郭红雨

在互联网技术的不断发展下，互联网金融应运而生。互联网金融在和银行业、征信业的融合发展下出现了互联网银行、互联网征信等新兴金融商业模式。但是从发展实际情况来看，互联网技术支持下的互联网银行、互联网征信等发展不够完善。为此，文章在阐述互联网征信数据来源可行性和数据模型构建可靠性的基础上，分析商业银行应用互联网征信数据的指标和算法，结合互联网时代商业银行征信数据应用现状，为如何优化互联网时代商业银行征信数据应用进行策略分析，旨在更好的促进互联网金融发展。

在社会经济和科技的不断发展下，互联网征信系统逐渐渗透到银行信贷决策贷款前、贷款中、贷款后的全过程中，互联网征信系统在提升商业银行申贷工作效率、防范信贷风险等方面发挥着十分重要的作用。但是从受银行经营本身发展竞争风险、系统风险、市场风险、操作风险等因素的影响，互联网征信发展仍然存在不完善的地方，商业银行在互联网征信体系不完善的情况下承担大部分的信用缺失成本风险，商业银行经营发展面临困境。在银行企业和人人征信系统的不断完善下，企业个人征信系统信用报告查询被纳入到商业银行审贷核心流程，征信信息在商业银行经营发展中发挥着十分重要的作用。为此，文章就互联网时代商业银行征信数据应用问题展开探究。

互联网时代商业银行征信数据来源可行性分析

互联网时代商业银行征信数据的方便获得性

基于移动互联网的快速发展，人们的生活对网络的依赖度增强，原来的线下活动也开始在线上进行。网络购物在为人们生活提供便利的同时也在网络上落下了个人征信信息，为互联网时代商业银行征信数据的获取和应用提供了可能。在互联网时代，商业银行征信数据来源渠道广泛，具体表现在以下几个方面：第一，电商数据。互联网企业以电子商务平台为重要支撑，应用大数据技术来获取用户贸易交易现金流，实现对贸易数据信息的深度挖掘。第二，社交网站数据。主要是指个人用户在网络平台上搜索数据信息、互动交流、交友往来行为在被记录之后构建出的个人信用画像。第三，第三方支付大数据。主要包含小额贷款、快捷支付、便民服务等中介积累起来的大量交易数据信息。

互联网时代商业银行征信数据的可靠性

商业通过互联网商务电子平台获取的用户征信信息可以作为商业银行互联网征信数据的重要来源。经过实践研究证明，电子商务在增大企业违约成本、获取企业发展信息、风险共同承担等方面发挥了十分重要的作用，可以在一定程度上帮助企业展现自己的信用类型，由此解决中小型企业发展融资问题。现阶段，商业银行通过和电子商务平台合作获取的互联网征信数据信息主要有三种形式，包括资金结算、融资服务领域、综合金融领域。

互联网时代商业银行征信数据模型的可靠性分析

互联网征信

现阶段，面向互联网行业提供的商业银行征信服务主要包含安融惠众、上海资信、中诚信征信等。但是受多种因素的影响，互联网征信发展面临多种挑战，具体包括社会主义市场经济对互联网征信的不利影响、人们缺乏科学的征信意识、互联网征信作弊成本低廉、互联网征信体系不完善、互联网征信中心企业和个人系统无法为网络信贷机构提供在线服务的支持等。为此，互联网征信需要通过和第三方、第四方数据合作来弥补原来的应用局限。

互联网征信和传统征信的融合

互联网征信和传统征信的融合具备以下几方面的特点：第一，互联网征信范围广泛。互联网征信和传统征信的融合之后的互联网征信能够覆盖更多人群，只要个体有注册登记记录，就能够对他们在网络留下的数据痕迹进行分析，不断完善个人征信体系。第二，互联网征信数据源更加丰富。大数据征信实现了对非传统结构信用数据的有效应用，加大了对不同层次数据信息的有利挖掘。第三.提升互联网征信数据信息的实时性。传统的互联网征信数据评价模式是分析考察对象的历史信息，数据信息量少、时效性差。大数据征信则是能够获取更多的数据信息，分析考察对象的范围也进得到进一步拓展。

