金融机构接入企业征信的调研的调研

Ⅰ 国内征信行业的现状及前景怎么样

征信行业热情被点燃：

随着中国经济快速增长，市场对征信系统提出了迫切需求，中国征信行业成为市场近期的热点行业。2013年3月，我国首部征信行业法规《征信管理条例》开始实施；2013年12月，中国人民银行制定的《征信机构管理办法》正式施行；2014年5月，银之杰3亿元收购亿美软通100%股权，表明了其进军征信领域的意向；2014年6月，中国人民银行征信中心开始对个人查询本人信用报告实施收费制度；2014年6月，国务院出台了《社会信用体系建设规划纲要（2014—2020年）》，明确到2020年,基本建成以信用信息资源共享为基础的覆盖全社会的征信系统。上述事项引起了机构和专业人士的普遍关注，市场更是开始预期2014年下半年央行将会发放个人征信牌照。
参考：http://www.hu.com/question/21293055

Ⅱ 接入征信系统的方式有哪些

按照《中国人民银行办公厅关于小额贷款公司和融资性担保公司接入金融信用信息基础数据库有关事宜的通知》(银办发〔2013〕45号)，具备接入条件的小额贷款公司、融资性担保公司、村镇银行等机构（以下简称“小微金融机构”）应当接入金融信用信息基础数据库。
一、征信系统支持的接入形式
在接入方式方面，小微金融机构可以根据自身的业务规模和信息化程度，自行选择开发接口程序方式或手工录入报送方式（非接口方式）。
接口方式是指金融机构自行开发数据报送接口程序，从本行业务系统中抽取数据，生成符合征信系统要求格式的报文，该方式适用于信贷业务数据量较大的金融机构；
非接口方式是指使用手工录入方式向固定录入软件中录入数据生成报文的方式，该方式适用于信贷业务数据量较小的金融机构。
在网络选择方面，现在有三种方式可供选择，一是通过人民银行征信中心的互联网接入平台接入，二是单家机构自行通过当地的金融城域网接入，三是参加当地的小微型机构接入征信系统省级平台建设，通过平台专线接入。
互联网接入平台接入是指通过互联网连接征信系统互联网接入平台方式接入征信系统。
金融城域网直接接入是指单家小微金融机构通过数据专线或虚拟专用网络(VPN)连接人民银行金融城域网的方式直接接入征信系统。
省级平台接入是指通过连接机构所在省（自治区、直辖市）征信分中心组织建立的省级征信平台方式接入征信系统。

Ⅲ 如何做资信调研

调查的方式是先事先收集企业的一些基本情况（1）了解企业的大体情况，比如公司名称、公司地址、办公电话（重点是销售电话）、办公的传真电话、邮编、企业性质、业务范围、职工的总数。（2）了解公司的历史背景，比如公司成立的日期、注册的机关、注册资金及号码、历史沿革、股东或者股份以及公司的上级主管部门。（3）了解公司的管理人员，比如企业董事会、法定代表人、董事长、总经理、副总经理等的姓名、学历、经历。（4）了解财务状况，即资产负债表、损益表、现在流量表、财务比率分析。同时还要查看水、电、销售报表。（5）了解公司与银行的往来。重点是企业开户银行及帐号。如果是进出口企业，那么还要知道企业的外币帐户和帐号。如果出问题，可以早一点通过法院查封。（6）了解企业的经营状况。有哪些供应商，主要供应商的名称及电话，主要产品及产量，原材料采购等情况。（7）分析了解企业今后的发展趋势。几个月内是否会扩大生产、上设备、转产等。这些都是控制风险和加强合作的依据。
以上的基本工作做到位之后，第一步是可以安排一个精于企业管理的人员和一名年轻业务员与企业周围的超市、住户等（因为他们离企业近，也比其它的人更了解）聊天，了解他们对企业的评价，他们的评价往往比较重要。第二步是年轻的业务员与门卫、保安交流（最好给他们一包高档点的烟），调查核实。第三步是年轻的业务员随机与工厂的工人交流，了解工人的工资多少，工资是否能安时发放，对老板的评价，企业的现场管理，企业的原始销售单子、出库单等。第四，在年轻业务员调查的同时，精于企业管理的人员与企业的中层、高层人中交流沟通，核实相关信息。第五，在财务部门了解公司有无有人要欠款（以后想办法将财务人员发展成为好朋友）。通过以上几方面我们可以了解掌握企业的经营水平和经营状态，这就为我们以后的审贷奠定了基础。
具体来说我们除了关注资金用途之外，还要看还款来源和付息的来源，重点调查好以下几方面：（1）银行的一套征信；（2）近3个月财务报表；（3）近2个年度的年度审计报告；（4）银行流水；（5）完税证明；（6）贷款卡的情况；（7）法人或实际控制人做担保、无限连带责任担保；（8）个人的资产全部列示；（9）上下游企业主要是看相关合同；（10）企业前身，如果是新成立，法人名下是否还有其他企业，如有也需要了解下。一般新成立的企业最好不贷。
如果您能切实调查好企业的以上资信，知已知彼，您的风险就可以控制到最小的程度了。

