，征信体系的“一道一库”基础设施尚未完全建立，存在数据整合、合规机制、数据共享等方面的问题。讲座提到，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正在推动征信数据分析与应用的深入研究。

信用评价模型专项课题

联合实验室重点研究基于个人征信的小微个体工商户信用评价模型，旨在通过数据驱动的方式提升对小微企业的信用评估能力，促进其融资与发展的可能性。

待解决问题

从征信生态角度出发，当前需解决以下问题：

• 构建征信生态的总体框架。
• 探索征信最小化原则与大数据分析的结合模式。
• 建立合规机制与可信数据的整合体系。
• 推动个体工商户共享平台的试点运行。
• 设计共享激励机制与合作模式，以实现数据的有效利用与公平分配。

数学表达式

$$
[1 + u] - u = (1 + u)(1 + u)^2 > 0
$$

该表达式可能用于说明某种信用机制的正向循环或增长逻辑，具体含义需结合上下文进一步解读。

2019年背景

讲座内容以2019年为背景，探讨了当时征信体系与大数据产业的发展现状及未来方向，为当前的信用生态建设提供了历史参考与理论支持。