첫째, 빅 데이터 징신 탄생 배경
최근 20 년 동안 경제체제 개혁에 따라 우리나라의 기업신용체계가 크게 변화하여 대기업을 주요 대출단체에서 중소기업이 주요 대출력으로 전환되었다. 새로운 대출단체, 은행 등 금융기관이 충분한 자금을 줄 수 없어 갈수록 심각해지는' 중소기업 융자 딜레마' 로 이어졌다. 린이프는 일찍이 200 1 에서' 경제연구' 에' 중소 금융기관 발전과 중소기업 융자' 라는 글을 발표했는데, 중소 금융기관이 소기업에 더 적합하다고 판단해 우리나라 중소금융기관의 발전을 대대적으로 추진하기 위한 이론적 토대를 마련했다. 도시상업은행, 농촌신용사, 소액대출회사 설립으로 전 사회가 소기업에 대한 대출제품이 급증하면서 자금 공급이 크게 개선되고 최근 몇 년간 소기업의 융자 환경이 크게 달라졌다.
그러나, 소형 금융기관의 출현은 소액 금융의 곤경을 근본적으로 해결하지 못했다. 대기업에 비해 소기업 자금 점유 비율 (30% 정도) 이 매우 낮아 소기업이 GDP 에 기여한 공헌 (70% 정도) 과는 전혀 어울리지 않는다. 최근 몇 년 동안, 소기업의 생존 압력이 커지고, 전통업계의 경쟁이 치열하고, 이윤 공간이 끊임없이 압박되고 있다. 외상판매로 소기업들이 잔혹한 자금 회전 압력에 직면했고, 곳곳에 소기업들이 자금사슬이 끊어져 도산하고 있다. 이런 상황은 금융기관의' 아석대출' 행위를 더욱 악화시켰다. 소기업 대출에 대한 부정적인 기대는 소기업 대출의 수축으로 이어지고, 소기업과 소기업 모두 악순환에 빠졌다. 소기업과 소형 금융기관은 전체 신용체계의 밑바닥에 있다.
소기업 신용대출에 대한 딜레마는 거시적이고 미시적인 행동을 포함하는 것처럼 보이지만, 실제로 소액신용의 모든 어려움은 한 가지 점에 집중되어 있다. 자금 측은 소기업의 위험을 잘 볼 수 없다고 생각하면 당연히 대출할 수 없다. 이것이 이른바' 정보 비대칭 위험' 이라고 한다. (윌리엄 셰익스피어, 정보비대칭적 위험, 정보비대칭적 위험, 정보비대칭적 위험, 정보비대칭적 위험, 정보비대칭적 위험) 위험을 식별할 수 없기 때문에, 투자자는 작은 마이크로대출을 피하는 대출 정책을 제정하여' 역선택' 을 형성했고, 작은 마이크로대출은 여기서 멈추고, 돈이 없어 대출할 수 없는 곤경에 빠졌다. 큰 은행과 작은 금융기관 모두 같은 문제에 직면해 소액신용대출에도 무력하다. 이 문제는 통칭하여 사회신용체계 부족으로 신용위험이 높다고 할 수 있다.
신용체계의 부재로 투자자들이 중소기업의 실제 상황을 잘 볼 수 없게 된 것은 현실적인 이유가 있다. 우리나라 소기업의 내부 관리는 매우 임의적이어서 많은 거래에는 규범적인 기록 방식이 없을 것이다. 정규 출자자는 엄격한 실사에 따라 제 1 상환원 (업무상환원) 과 제 2 상환원 (담보물) 에 대한 조사를 거쳐 결정을 내려야 한다. 이 과정을' 신용조사' 또는' 신용심사' 라고 부를 수 있다. 앞서 살펴본 바와 같이, 중소기업이 이용할 수 있는 효과적인 신용 조사 및 감사 수단이 부족하기 때문에 이 프로세스는 소액 대출 프로젝트에 시간이 많이 걸리고 비용이 많이 들며 정확하고 진실하며 가치 있는 정보를 찾기가 어렵고 중소기업 신용의 성공률을 저해합니다. 마찬가지로, 사모기관과 민간 자본 기관들에게 그들은 관련 조사를 할 능력이 없고, 대출은 감각 등으로만 할 수 있으며, 위험은 더 크다.
이에 따라 소기업 대출의 병목 현상은' 효율적이고 저렴하며 정확도가 높은 기초 정보 서비스 부족' 이라는 결론을 내릴 수 있다. 투자자가 저렴한 비용으로 중소기업이 신뢰할 수 있는지 여부를 정확하게 파악한 다음 보조 위험 통제 조치 (보증, 모기지 등) 를 취할 수 있는 능력이 있다면 상상할 수 있습니다. ), 작은 마이크로 상인은 수익성이 될 것이고, 자금 통로가 개통되고, 작은 마이크로 신용대출은 원활하고 질서 있게 될 것이다. 빅 데이터 신용은 이런 사회적 맥락에서 발생한다.