Ⅳ 企业大数据之大数据征信及风控应用

企业大数据之大数据征信及风控应用
互联网人口红利区已经过去，获客成本增大，用户对产品的要求也越发提高，高价值和低成本服务是当前的一种趋势。其中，企业服务致力于为企业在生产，销售和沟通等环节提高效率，降低成本，受到越来越多的资本青睐。
随着人工智能对行业的渗透，以及数据量的剧增，越来越多的企业服务产品正利用人工智能，大数据等相关技术提供更智能服务，大数据作为人工智能模型中的训练"粮食"，占据重要位置，如何挖掘和利用企业数据，是做好企业服务的一个重要途径，企业大数据来源主要有以下几个方面：
a.企业内部数据化档案，例如人事资料，纸质化资料等；
b.企业自产数据，例如企业内部OA，ERP和CRM系统所沉淀下来的客户数据，办公数据，生产经营数据，社交数据，电商数据，支付数据，供应链数据等；
c.企业信用数据
政府公开数据-比如工商的企业信用信息公示数据，失信被执行，被执行数据，裁判文书，开庭公告，法院公告，税务数据，动产融资数据，招投标，司法拍卖数据等，专利商标，行政处罚等数据。互联网公开数据-比如新闻数据，招聘网站数据，上市披露数据。
征信概述
1.征信定义
征信一词源于《左传·昭公八年》中的“君子之言，信而有征，故怨远于其身”。其中，“信而有征”即为可验证其言为信实，或征求、验证信用。现代征信是依法收集、整理、保存、加工自然人、法人及其他组织的信用信息，并对外提供信用报告、信用评估、信用信息咨询等服务，帮助客户判断、控制信用风险，进行信用管理的活动。
2.政策/技术/市场环境分析
政策
中国社会由熟人社会慢慢转变为陌生人社会，信用风险和信用危机也随之产生，加快信用体系建设迫在眉睫，然而，行政过程中尚未全面建立起“守信激励、失信惩戒”的机制，《政府信息公开条例》虽然已对政务信息公开作出了具体规定，但执行过程中，政务信息的公开尚不全面，部分信用信息的缺失，削弱了信用信息的完整性，不利于形成准确的信用状况判断.
技术
其次，互联网时代早已成为大家共识，企业和个人在网络上留下的大量数据，为征信带来了数据基础，且随着大数据，云计算，人工智能的发展，为智能化征信提供了技术支撑。
市场
另外，我国市场经济体制建立的时间不长，全社会信用意识和社会信用环境还比较薄弱。为争取经济利益而失信的行为时有发生。这既有信用意识淡薄的原因，也有失信成本过低的原因。征信作为金融的一个重要组成部分，是风险控制的核心，随着互联网金融的快速发展，适应互联网，大数据征信模式也营运而生，也亟需建立完善的征信制度来为征信发展保驾护航。
3.国内外征信模式
我国的征信出于初级阶段，目前国际上的征信模式主要有以下几种
a.市场主导型，美国，Equifa、Experian和TransUnion三大管理局按照市场经济的法则和运作机制，并对外提供服务给贷款授信企业，英国是P2P的发源地，以Zopa为代表网络贷款平台根据风险和利率水平促成借贷双方完成交易、使借贷双方都共同获益，在某种程度上发挥了信用中介职能。
b.政府主导型，德国，中国。以中国为例，主要是以政府主导，授权中国人民银行征信系统创建，收集，维护和整合全国部分企业和个人征信，目前已经覆盖了银行机构，法院，电信，社保，小额贷款等机构数据，目前覆盖个人和企业的数量上一直维持着增长势头，从2015年4月的8.64亿自然人、2068万户企业及其他组织增加到2017年5月的9.26亿自然人、2371万户企业及其他组织，中国大陆将近14亿人，企业及其他组织数量也在不断增加，征信系统覆盖范围还有很大的增长空间，总体上来讲，对企业的数据覆盖度不够，难以满足当前各种创新的金融模式对企业征信的需求。
c.行业协会共享，行业会员制，分享数据，并以行业协会为核心建立信用共享中心，加入协会的组织可以共享数据，并提供一定的数据支撑，以此扩大协会的数据源。
d.混合型，韩国、印度为例，以政府和市场混合，协同发展。
4.征信产品模式
征信行业的产品模式主要有按业务模式划分的企业和个人征信，按服务对象划分为信贷征信、商业征信、雇佣征信以及其他征信，各类不同服务对象的征信业务，有的是由一个机构来完成，有的是在围绕具有数据库征信机构上下游的独立企业内来完成。按征信范围可分为区域征信、国内征信和跨国征信等。
5.征信行业产业链
征信产业链包括上游的数据生产者、中游的征信机构及下游的征信信息的使用者，其中中游的征信机构运行模式主要有采集数据、加工数据及销售产品。数据供应商主要包括银行等金融机构、政府部门、工商企业和个人，几乎涉及人们生活的方方面面。征信机构从数据供应商处获得数据通过一定的模型进行加工处理得到信用评级结果，然后进行服务输出。征信报告使用方主要有房地产商、招聘企业、P2P平台、金融机构等，多数发生在个人购房和购车、个人小额信贷、企业信贷、债券买卖等场景。

