中国企业如何抢滩大数据

陈茜

数据正成为一切社会组织运行的基本要素，其战略意义将超过土地、人力、技术和资本，给这个时代的人们带来前所未有的挑战和机遇

如果说，这是一个大数据的时代，大概没有人会提出异议。伴随着存储能力、计算能力和传输能力的进步，大数据快速渗透到现代文明的各个单元。但大数据在中国萌芽，并逐渐改变人们思维的过程，其实并不简单。

信用是可以计算的

用大数据评估中小微企业信用，向银行申请无抵押信用贷款，金电联行（北京）信息技术有限公司十年前就已经做了。

在中国，这并不是一件容易的事。在欧美，商业信用、个人信用、社会信用和司法信用通过互联网捆绑在一起，形成了非常完善的信用体系，中小企业通过纯信用就能获得融资。而在中国，由于信用体系的缺失，企业必须依靠抵押获得贷款。

帮助一家轮胎企业融资的过程让金电联行董事长范晓忻印象深刻。这家企业所服务的核心汽车厂商对平台进行了升级，如果不淘汰旧设备而购进一套全新的设备，企业就面临倒闭。“他把能卖的东西都卖了，可还差两百多万才买得起这个设备。没有固定资产，没有一家银行愿意给他贷款，就连高利贷都十分谨慎。”

金电联行评估了企业的交易数据、供应链数据、核心企业的生产数据甚至老板的个人数据后，却给出了近八分的信用评级。经过与银行的反复协调，金电联行最终成功地为这家企业申请到了二百万元贷款。“后来，这个企业的营业额在三年内增长了十倍。有时候，企业续命就是这一口气的事。”范晓忻感慨道。

通过挖掘企业留存在电子交易系统和财务平台的明细记录，金电联行对海量的生产、经营、技术、人才、交易等信息交互验证，识别数据真伪;通过分析企业日常经营中产生的订单、出库、纳税、水电等明细，判断企业的信用状况和偿还能力。这一创新，填补了以财务信息和抵押担保为主的传统信贷的空白。

金电联行大数据技术场景应用。

在国际上，金电联行的大数据客观信用融资模式并非孤例。美国的Zest Finance就是通过融合大数据挖掘与机器学习技术，服务那些因为没有信用评分而被主流征信评估体系排斥在外的人群。Zest Finance认为一切数据都和信用有关，在数据源上采用非传统的信用数据，如互联网上的行为数据和关系数据，其传统银行的信贷数据比重仅为40%，再利用机器学习的模型对更多变量进行分析。

咨询公司麦肯锡认为，大数据就是大小超出常规数据库工具处理能力的数据。换句话说，能够被简单处理的数据都不叫大数据。在范晓忻看来，“大数据就是资产”这一说法是武断的。“数据和石油很像。石油在地底下存了那么多年，直到最近一百年才开采上来。数据也是一样，开采是个难题。”范晓忻说。在英文中，大数据挖掘（Big Data Mining）中的“挖掘”与石油“开采”所使用的恰恰是同一个词。谷歌公司首席经济学家哈尔·范里安（Hal Varian）曾说，“未来十年里，统计学家将会是最性感的职业。”

十年深耕大数据，让金电联行逐渐获得了来自金融机构的“橄榄枝”。范晓忻曾打趣道，“我跟金融机构开玩笑，说我是膝盖血肉模糊走到今天的，终于能站起来跟你们谈了。”

在傳统金融机构内部沉睡着海量的数据。目前银行对数据的分析仍集中在结构化数据，对于非结构化数据，如客户浏览网站的行为信息、服务通话的语音信息、营业网点的影响信息等都无法分析，更谈不上挖掘利用。麦肯锡的一份研报指出，这些非结构性数据中蕴含了丰富的客户信息，如身份、偏好、竞争对手信息等等。来自互联网公司和同行的竞争，让金融机构开始思考建立自有的大数据应用。

范晓忻打了个比方，“以前银行要金子，我们就卖它金子，要是我们有钻石，他们可能也看看。现在银行要自己去挖矿，我们就提供挖矿机。”就像现在，金电联行为金融机构提供的智能数据工厂就从数据采集、数据生产线组建、数据加工、数据商品，到其他增值服务、信息服务一线贯穿，最终形成整个闭环链条。基于智能数据工厂不仅能够画出企业族谱，查找关联交易企业，将企业按照信用状况分层分级，帮助金融机构对企业进行精准筛选，还可以快速带动技术研发体系创新、生产管理方式变革、商业模式创新和产业价值链体系重构。