商业银行应用互联网征信数据的指标和算法

商业银行应用互联网征信数据指标

商业银行应用互联网征信数据指标包含评估维度、指标类别和评估指标。具体如表一所示。商业银行应用互联网征信数据大多是用户在电子商务网站上获得的，但是在实际操作上，由于不同用户行为数据属于不同的互联网公司且用户帐号体系对应的应用行为不同，因而在互联网征信体系实施中，经济市场不存在能够全面评估这些数据信息的机构。

商业银行应用互联网征信数据算法

现阶段，商业银行信用模型众多，为了方便出来，文章算法应用的个人信用评分算法模型。输入的信息有个人信用评分样本数据、商业银行政策业务需求选择。输出的信息有等待判别样本数据信息中的“异常点”信息、适用的个人信用评分指标体系显著性排序和权重、适用的个人信用评分基本模型。商业银行应用互联网征信数据算法具体如下：第一，对“异常点”的预警和对样本的补足。首先，对现有的信用样本进行相关性分析，提取指标之间的相关关系以及对应的数学表达。其次，实现对等待判别样本异常数据的预警。主要是对新样本数据信息进行识别，将样本中和指标数据不相符合的信息及时输出。最后，基于蒙特卡洛模型生成信用样本。第二，信用指标的显著性加权。首先，建立判别分析、回归分析、多元线性回归分析模型，对指标的显著性排序输出。其次，应用等权投票的方法来确定最终指标的显著顺序。最后，将指标显著性权重向量定=100，在权重可赋值范围内进行遍历，获得Wi的所有可能性取值，对信用样本中特征数值进行显著加权处理，得到修正之后的指标体系。

第三，模型的选择和输出。首先，对信用本本集进行补充，借助显著性加权指标体系打造回归分析模型、Bayes网络、BP神经网络等五个个人信用评分模型。其次，对模型的精准度进行计算。最后，选择精确性最大模型、稳健性最好模型；第一误判率最小模型；差异度最大模型，对他们进行线性组合分析。结合商业銀行政策和发展需要，将组合模型和单一模型进行比较，输出符合商业银行发展需要的模型。

互联网时代商业银行征信数据应用现状

互联网时代商业银行征信数据在贷前风险识别中的应用

在商业银行征信系统没有建立之前，商业银行的贷前审查主要由信贷人员通过借款人提供的商业银行所需证明文件来进行，借款人提供文件的真伪难以校验，存在较大的信用风险。在商业银行征信系统建立之后，各个商业银行在贷款之前能够查询借款人的征信报告，通过征信报告了解客户的其他信贷信息，了解客户个人资信贷款风险。

互联网时代商业银行征信数据在贷款中的应用

商业银行贷款中的审查关键是发现和控制风险，互联网时代下商业银行征信平台提供的信息有效拓展了银行了解借款人的信息渠道，也为信息的其他渠道获取提供了更多支持，能够精准把握借款人资信情况，做好相应的风险预案和管控措施。

互联网时代商业银行征信数据在贷款后的应用

贷款之后的管理是我国商业银行授信管理的重点，如果缺乏会加重商业银行信用风险，不利于保证银行资产的安全。贷款后的管理通过对征信数据的查询、检查和跟踪能够了解客户生产经营过程中资信的变化，并通过对征信信用报告的查询来全面了解征信人的负债情况。

互联网时代商业银行征信数据应用的完善策略

拓展商业银行征信数据来源

针对现阶段商业银行征信数据内容无法满足银行发展需求的问题，需要进一步完善商业银行征信数据内容，拓展商业银行征信数据来源，使商业银行征信数据来源打破部门、行业、区域之间信息交流的局限，打造多部门共享的征信数据收集模式。第一，在企业征信数据上，根据对商业银行借款人还款能力的评估，将信贷、纳税、合同、法院诉讼记录等整合到商业银行征信报告中。在个人征信数据上，根据个人流动资金情况增加个人电话号码变更数据。第二，在企业i正信数据上，加强商业银行和税务机关财务报表数据的互相整合和验证。在个人征信数据上，需要加强居民社保信息和个人身份证信息的关联。

