目前，小微企業(yè)的信用數(shù)據(jù)來源主要包含幾個部分：除了人行征信系統(tǒng)和銀行內(nèi)部自有數(shù)據(jù)以外，主要集中在政府部門或公共事業(yè)部門，其他同業(yè)金融機構(gòu)，還有部分是分散在供應(yīng)鏈核心企業(yè)，以及互聯(lián)網(wǎng)企業(yè)中的替代性數(shù)據(jù)。數(shù)據(jù)來源的分散化、碎片化使銀行獲取數(shù)據(jù)的成本高、難度大，加上整個社會信用信息體系尚未完全打通，信息獲取的渠道不通暢，彼此之間仍然存在著組織壁壘、數(shù)據(jù)孤島的問題。
另外，由于替代性數(shù)據(jù)的信息采集和處理機制不同、來源復(fù)雜，數(shù)據(jù)的準(zhǔn)確性、真實性相對較低，銀行出于合規(guī)考慮，對數(shù)據(jù)廠商的選擇和合作也更加謹(jǐn)慎；供應(yīng)鏈核心企業(yè)所掌握的上下游交易數(shù)據(jù)、產(chǎn)品數(shù)據(jù)等保密程度高，加上鏈條各環(huán)節(jié)數(shù)據(jù)口徑不統(tǒng)一，數(shù)據(jù)質(zhì)量難以保證，并且存在大量半結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)，造成銀行實際可用的數(shù)據(jù)量和數(shù)據(jù)有效性不足，也加大了數(shù)據(jù)治理的難度。
1、探索銀政與銀銀合作，安全合規(guī)獲取高質(zhì)量數(shù)據(jù)相關(guān)的法律法規(guī)在要求保護(hù)數(shù)據(jù)安全的同時，也重視對數(shù)據(jù)的合規(guī)開發(fā)利用。政務(wù)數(shù)據(jù)和金融同業(yè)數(shù)據(jù)本身的質(zhì)量高、有效性強，能夠幫助銀行全面了解小微企業(yè)信息，銀政、銀銀合作布局普惠金融，可以形成政府、銀行、擔(dān)保、保險等多方數(shù)據(jù)安全共享的體系，共同解決小微企業(yè)貸款的數(shù)據(jù)難題。隱私計算“可用不可見”的優(yōu)勢是這個過程中實現(xiàn)數(shù)據(jù)脫敏、脫密的關(guān)鍵，可以從技術(shù)上保障數(shù)據(jù)流通的合規(guī)和安全，滿足政府、同業(yè)、供應(yīng)鏈核心企業(yè)等對數(shù)據(jù)保密性的要求。可以利用多方安全計算技術(shù)加強在信貸業(yè)務(wù)場景的應(yīng)用，例如在小微企業(yè)信貸業(yè)務(wù)申請、客戶評級、圖像隱私保護(hù)、黑名單共享、貸款資金流向監(jiān)測等關(guān)鍵環(huán)節(jié)，通過在各方部署隱私計算節(jié)點，共同完成任務(wù)調(diào)度。但隱私計算目前還尚未發(fā)展到大規(guī)模落地的成熟階段，銀行在考慮部署隱私計算平臺前，需要結(jié)合自身業(yè)務(wù)特點和IT架構(gòu)進(jìn)行充分評估和驗證。2、提高數(shù)據(jù)質(zhì)量，加強對非結(jié)構(gòu)化數(shù)據(jù)的利用在加強數(shù)據(jù)采集的基礎(chǔ)上，需要對數(shù)據(jù)質(zhì)量、真實性和合規(guī)性做進(jìn)一步判斷和治理。數(shù)據(jù)治理的關(guān)鍵是建立全行統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)，構(gòu)建企業(yè)級的數(shù)據(jù)能力中臺，打造數(shù)據(jù)底座，在數(shù)據(jù)治理的基礎(chǔ)上，推進(jìn)模塊的快速迭代和復(fù)用，基于大數(shù)據(jù)、人工智能技術(shù)形成全流程、全生命周期的數(shù)據(jù)治理方案，結(jié)合小微企業(yè)的信貸業(yè)務(wù)場景、合同文本、業(yè)務(wù)圖像等非結(jié)構(gòu)化數(shù)據(jù)，對原始數(shù)據(jù)進(jìn)行解析，融合計算機視覺、NLP、知識圖譜技術(shù)，通過內(nèi)容管理進(jìn)行非結(jié)構(gòu)化數(shù)據(jù)處理，實現(xiàn)智能搜索、內(nèi)容安全洞察、內(nèi)容自動化管理，提升小微企業(yè)數(shù)據(jù)的可用性，盤活數(shù)據(jù)價值。3、提升模型性能，在數(shù)據(jù)有限的情況下充分挖掘數(shù)據(jù)價值在數(shù)據(jù)量有限的情況下，對數(shù)據(jù)的挖掘、模型的建設(shè)變得更加重要，一方面可以利用人工智能的深度學(xué)習(xí)與知識圖譜技術(shù)，通過業(yè)務(wù)規(guī)則設(shè)置、模型設(shè)計去識別、融合、分析自有數(shù)據(jù)，深度挖掘產(chǎn)業(yè)鏈條上下游企業(yè)的關(guān)聯(lián)關(guān)系，建立小微企業(yè)的關(guān)系視圖，挖掘風(fēng)險傳導(dǎo)的路徑；另一方面可以通過機器學(xué)習(xí)進(jìn)行歷史數(shù)據(jù)洞察，分析哪些數(shù)據(jù)可以更加有效、精準(zhǔn)地識別客戶，哪些數(shù)據(jù)具有普遍性，哪些數(shù)據(jù)只針對特定客群有應(yīng)用價值，從數(shù)據(jù)中推導(dǎo)模式來幫助信用模型或業(yè)務(wù)策略的改善。