6.面临问题
1.征信监管和法律健全亟需提高，政府信息公开有待加强，征信法律法规不够完善；
2.数据处理算法计算能力有待提高，随着大数据与征信的结合，对数据的处理，分析和建模能力提出了更高的要求，才能更好的挖掘出企业信息价值。
3.信用信息安全问题严峻，虽然国家一直在出台政策保护征信数据，但个人，企业的隐私数据安全面临十分严峻的挑战，催生了巨大的黑色产业发展，由此带来了金融诈骗，电信诈骗，网络诈骗，木马病毒窃取隐私数据进行交易获利等违法犯罪活动。
7.大数据征信与传统征信的区别
1.覆盖群体更丰富，随着网络的普及和互联网金融的大力发展，更多的人或企业将会留下数据到相关平台，扩大了征信覆盖的群体。
2.数据来源更广泛，传统征信的数据来源比较单一，但大数据征信会整合互联网公开半公开数据，第三方机构合作数据以及自由数据，数据来源变得更加广泛。
3.数据价值的深入挖掘，随着大数据和人工智能在征信行业的运用，机器学习，NLP，文本抽取等技术对企业数据的挖掘更加深入。
企业信用数据的行业运用
1.信贷风控，金融的核心是风险管理，目前主要由政府信用公示机构，比如国家企业信用查询网，中国失信被执行网，中国被执行信息网，法院网，信用中国等公开查询数据，为信贷金融机构提供贷前，贷中，贷后的信息查询，信用报告和监控等服务。
2.融资租赁，为融资租赁公司提供融前尽调，融后监控服务，提高工作人员效率，并通过集团化账号系统深入各个业务部门，提升工作质量和效率。
3.信用评级，根据企业的工商，法务，新闻，经营，债卷等多维度数据，对企业进行信用评级，常见的是债券评级.
4.供应链金融，围绕核心企业，管理上下游中小企业的资金流和物流，并把单个企业的不可控风险转变为供应链企业整体的可控风险，通过立体获取各类信息，将风险控制在最低的金融服务。
5.其他，比如招聘，商业调研和律所。
企业征信的未来展望
1.数据共享
数据作为征信和风控行业的核心资产，也是构建信用社会的基石，过分孤立或过分共享都不利于行业发展。所以，如何在实现共赢，保护隐私的基础上做到数据共享，打破数据孤岛，打通各个平台的数据通道，让不同的数据汇集在一起，共同打造征信体系，是未来的发展趋势。
2.挖掘数据价值
随着大数据征信技术的不断发展，征信产品将从信息的初次挖掘向深层次挖掘发展。初次挖掘是指围绕企业相关数据，通过自身爬取入库，第三方API接口或数据合作等方法整合并进行数据汇总分类，并以信息报告，图片等方式简单罗列呈现。深层次挖掘是将收集到的数据与征信专业知识相结合，构建风险识别与量化，规则引擎，企业关联图谱，数据可视化等产品，对数据进深度挖掘，从而深化征信产品与服务，提高征信产品的专业性。例如利用企业工商信息，建立企业关联网络，当网络上某一企业出现负面信息时，能够迅速识别风险并预警其他企业，并根据风险情况量化预警等级。
3.提供垂直，细分领域服务
随着征信市场规模的不断扩大，部分征信机构基于自身特点及优势，开始出现专注于某一细分领域或某一业务环节提供具有针对性、定制化的征信产品服务的趋势。例如提供爬虫技术，一站式爬取，清洗，整合和入库；针对新闻的舆情监控服务；提供企业获客服务，为金融机构筛选优势客户，实现精准营销；提供企业金融服务，比如理财，融资，支付和信贷；提供C2B，B2B的股权投资撮合平台等。