둘째, 빅 데이터 신용 정보 기술을 탐구하는 몇 가지 방법
대형 데이터 기술이 각 업종에 깊이 적용됨에 따라, 대형 데이터를 이용하여 징신 채널을 뚫는 것이 점차 사회의 주류 의식이 되고 있다. 신용서비스 종사자, 정부 징신기관, 인터넷 금융회사들은 모두 이 방면에서 꾸준한 탐구를 해왔으며, 소기업 정량화의 심도 있는 평가 방법을 찾기를 기대하고 있다. 현재 몇 가지 주요 방법의 특징을 분석해 봅시다.
(a) 양적 신용 평가 (등급) 모델 (안팎)
수년 동안 신용 기관, 신용 기관, 신용 기관, 평가 기관은 양적인 신용 모델을 형성하여 각 방면의 데이터를 모델로 가져온 후 자동으로 평가 결과를 생성하여 대출할 수 있는지 여부를 제시해 왔다. 오랜 탐사, 연구, 실험을 거쳐 이 이상적인 모델은 발표되지 않았다. 국내 유력 투자자들이 일본, 미국 유명 컨설팅사의 신용분석 모델을 도입했지만, 국내 실정에 대한 적용성이 좋지 않아 원하는 효과를 얻지 못했다. 관련 데이터를 도입한 후 기업의 상환능력과 의지에 대해 믿을 만한 판단을 내릴 수 있다.
외국의 선진 모델과 국내 기관의 다년간의 모델 탐구는 보편적이고 효과적인 수량화 모델을 형성하지 않고 중소기업을 판단하지 않았다. 주로 우리나라 중소기업의 데이터 품질이 낮기 때문이다. 국내외에서 사용되는 기업 데이터는 주로 재무제표 데이터이고, 재무데이터는 회계사무소에서 발행한 것이기 때문이다. 우리나라 신용체계에는 큰 부족이 있어 회계사무소가 발행한 감사 보고서는 거의 만들어졌으며 신뢰도가 매우 낮다. 이 보고서는 성실한 기업에게는 큰 참고의의가 있지만, 고의로 대출을 속이는 기업에게는 감사 보고서의 허점이 보이지 않을 수 있다. 다양한 정량 모델의 탐구는 만족스러운 결과를 얻지 못했다. 다만 그 기반이 되는 데이터의 품질이 낮기 때문에 어떤 경우에도 진정한 가치 있는 정보를 얻을 수 없기 때문이다. 이 방법은 기본적으로 무효로 선언되었다.
(b) 외부 데이터베이스 액세스 (외부에서 내부로) 스키마
내부 데이터의 품질이 좋지 않은 경우, 각 기관은 정부 부서의 데이터, 세무 시스템의 데이터, 비즈니스 정보, 업계 주관 부서의 비즈니스 데이터, 세관 데이터, 각 업계 협회의 비즈니스 데이터, 타오바오와 같은 전자 상거래 플랫폼에서 축적된 거래 데이터 등 보다 광범위하고 신뢰할 수 있는 데이터 출처를 찾기 시작했습니다. 이 수치를 근거로 한 기업과 관련된 데이터를 찾아 종합 분석을 한다. 이를 "외부-내부" 데이터 시스템이라고 합니다. 즉, 기업 신용 서비스는 더 이상 평가 대상 기업에서 데이터를 추출하는 것이 아니라 외부 데이터 시스템을 사용하여 구현됩니다.
이 모델의 장점은 데이터베이스 시스템이 형성되면 단일 기업이 신용 정보를 쉽게 수집할 수 있고 신용 정보 서비스의 한계 비용이 매우 낮고 속도가 매우 빠르다는 것입니다. 직접적인 장점은 신용정보 서비스 요금이 낮고 서비스량이 많다는 것이다. 그러나이 모델에는 자체 단점이 있습니다. 다중 부서 데이터 포털 도킹은 건설 및 실행 비용이 매우 높은 거대한 시스템 엔지니어링입니다. 현재 상공업 정보 외에 다른 부서 정보는 시급 부문에 분산되어 있어 통합 작업이 상당히 방대하다. 또한 가장 심각한 문제는 데이터 품질입니다. 국내 중소기업이 제출한 경영 자료는 조세 회피, 대출, 기타 용도와 같은 구체적인 필요에 따라 편성된 것이다. 현지 기업의 발전을 장려하기 위해 일부 지방정부는 고정세 승인과 같은 고액의 세금 혜택을 주어 기업이 사실대로 신고할 것을 요구하지 않는다. 따라서 각 부서에서 수집한 데이터는 실제 상황과 크게 다를 수 있으며, 징신 서비스라면 그 신뢰도도 의문시될 수 있다. 동시에, 기업이 생성한 모든 데이터가 외부에 제출되는 것은 아니다. 실제로 외부에 제출된 데이터는 기본적인 재무제표, 세금 납부 등과 같은 극히 일부에 불과하며, 기업 상황을 설명하는 대부분의 데이터는 공급 정보, 제품 범주, 자금 흐름 등과 같은 기업 내부에 침전되어 있습니다. 이러한 데이터는 외부 데이터베이스를 통해 찾을 수 없습니다. 외부 데이터베이스는 데이터 양이 많지만 단일 기업에는 충분하지 않습니다. 전자상 내부의 생태계 데이터가 상대적으로 일방적인 경우, 한 기업이 단 하나의 전자상 채널을 통해서만 판매하지 않기 때문에, 단일 전자상 거래 데이터는 분명히 포괄적이지 않다.
