中国互联网金融协会
English Version | 网站地图
首页 协会概况 协会动态 政策法规 行业标准 行业自律 协会会员 行业研究 会议培训 投资者教育 党建之窗
   
李礼辉:大数据与普惠金融
2017年11月08日

全国人大财经委委员、中国互联网金融协会区块链研究工作组组长、中国银行原行长李礼辉

  十九大报告指出要推动互联网、大数据、人工智能和实体经济深度融合。在不久前召开的第五次全国金融工作会议上,习近平总书记指出,要建设普惠金融体系,加强对小微企业、“三农”和偏远地区的金融服务。实体经济需要更高效率、更加公平的金融服务,发展普惠金融有利于增强经济成长的长远动力。

  多年来一直存在又一直难以解决的“融资难、融资贵”问题,制度性的原因在于信用形成的模式,技术性的原因则在于信息不对称。信用形成的传统模式是基于共同的规则,通过可信任的中央节点验证信息、执行规则、积累信任。这种模式具有明显的局限性,由于信任需要积累,因而信用的建立需要较长的周期,信用形成的成本高;且由于必须经过可信任的中央节点,小范围的社会行为或经济行为难以成为被普遍认可的信任记录,信用可及的范围小。而且在现有的技术环境下,信息不对称比比皆是,市场主体之间的信息不对称,政府与市场之间的信息不对称,这就容易产生数据造假、信息造假、信用造假的问题,进一步损害了信用环境,也扭曲了信用的社会价值和商业价值。信用形成的传统模式加上信息不对称,在很大程度上造成信用狭窄、信用封闭,小微企业的大部分金融需求因信用不够普及而无法得到满足,这是中国的痛点。随着金融科技的飞速发展,互联网企业引领的大数据技术应用为解决这个痛点提供了可行选择,即利用大数据技术创造信用、普及信用,在发掘普罗大众的信用价值的同时提升企业自身的价值。因此,利用大数据技术推进信用普及,发展普惠金融,解决小微企业“融资难、融资贵”的问题应该是可行的路径。

  那么,什么是大数据?

  现代社会每时每刻都在产生海量的信息,当信息以数字形态被记录和收集时就形成了数据。而且并非所有的数据都是大数据。IBM早就提出大数据的“5V”特点,一个是大量,一个是高速,一个是多样性,一个是价值,一个是真实性。作为全球最有影响力的科技巨头,IBM对大数据显然侧重于技术性的解读,而且也很难得凑齐了五个V打头的英语单词。基于信任普及的要求,大数据应该具备较高的品质。

  一是具体的真实性。数据来自具体的主体,可以是个人,也可以是家庭;可以是企业,也可以是行业;可以是金融机构,也可以是政府部门。数据来自真实的行为,可以是商品交易,也可以是金融服务;可以是劳动就业,也可以是薪酬福利;可以是法定税收,也可以是行政收费。

  二是可靠的一致性。数据的一致性要求与数据的应用范围正相关。金融产品数据应用范围通常更大,对数据的一致性质量要求更高,对数据的可靠性、安全性的要求也更高。在一定的数据应用范围内,数据采集的标准和方法必须一致,数据存储的结构和路径也必须一致。

  三是足够的延展性。数据具有时间、空间两个维度,足够的延展性才可能具备统计学的意义。无论是时间维度还是空间维度,必要的数据长度和密度,一般与数据主体的规格正相关。如果是个人或者家庭,只要有12个月以上并具备一定密度的数据,应该就能够揭示个人及家庭的消费倾向和支付能力。如果是大大小小的企业以及个体经营者,那就需要按经营范围、服务对象区分的数据组合,才能够分析和比较不同企业的市场竞争力和盈利能力。如果是特定类别的产品或者某一个行业,那就可能需要一整个经济周期甚至更长时间的数据,才能准确反映特定产品、特定行业的市场需求和生命周期的变化趋势。

  建立以数据为基础的信用体系必须有信得过、靠得住的数据,也必须有管得细、跟得上的制度,应用大数据技术来推进信用普及,发展普惠金融还必须解决当前存在的一些问题。

  一是一致性不足,数据不够大。据波士顿咨询公司测算的信用体系的覆盖率,美国高达92%,而中国大约只有35%。直接的原因在于信用数据不一致,征信系统不一致。在中国,涉及营利法人的信用数据,分散在银行、工商行政管理、税务、海关等不同部门的征信系统中,标准不尽相同,口径不尽相同。上市企业信息披露要求严格,财务透明度较高,容易建立信用。但大多数小微企业的商业行为记录湮没在市场的海洋里,没有信用标记,无法积累信用,也就不能产生信用的价值。对于小微企业和个体经营者来说,这是与生俱来的缺陷;对于市场经济和商业社会来说,这就是经济制度的缺陷。

  二是可靠性不足,数据不够安全。我把信息区分为共享信息、专有信息、私密信息。共享信息的价值在于真实,必须维护其权威性;专有信息的价值在于归属,必须维护其知识产权;私密信息的价值在于可靠,必须维护其安全。但在目前的数据结构下,往往难以证明共享信息的真伪,难以确认专有信息的所有权,业难以保护私密信息的安全。比如,“e租宝”伪造共享信息,以假项目、假承租、假担保手段非法集资700多亿元。我们也看到,网络诈骗盗用个人私密信息,将黑手伸向老人、病人、学生。数据信息可靠性不足、安全性偏低,消耗信任,消耗信用,在很大程度上影响了普惠金融的发展。