2014年7月，金电联行获得央行首批发放的企业征信牌照。

在企业征信外，金电联行还推出了个人信用评分系统，基于五大类上百种不同维度数据的整合和挖掘，最大程度上覆盖了银行的潜在优质客户，同时揭示潜在风险，帮助金融机构进行贷款审批和信用卡审核，实现个人信用的数据化与自动化。此外，金电联行开展了大数据风险量化业务，目前已经为中国民生银行、国家开发银行、平安银行等数十家银行提供了贷后监管服务。

从概念风口到应用风口

2015年9月，国务院印发《促进大数据发展行动纲要》，2017年1月，《大数据产业发展规划（2016-2020年）》发布。短短两年内，有关大数据的顶层设计密集出台。当外界对大数据还停留在概念认知时，国家已迅速从战略层面对“大数据能带来何种改变”“大数据产业化”上，作了清晰、权威的梳理。事实上，大数据早已从概念风口走到应用风口。

这样的变化，身处大数据行业中的企业感受更为强烈。范晓忻介绍说，“两三年前，我们的博士们还在自己琢磨应用，琢磨可能的发展方向。但是现在市场上发生了非常明确的变化，有无数的刚需找到我们，我们甚至疲于应对。为此，企业的结构也做了非常大的改变，售前部门从去年初的两三个人发展到现在的几十人，以更好地消化市场需求。”

随着社会信用体系建设的提速，金电联行从金融领域积累起来的征信系统很快便在政务领域得到了应用。比如，某企业在入驻某开发区时，自称年产值可达亿元，要求开发区提供总计1亿元的政府扶持。面对如此巨大的资金要求，开发区提出让金电联行对该企业进行入园“体检”，金电联行在对企业进行大数据分析后，给出的体检报告建议降低扶持力度，并提出可以用股权融资的形式予以支持的参考。事实证明，金电联行的企业体检服务成功地为开发区防范了资金风险。据介绍，帮助地方政府搭建数据驱动的投融资平台已成为金电联行在政务领域最火爆的应用之一。

此外，金电联行为政府搭建的信用管理服务平台，解决了政府部门的两个认知问题：一是对所辖企业进行普查，解决了政府对辖区内企业的认知问题;二是将金电联行数据与政府开放的数据相结合，帮助政府实现更加准确客观的自我认知。金电联行的大数据社会治理新模式，为各地政府进行精准的社会治理提供了强有力的科技支撑。

提到中国的社会信用建设，范晓忻显得很激动：“我们总是认为中国的社会信用体系建设会比较慢，实际上西方的社会信用体系建设也花了上百年的时间，因为信用是时间的积累，信用体系靠经济发展带路。中国用三四十年的时间实现了经济的腾飞，以前温饱都没有解决，如何去积累信用呢？但是大数据来了，给中国的信用体系建设带来了新的机遇，形成了全新的数据约束力。”

“北京是交通秩序最好的城市。”在多个公开场合，范晓忻都举了这个例子， “北京的路口很少有警察，而遍布着上千万摄像头，无论是闯红灯还是压线都难逃处罚。这就是数据形成的约束力。那么对于国家四大诚信建设领域也是一样，有了数据，约束力就会变得比较强。”

《促进大数据发展行动纲要》明确提出，发展工业大数据，推动大数据在产品全生命周期、产业链全流程各环节的应用，打造智能数据工厂，建立面向不同行业、不同环节的工业大数据资源聚合和分析应用平台。在工业化与信息化融合的过程之中，数据如何赋能传统产业的升级转型，成为备受关注的焦点。

对于金电联行而言，“大数据+产业”有着更广阔的应用前景。范晓忻表示，“产业数据不同于政务数据，是条数据，数据之间的逻辑属性非常强。如果能将整个产业闭环的数据打通，分析行业大数据，就能够极大提升行业效率，促进传统产业转型升级，建立健康的行业生态。”目前，金电联行已与纺织业、白酒业相关企业和协会展开合作，打造大数据驱动的产业金融新生态。

范晓忻从高中起就一直热衷于编写计算机程序，但由于当时数据缺失，外加计算机软硬件能力弱，局限了程序的准确性。如今，AlphaGo先后战胜了人类两位世界顶尖棋手。“每一次看到谷歌的进展，我都觉得很激动。”范晓忻深刻感知到，人类社会正在向智能社会转型，而数据正成为一切社会组织运行的基本要素，其战略意义将超过土地、人力、技术和资本，给这个时代的人们带来前所未有的挑战和机遇。

成立十年以来，金电联行从中小微企业融资开始，运用云信用计算、云数据挖掘、云结构服务三大核心技术，从金融大数据逐步拓展至政务大数据和产业大数据，不断实现大数据在不同领域的应用可能。

当被问及金电联行新十年的发展規划时，范晓忻说：“这个行业的发展超乎想象，Who knows？”今年年初，在写字楼的顶层，金电联行开辟出了自己的人工智能实验室。或许，这一举动也反映出这个大数据的弄潮儿站在浪潮之巅的能力和野心。