Ⅳ 鹰之眼的商业征信调研

商业征信调研是鹰之眼的附属业务，侧重于服务要求内容深入、及时的客户。业务涵盖：商业信用报告、信用管理咨询服务、企业/行业数据服务、企业风险监控调查报告、国内企业集团关系调查报告、企业供应链及采购调查报告、企业销售渠道及客户调查报告、企业财务分析报告等。

Ⅵ 金融机构申请接入征信系统应报备哪些材料

申请所需的材料内容包括：
1．个人征信系统介绍。
2．数据接口规范培训，回包括数 据采集格式、答数据发布格式、数据校验规则、数据更正方法、数据删 除格式、账户标识变更报文格式等内容
3．个人信用报告解读培训
4．其他与个人征信系统相关的内容。

Ⅶ 企业贷款：银行要从哪几个方面了解征信银行从哪些方面考察贷款企业的信用度

简单的说，就是企业有无官司，被起诉的情况。有没有正常经营。具体的企业征信包括以下方面。
首页：主要包括报告名称、被征信对象名称、报告提供机构名称、报告完成时间、报告编号等内容，征信机构备案证号宜予以列出，并应对报告法律责任进行表述。
报告摘要：主要包括对被征信对象的注册信息、联系信息、信用等级及其他关键信息进行的概要反映。通过此部分可以快速对被征信企业的信用状况有大致的了解。
报告正文：较为全面反映被征信对象的信用状况，报告主要包括下列内容。
基本情况信息：主要包括被征信对象注册信息、股东信息、附属机构信息、管理层及员工信息、办公设施信息等及相关变更信息。
经营业务信息：主要包括主营业务及业务往来情况等信息，即采购、生产、销售信息及主要供应商、主要客户对被征信对象的评价等。
财务信息：主要包括被征信对象资产负债表、损益表及主要财务比率。对于财务数据异常的应进行备注说明。往来金融机构信息：主要包括企业开户账号、开户银行名称等信息。
公共记录信息：主要包括法院、工商、税务、质监、海关等行政司法部门、其他承担行政管理职能的机构组织、社团组织以及媒体、电子交易平台等记录的关于被征信对象正面和负面的信息。被征信对象近二年内有涉及诉讼事项的，宜列明涉诉有关情况。
综合评述：主要包括对被征信对象发展计划、发展前景、行业发展状况等内容进行的综合评述。分析时，除将被征信对象进行行业内比较外，还宜与被征信对象自身纵向发展历史进行对比。
征信机构并可在等级评定与分析基础上对被征信对象的信用风险和信用额度等给予参考性建议。