  三是合规性不足,法律不够完善。大数据技术正在将越来越多的个人信息、法人信息,纳入各式各样的数据库,与此同时个人信息滥用屡禁不止,包括过度收集个人信息,擅自披露个人信息,甚至非法买卖个人信息,这引起了人们对于隐私保护的担忧,也影响了人们对大数据技术应用的信心。值得高兴的是,有关个人信息保护的法律建设有了新进展。今年6月起施行的《网络安全法》和10月起施行的《民法总则》对个人信息保护做了更加严格的规定。不过落实到位还需要一个过程,而且一些具体的法律规范也有待进一步明确。例如,我们看到互联网电商平台、移动通信运营商、连锁商场、连锁超市、连锁酒店、品牌房地产商和物业管理企业、航空公司、高铁公司、物流公司、学校、医院等等都拥有大量的个人信息数据,对于个人信息的商业利用还有必要制定具体明确的法律规范。

  当前,大数据、人工智能、区块链正在成为金融科技的主角,只有推进技术创新和制度创新的融合,才能形成真正的普惠金融,实现金融业的转型升级。

  一是做到可控、可信、可靠,成就大数据。并非所有的数据信息都可以采集和记录,也并非所有的数据都具备应用的价值。数据的采集、记录和应用必须遵循基本的准则,这就是可控、可信、可靠。

  数据采集、记录和应用应当依法合规,有效管控。要加强制度建设,完善数据采集、记录和应用的法律环境。对商业应用的数据信息应制定明确的规范,限定应用范围,防止企业和个人的私密信息被滥用。在信用信息系统中,只应允许采集有效的、必要的与信任评价有关的各维度的用户数据。涉及个人隐私的数据信息,包括家庭住址、行动轨迹、电子信件、朋友圈等必须得到有效的保护。即使是国家的权力机构,也只能够在法定的范围内调取和使用。任何机构、任何企业、任何个人都不能够侵犯个人隐私,都负有保护个人隐私的责任,都不能将涉及个人隐私的数据、信息用于商业目的。对泄露、出售、盗用私密信息、侵犯个人隐私的犯罪行为,必须依法严厉惩处。

  应该建立数据运营商、中心数据库和云存储数据库集群的准入门槛,严格进行资格核准和行为监管。数据运营商、中心数据库和云存储数据库集群都必须依法制定具体的筛选标准、取舍规则和操作流程,执行到位、管控到位,切实保护数据信息主体的权益。

  数据采集、记录和应用应当采用先进的技术,过滤无效数据和干扰数据,防止数据失真,提高数据质量,保证数据的可信度。

  数据安全和数据系统可靠性是大数据技术应用的底线,数据系统不可靠,不仅可能损害数据信息主体的权益,而且可能危害国家的信息安全。数据安全保障应该依托安全可靠的操作系统,应该覆盖从数据源头采集到数据存储、数据应用的全过程、各环节,应该建立具体的制度、流程和规范。任何数据库都可能面临黑客的攻击,要重新审视安全定义,确保数据安全。我个人的建议:一是应该发展我国自主可控的操作系统,改变计算机桌面操作系统普遍采用Windows的格局。二是安全技术和制度应该与时俱进,适应新的数据技术环境。随着技术创新发展,数据存储越来越多地采取分布式、“数据云”的结构,数据世界不再只是大中心的计算机系统和网络,而是多元复合的结构体系。新技术势必带来新风险,成功运用于传统的大集中数据库的安全技术和管理制度,未必能够适应新的数据世界。应该抓紧研究,采取有效的技术手段和管控措施,维护数据安全

  二是做到共建、共享、共管,成就大信用。唯有大数据,才有大信用。运用大数据技术解决信息不对称问题,可以让市场变得透明,普遍降低信用成本。一般来说,数据的覆盖面越广,一致性越高,数据应用的范围就越大,数据创造的价值也越大。建立具有高度一致性、可靠性的大数据、大信用系统,比较可行的路径是共建、共享、共管。

  在国家层级,重点是统筹规划大数据基础设施建设,加快政府数据资源整合,实现政府数据统一,推进公共数据资源开放共享。有必要对分散的、自成体系的政府部门数据系统进行整合,实现关键领域的数据统一。例如,建立标准统一的金融统计制度,建立集中统一的金融数据库,建立互联共享的金融数据应用系统,实现金融“一本账”,形成能够支持金融审慎监管的基础设施。又如,整合银行、工商行政管理、税务、海关等部门的征信系统,共建全国集中统一的中小微企业征信系统,采取统一标准和口径,采集中小微企业的金融业务、工商登记、税费缴纳、国际贸易、市场诚信等信息,进行数据挖掘,为中小微企业积累信用记录,赋予信用标记,促进中小微企业信用增值。国家也应该支持和促进企业层级数据资源的整合。整合按照共建共享、互惠互利的原则进行。通过整合,一方面扩大数据的覆盖面,达成数据的一致性,提升数据库的可靠性和安全性,提升数据应用的价值;另一方面,形成以数据资源共享为支撑的供应链和信用链,降低链内交易成本,促进信用的普及,提升信用的价值。企业自身应该加强数据管理,通过有效的数据管理提升企业核心竞争力和市场信用度,从战略规划设计到战略执行评价,从投入产出测算到经营效益分析,从市场需求调查到产品服务升级换代,都可以应用大数据技术。

  与此同时,必须构建市场参与者共同管理、共同维护市场信用的格局,联合抵制数据造假、信息造假、信用造假,共同创造良好信用环境,提升信用的社会价值和商业价值。对守信者给予鼓励,对失信者给予惩戒。例如,在融资金额及利率、信用担保及保证金、商品定价及手续费等方面给予守信者优惠,体现信用的价值。

(根据现场速记整理,未经发言嘉宾本人确认)