改善商业银行征信数据系统软硬件环境

第一，提升个人征信数据的有效性、准确性。首先，提升征信数据借款人信贷信息报送和展示频率。其次，开发客户基本信息网络变更系统，加强对个人征信信息的核实。第二，提升企业征信数据的实时性和完整性。首先，将企业基本信息、纳税财务信息直接导入到征信系统中，增强企业客户数据的时效性。其次，积极推广机构征信代码制度，实现商业银行征信代码的全面覆盖。最后，搭建企业银行征信机构信息网上录入平台，将企业机构客户的基本信息、财务信息按照机构代码录入到相应的网络系统中。

增强商业银行征信数据结构的开放性

在商业银行对征信需求的不断提升和社会信息多元化发展趋势下，需要相关人员进一步改进商业银行征信数据结构，在原有的数据基础上增加开放性征信数据段，特别是要增加商业银行声明字段，从而实现对在法律范围内无法追究的借款人责任的展示，提升社会道德水平。

完善网络认证仲裁等设施

在互联网时代，网络数据信息的传输经常发生变化，且传输信息量不断增加，对于这些网络信息无法完全按照司法程序进行处理。为此，结合网络经济的特殊性，需要进一步完善网络信息产权认证、信息安全纠纷快速处理等配套设施，从而以较快的速度解决信息产权安全纠纷问题。商业银行征信数据配套设施的完善具体可以从以下几方面进行：首先，打造网络征信产权认证服务机制，对政府培训和相关认定机构开展资信产权认证服务。其次，打造网络信息产权纠纷仲裁机制。在现有网络纠纷仲裁机制的基础上设立仲裁分机构，加强对电子商务侵權、网络信息非法转载、个人隐私信息泄密等事件的处理。

将商业银行征信数据应用模式和相关法律法规整合

现阶段，和商业银行征信数据产权相关的法律是知识产权法，在此基础上出现的《信息产权法》会和现有的法律产生关联，为此，对征信法律法规需要进行重新整合。首先，将知识产权纳入到信息产权法律系统中，增强知识产权法的独立性。其次，借助信息产权法体系加强对个人征信信息的保护。最后，将对知情权的保护纳入到信息产权中。

加强对从业人员个人信用情况的监控

互联网时代的到来使得网络风险深刻影响着商业银行征信数据应用管理，为了减少互联网风险对商业银行征信数据的不利影响，需要增强商业银行征信操作人员素养，特别是要提升操作人员的诚信水平。商业银行在选拔征信从业人员的时候要注重关注从业人员的信用历史，对于那些拥有信用卡欠款不还的应聘人员，即使他们拥有很强的工作能力，商业银行也不能对其招录。

积极开展征信信息产权保护国际合作

在经济全球化深化发展下，商业银行征信数据应用不能局限在国内，还要扩展到国际。为了更好的防范征信信息产权的国际侵权行为，需要各国政府部门建立科学的信息产权共享和信息安全共同防护机制，在征信数据的法律法规、标准认定、交易规则等达成一致看法。

结束语

综上所述，金融是现代经济发展的核心力量，主导经济发展。而金融交易的重要核心和基础是信用。信用在经济学领域主要是指商品交换或者其他经济活动中，授信人在充分信任受信人的基础上向其放贷。商业银行是以经营金融资产、金融信贷的企业，在发展过程中，信用风险占据商业银行全部发展风险的70%，是银行发展主要风险。在这样的背景下，解决商业银行征信数据应用问题成为提升商业银行风险管理水平、改善企业融资环境的关键。文章在分析互联网时代商业银行征信数据来源可行性和模型构建可靠性的基础上，结合商业银行应用互联网征信数据的指标、算法以及商业银行征信数据应用现状，就如何完善互联网时代商业银行征信数据应用模式进行了分析，以期为互联网时代下商业银行征信数据合理应用提供更多支持。