외부 데이터로 데이터 네트워크를 짜면, 이 네트워크는 전국의 거의 모든 기업을 포괄하는 거대한 네트워크가 될 것이다. 그러나 한 기업에 대한 데이터가 부족하기 때문에 이 네트워크의 데이터 케이블은 비교적 희소하다. 즉, 데이터 그리드가 매우 커서 기업에 대한 대부분의 가치 있는 정보가 누락되었고, 효과적인 정보가 너무 적기 때문에 믿을 만한 결론을 내릴 수 없다. 이것은 외향적인 내부에서 신용 데이터 시스템을 구축하는 탐구이다.
국무원이 국가발전개혁위가 국가신용체계를 세우도록 임명한 이후 각급 정부신용사무소가 주도하여 모든 정부부처와 관할 범위 내의 데이터를 연결시켜 통합 신용정보플랫폼을 형성하고 전문 제 3 자 회사나 자회사가 운영하는 사회요구에 맞는 신용보고서를 발표했다. 정부 외에도 사회징신기관이 비슷한 일을 하고 있고, 정부 데이터에 접속해 운영하고 있다. 현재의 발전으로 볼 때, 이러한 징신 서비스가 현재 제공할 수 있는 가장 중요한 정보는 상공업 등록 정보와 소량의 각 부서에서 제출한 정보입니다. 이런 신용서비스는 정보가 간단하고 유료가 저렴하지만 신용업무에서는 거의 큰 역할을 하지 않는다.
(c) 단일 엔터프라이즈 데이터 신용 서비스 (내부에서 외부로)
또 다른 데이터 정보 서비스는 기업 내에서 유용한 정보를 발굴하는 것이다. 이런 관점에서 볼 때, 이 방법은 전통적인 신용 방법과 일치하지만 수집한 정보와 분석의 패턴이 다르다. 현재 일부 전문 징신 회사들도 안팎의 데이터 징신 방법을 개발하고 있다. 이 방법으로 사용되는 데이터의 양은 사회적 징용 정보의 양이 많지 않지만 (따라서' 작은 데이터' 라고 함) 대출과 매우 관련이 있습니다. 신뢰성 보장을 바탕으로 많은 가치 있는 정보 ("빅 정보") 를 얻을 수 있는데, 이는 모두 신용업무에서 투자자들이 가장 관심을 갖는 정보입니다. 이 서비스는 자금 측이 최소한의 시간 내에 기업이 대출 조건을 충족하는지 판단하고, 자금 측을 위해 대량의 조사 시간과 비용을 절약하고, 소기업 융자의 효율성 요구 사항과 위험 통제 요구 사항에 적응할 수 있도록 도와줍니다.
데이터 징신이 사용하는 기본 데이터의 양은 정부 부처만큼 크지 않지만 수집한 모든 정보는 가장 관련성이 있어 기업의 실제 경영 상황과 상환 능력을 포착할 수 있다. 데이터 네트워크의 관점에서 볼 때, 이 방법으로 형성된 데이터 네트워크는 작지만 (단일 기업만 해당), 데이터 "메쉬" 는 기업에 대한 귀중한 정보를 대량으로 보존하는 동시에 관련 없는 정보와 간섭 정보를 필터링하여 심도 있고 고품질의 신용 보고를 형성하여 신용 결정에 대한 확실한 근거를 제공합니다.
이런 데이터 징신 서비스의 장점은 장기적인 건설 비용 없이 우리나라의 기존 정보베이스와 사회 현실에 잘 적응할 수 있다는 점이다. 어려운 점은 어떻게 대출업체의 충분한 신뢰를 얻어 심도 있는 데이터를 제공할 수 있는가에 있다.
기업 데이터 신용 기술은 기술적 사고가 아니라 이미 대량의 실천을 시작했다. 데이터 징신은 보증 업무와 소액 대출 업무에서 중요한 역할을 하며, 보증 회사와 소액 대출 회사가 위험을 해결하고, 프로젝트를 명확하게 평가하고, 업무 효율성을 높이는 데 도움을 줍니다. 시장 환경이 변화함에 따라 점점 더 많은 사람들이 이 기술의 가치를 인식하게 될 것이라고 믿는다.