闫佳铭

摘要：我国社会信用体系建设发展前景广阔，基于数据共享打造信用产品，成为未来发展的重要趋势。大数据时代，社会信用体系建设不断深入的过程中面临许多挑战，如非格式化数据应用不足、信用应用场景少、数据分析挖掘能力不足等。充分利用大数据技术的高扩展性、数据处理能力和数据分析能力，可以促进社会信用体系更好更快发展。

关键词：大数据技术;社会信用体系建设;信用应用

信用数据是推动社会信用体系发展的基础力量，大数据技术既能够改变信用数据分析和判断方式，又能引起社会信用生产理念和应用产品设计发生变化。全面建成社会信用体系是一项长期性工作，需要深入研究和技术突破，社会信用平台和应用要持续更新以适应新环境、新要求，发挥大数据的技术优势用于信用建设势在必行。

一、社会信用体系建设的发展趋势

（一）信用数据海量增长，数据格式多样化发展

信用数据是社会信用体系建设的重要组成部分，为提高信用监管的针对性和信用评价的准确性，信用评价指标和数据量将不断丰富。海量数据由多种数据结构构成，既包含由二维表来表现的结构化数据，又包含图片、视频、报表等非结构化数据。丰富的信息资源为信用体系建设奠定了坚实的数据基础桩，也为众多机构参与建设创造了条件，数据量的丰富和数据结构的复杂给数据存储、查询、分析、清洗带来更多挑战。

（二）信用主体增加，系统覆盖面更广

国家和各省市区逐步建立横向到边、纵向到底的覆盖全社会的公共信用网站，信用主体可以在网站上查询或打印信用报告、查询行政处罚或行政许可信息，失信主体可以申请信用修复或提出信用异议。随着社会对信用建设的理解逐渐深入，信用元素所涉及领域将逐渐增多，更多的信用主体会在国家和地方信用网站中查询信息和使用功能，信用网站的并发性压力日益增大。

（三）数据分析能力提升，信用应用产品更加丰富

在获取海量、多样化信用数据基础上，信用应用产品的设计与开发也将不断深入，应用范围逐渐拓宽。各省市区采用不同技术手段挖掘分析信用数据，鼓励信用服务企业参与进来，获取数据间的关联特性，提取高质量的信用信息，支持更多信用应用需求落地。

二、社会信用体系建设的现实障碍

（一）信用数据来源不全，非格式化数据应用不足

现阶段，公共信用数据的主要来源是各行政部门在工作过程中所产生的监管数据，包含双公示信息、红黑名单、基本登记信息等。在数据采集过程中，部分信息无需市场主体提供或者工作人员对某些数据项没有足够重视，导致出现数据字段缺失的情况，例如漏填法人或其他组织统一社会信用代码，唯一识别码缺失会影响信用评价的科学性和准确性。同时，公共信用数据由结构化数据和非结构化数据组成，但实际上以传统的结构化数据为主，缺少对互联网抓取数据、视频音频等非结构化数据的应用。

（二）信用应用场景偏少，信用产品落地难

从各地区信用应用推进情况看，信用应用场景普遍偏少。以联合奖惩为例，国家已组织各行政部门签署涉及多领域的备忘录，但在实际执行过程中却因奖惩措施不明确、针对性不强，导致陷入难以落地的窘境。除现有应用难以推动的情况外，基于大数据分析的应用产品明显不足，在实际应用中以银行信用贷款、法院对失信人核查监督和工程领域招投标等为主[1]。

（三）数据割裂，数据分析挖掘能力不足

信用数据的归集是数据共享的前提，各省市采用独立建设信用平台的方式开展，产生信用信息割裂现象，信用主体的数据完整性难以保证，会出现同一主体可能具有不一样的信用评价，影响评价结果的科学性。在数据存储上看，传统架构下的信用平台建设多采用关系数据库进行存储，而这种数据库中的二维表数据模型难以支撑对多维数据的处理，特别是当平台数据朝着多样化、高并发访问交互发展的情况。

三、大数据技术在社会信用体系建设中的应用研究

相比于传统架构，大数据技术具有高扩展性和强大的存储、挖掘、分析、处理数据的能力，充分发挥大数据的技术优势，向社会提供更加精准的信用服务和更加科学的信用监管。

（一）高扩展性解决信用信息归集问题

大数据技术的高扩展性，能够高质量实现信用信息归集和共享机制。按照信用目录需求，广泛征集各领域、多种格式的信用数据进行统一归集，在大数据架构下，系统可以实现兼容多种类型的数据格式。如果数据量庞大，可以通过添加服务器节点实现性能大幅度提升，而且服务器节点数量的变化不会影响已有的应用程序，而且多台服务器可以实现相互间冗余备份，单个节点出现故障并不会对整个系统造成影响，系统仍能保持运行。

（二）分布式架构集群提升数据存储和处理能力

传统架构中数据具有关系特性，大数据架构能够规避这一点，数据库结构比较简单，采用分布式集群架构或内存数据库来满足系统对庞大数据总量、高并发的需要，在用户访问压力大、交互频次高的情况下，不会出现响应迟缓或宕机的现象。传统关系型数据库在处理海量数据时，需要几个小时或更长时间，这种效率是用户无法接受的，用传统数据查询技术处理海量信用数据难以为继。大数据时代下，这种强大的数据存储和处理能力为信用体系建设的发展提供了技术保障，使信用平台的服务范围更广泛、服务内容更丰富。

（三）挖掘分析信用数据关联关系，创新应用产品

大数据和云计算技术能够推动信用应用产品的设计与开发，通过深入挖掘信用数据，获得数据之间的关联关系，并分析其中蕴含的价值，产生内容丰富、适合推广的信用产品。同时，预测是大数据的一个核心特性，在现有海量数据环境下，大数据技术可以通过垂直检索、语义分析、机器学习等技术手段产生更高效、精准的协同过滤推荐方法。通过多维度实现信用数据分析，既可以改善信用评价的准确度，又可以更有针对性进行联合奖惩，提升信用监管成效。大数据技术对结构化和非结构化信用数据进行分析，可以产生信用业务决策、风险评估、安全生产风险预警等应用产品，创新信用应用服務范围，提供精准服务，提升产品多样化和适应性。

参考文献：

[1]陈海盛，白小虎，郭文波，吴淑君.大数据背景下信用监管机制构建研究[J].征信，2019（5）：11-16.

[2]吴克文·大数据技术在社会信用体系建设中的应用研究[J].农家参谋，604（24）：280.