Ⅷ 企业征信报告需要考察哪些内容

企业信用调查是通过对企业发展现状、前景、信用保持等大量信息进行梳理，分析总结企业发展状况、风险程度和履约情况所出具的报告。企业信用调查侧重于对企业的信息收集，切合银行对企业的信息深度、广度的要求。从不同侧面有针对性的收集大量数据，作为银行资信调查的数据参考，防止在银行调查过程中，由于企业缺乏对信用的了解，没有及时将有价值、有利于自身的信息报送银行，或没有及时的对不利于自身的信用问题给予合理解释等信息问题而导致融资难度增大的情况。

一份标准企业征信报告一般主要包括以下内容：
1)首页：主要包括报告名称、被征信企业名称、报告提供机构名称、报告完成时间、报告编号、调查说明等内容，并有对报告法律责任进行的表述。
2)报告摘要：主要包括对被征信企业的注册信息、联系信息、经营情况、信用等级等重要信息进行的概要反映。通过此部分可以快速对被征信企业的信用状况有大致的了解。
3)报告正文：正文为全面反映被征信企业信用状况的部分，主要包括：
基本情况信息：主要包括被征信企业注册信息、股东信息、附属机构信息、管理层及员工信息、办公设施信息等及相关变更信息。
经营业务信息：主要包括主营业务及业务往来情况等信息，即采购、生产、销售信息及主要供应商、主要客户对被征信企业的评价等。
财务信息：主要包括被征信企业资产负债表、损益表及主要财务比率。对于财务数据异常的进行备注说明。
往来金融机构信息：主要包括企业开户账号、开户银行名称等信息。
公共记录信息：主要包括法院、工商、税务、质监、海关等行政司法部门、其他承担行政管理职能的机构组织、社团组织以及媒体、电子交易平台等记录的关于被征信企业正面和负面的信息。被征信企业近二年内有涉及诉讼事项的，列明涉诉有关情况。
综合评述：主要包括对被征信企业发展计划、发展前景、行业发展状况等内容进行的综合评述及纵向、横向比较。在等级评定与分析基础上还可对被征信企业的信用风险和信用额度等给予参考性建议。
4)重要说明：主要包括信用等级评定方法或主要依据、等级符号与释义及其他需说明事项。

Ⅸ 在资本市场上,征信机构的主要服务是为各类投资者提供企业资信调查,对不对

摘要 你好，这个是对的。因为在资本市场上，这个征信机构服务的对象就是主要是企业。

Ⅹ 如何运用大数据为征信服务

二十多年间，伴随着经济体系的变革，我国企业信贷体系发生了重大的变化，由以大型企业为主要贷款群转变为中、小、微企业成为贷款主力军。面对新的贷款群体，银行等资金机构无法充分地给予资金，造成了日益严重的“中小微企业融资困境”。小微企业贷款的瓶颈是“缺乏高效率、低成本、高精度基础征信服务”。在此背景下，小宇宙给大家讲解几种大数据征信的探索之路。

一、 大数据征信诞生的背景

二十多年间，伴随着经济体系的变革，我国企业信贷体系发生了重大的变化，由以大型企业为主要贷款群转变为中、小、微企业成为贷款主力军。面对新的贷款群体，银行等资金机构无法充分地给予资金，造成了日益严重的“中小微企业融资困境”。林毅夫早在2001年《经济研究》发表的文章《中小金融机构发展与中小企业融资》，认为小型金融机构更适合服务于小企业，奠定了我国之后大力推动中小型金融机构发展的理论基础。城市商业银行、农村信用社、小额贷款公司纷纷成立，带动全社会的小微企业贷款产品激增，资金供给量大大提高，数年间小微企业融资环境得到了很大的改变。

然而，小型资金机构的出现并没有从根本上解决小微融资的困境，相对于大企业，小微企业对资金的占用比例极低（约30%），与小微企业对GDP的贡献（约70%）极不相称。近年来，小微企业的生存压力不断增大，传统行业竞争激烈，利润空间被不断挤压，赊销使小微企业面临残酷的资金周转压力，因资金链断裂倒闭的小微企业比比皆是。这种情况更加剧了资金机构“惜贷”行为，对小微企业贷款的负面预期导致小微企业贷款收缩，小微企业、小型金融机构两方陷入恶性循环。小微企业和小型资金机构处于整个信贷体系的最底层。

小微企业信贷的困局看似很复杂，牵扯宏观、微观各方的行为，但实际我们看所有小微信贷的难点，全部集中于一点：资金方认为无法看清小微企业的风险，自然不能放款，这称之为“信息不对称风险”；既然无法识别风险，资金方制定了回避小微借款的贷款政策，形成了“逆向选择”，小微信贷就此止步，陷入无钱可贷的困境。无论是大型银行，还是小型资金机构，都面临同样的问题，所以都对小微信贷无计可施。这个问题可以笼统地称为社会诚信体系欠缺导致信用风险高。

信用体系欠缺导致资金方难以看清小企业实际情况，这有着现实的原因。我国的小微企业内部管理是很随意的，很多交易不会以规范的方式记录下来。正规的资金方需要经过严密的尽职调查第一还款来源（依靠经营偿还借款），辅之以第二还款来源（抵押品），才能做出决策。这个过程可以称之为“征信”或者“信用审核”。前面我们已经分析过，由于资金方缺乏有效的可利用于小微企业的信用调查、审核手段，对于小微贷款项目，这个过程不但冗长成本很高，而且通常难以找到准确、真实、有价值的信息，阻碍了小企业信贷的成功率性。同样，对于那些私募资金机构、民间资金机构，本来没有能力进行相关调查，放贷只能靠感觉和其他手段，风险更大。

由此，我们可以得出结论：小微企业贷款的瓶颈是“缺乏高效率、低成本、高精度基础征信服务”。可以想象，如果资金方有能力以一种低成本的方式准确识别小企业是否可信，再加以辅助风控措施（担保、抵押等），小微业务将变得有利可图，资金通道可以就此而打开，小微信贷就会变得顺畅而有序。大数据征信正是在这种社会背景下应运而生的。

二、 大数据征信技术的几条探索之路

随着大数据技术在各行业的深入应用，运用大数据为征信打开一条通路，逐渐成为了社会主流的意识。信用服务从业者、政府信用办公室、互联网金融公司对此进行了不懈的探索，期待找到一种可以针对于小微企业的量化深度评判方法。下面我们分析一下当前主要几种方法的特点。

(一) 量化信用评价（评级）模型（由内而外型）

多年以来，信贷机构、征信机构和评级机构一直期待着能够形成一个量化信用模型，将各方面的数据导入模型之后，能够自动生成评级结果，提示是否可以放贷。经过长期的探索、研究、试验之后，这个理想的模型一直没有出炉。我国部分有实力的资金方引进日本、美国知名咨询公司的信用分析模型，但这些模型对我国的实际情况的适用性很差，没有达到期待的效果——导入相关数据后即可对企业偿还能力和偿还意愿作出可靠的判断。

国外的先进模型以及国内机构的多年模型探索，都没有形成一个普遍性有效的评判小企业的量化模型，主要原因是我国小企业的数据质量低下。由于无论国内外使用的企业数据主要是财务报表数据，而财务数据是会计师事务所出具的。我国诚信体系存在巨大缺失，会计师事务所出具的审计报告几乎是制造出来的，其可信度很低。对于诚信企业，这份报告具有较大的参考性，而对于蓄意骗贷企业，也未必能够从审计报告中看出破绽。各种量化模型的探索之所以没有得到令人满意的结果，正是由于其所依据的数据质量是低下的，所以无论如何也不可能得出真正有价值的信息。这种方法基本上宣告了是无效的。

(二) 外部数据库接入（由外向内）模式

在企业内部数据质量不佳的条件下，各类机构开始向外寻找广度更大、更加可靠的数据来源，例如政府各部门的数据，税务系统数据、工商信息、行业主管单位业务数据、海关数据等，各行业协会的经营性数据等，也有在电商平台上积累的交易数据（如淘宝上的交易数据）。基于这些数据查找与某企业相关的数据并进行综合分析。我们称之为“由外向内型”的数据体系，也就是企业征信服务不再是从被评价的企业提取数据，而是运用外部数据体系实现。

这种模式的优势在于：数据库系统形成之后，单个企业的征信信息采集将非常容易，征信服务的边际成本极低，且速度极快，直接带来的好处是征信服务的收费将非常低廉，并且服务量很大。但这种模式也存在自身的劣势：对接多部门数据入口是一项巨大的系统工程，建设、磨合的成本很高，当前除了工商信息可以达到全国联网外，其他部门信息均在分布在市级部门，整合工作相当巨大。另外，也是最严重的问题还是数据质量。我国的小企业对外报送的经营信息具有很大的随意性，都是根据具体需要编出来的，例如为了避税、贷款或者其他目的。有些地区政府为了鼓励当地企业发展，给予很高的纳税优惠，比如核定一个固定纳税额度，这样的话就不会要求企业如实报送。因此，从各部门搜集到的数据恐怕与实际情况相差较远，如果用做征信服务，可信性也会遭到质疑。同时，一个企业产生的数据并非全部对外报送，事实上，对外报送的数据仅占一小部分，如基础财务报表、应纳税额等，而大部分的能够说明企业情况的数据沉淀在企业内部，如供销信息、产品品类、资金流转等，这些数据无法通过外部数据库找到。外部数据库的数据量虽大，但针对于某单一企业，却显得容量不足了。如果是电商内部生态圈数据也相对片面，因为一个企业不会仅仅通过一个电商渠道销售，单一电商交易数据显然是不够全面的。

如果用外部数据编织数据网的话，这张网将是巨大的，几乎可以覆盖全国的企业。但由于关于某一企业的数据量不足，这张网的数据线条比较稀疏，也就是数据网眼很大，多数关于企业的有价值信息都被漏掉了，有效信息过小，不足得出可信的结论。这就是由外向内建立征信数据体系的探索。

自国务院交办发改委建立全国信用体系以来，各级政府信用办公室主导将辖区内各个掌握数据的政府部门连接起来，形成一个统一的信用信息平台，由专业的第三方公司或者设立下属公司运营，出具满足社会需求的征信报告。除政府外，也有社会征信机构做类似的事情，接入一些政府端数据并运营。从目前的发展来看，这类征信服务当前能够提供的最主要的信息是工商注册类的信息，以及少量的各部门备案信息。这类征信服务提供的信息简单，收费低廉，但对于信贷业务而言，基本上没有发挥太大的作用。

(三) 单体企业数据征信服务（由内向外）

另外一种数据征信服务，是从企业内部挖掘有用信息，从这个角度来说，这种方法和传统的征信方法是一致的，不同的是采集的信息和分析模式。现在有些专业征信公司也在研发由内而外的数据征信方法。这种方法利用的数据量不像社会征信的数据量那么大（因此称“小数据”），但与贷款相关度很高，再保证真实度的基础上，可以得到很多有价值的信息（“大信息”），并且均为信贷业务中资金方最关注的信息。该项服务可以帮助资金方在最短的时间内评判该企业是否能达到可以贷款的条件，为资金方节约大量的调研时间和成本，适应小微企业融资的效率要求和风控要求。

数据征信虽然应用的基础数据量不像政府部门数据那样多，那样大，但采集到的都是相关度最高的信息，可以捕捉企业真实经营情况和偿还能力。如果从数据网的角度看，这种方法形成的数据网较小（只适用于某单个企业），但数据“网眼”恰好适合保留住关于该企业的大量有价值信息，而筛查掉无关信息、干扰信息，形成深度、高质量的征信报告，为信贷决策提供可靠依据。

这种数据征信服务的优势是，启动快，无需长期建设成本，很好地适应我国现有的信息基础和社会现实。其难点在于如何取得借款企业的充分信任因此愿意提供深度数据。

企业数据征信技术已非一个技术上的构想，而是已经开始了大量的实践。数据征信已经在担保业务、小贷业务中发挥了重要作用，帮助担保公司和小贷公司排查风险、清晰评估项目、提高业务效率。相信随着市场环境的变化，将有越来越多的人意识到这种技术的价值。