三、征信大數據的實踐

國際學術界和宏觀經濟政策制定者已經意識到大數據對宏觀經濟分析的革命性影響，將大數據的概念、方法、技術和宏觀經濟分析結合起來的做法正逐步得到重視。同樣，征信大數據具有“全覆蓋、大樣本、跨周期”的特點，包含了豐富的消費者和商業機構的經濟信息，除了用于做企業和個人的信用評分、反欺詐、關聯分析等微觀層面，還可以用于中觀和宏觀層面的信息服務。本書從數據挖掘、宏觀經濟預測和宏觀經濟政策評估等角度來介紹征信大數據在產業經濟分析中的應用。

（一）數據挖掘

數據挖掘就是大數據時代的統計調查。目前征信中心數據庫每天需要接收相關機構近1億條數據，面對海量征信大數據，傳統的統計調查方法不能適應信息收集的需要，另外，信用主體的身份、地址、職業或行業信息以及部分非銀信息包含大量的非結構化文本，因此進行在數據預處理階段時需要采取數據挖掘的技術。以本書關于中國勞動力人口遷徙研究為例，該研究不僅采用個人征信中的個人信貸、個人社保、個人公積金數據，還使用企業征信中的機構信用碼、企業高管、企業貸款卡等數據，共涉及近50億條業務數據，需要提取近200億個數據字段，數據處理量大，數據更新快，數據種類多，只有采用數據挖掘技術才能對數量信息和文本信息進行準確快速的收集整理，得到有效結果。征信大數據背景下，應用聚類、支持向量機及向后傳播（Back Propagation，BP）神經網絡等數據挖掘算法使得宏觀經濟的分析和預測效果變得更加有效、實用。

（二）宏觀經濟即時預測，實時展示

征信大數據的及時和快速為實時高效的展示宏觀分析預測提供了可能。利用大數據對宏觀經濟進行預測，最重要的應用場景就是宏觀經濟的實時分析和即時預測。目前對宏觀經濟的判斷依賴于各種統計調查系統發布的統計數據，但面臨的最大困難之一便在于關于宏觀經濟統計的數據滯后太多，基于此統計進行的預測甚至被認為助長了宏觀經濟波動。征信系統中每天產生大量準實時數據，為更快捷地分析宏觀經濟提供了可能，大數據理論與方法的發展則為即時預測提供了新的條件。以本書關于中國城市信用指數模型的研究為例，面對來源量大面廣和快速更新的信用信息，研究首先利用大數據技術高效地計算出相應統計結果，然后基于層次分析法的模型的解釋變量進行聚類、降維處理，驗算各類變量的權重，最終分析得到各區域的信用指數，對中國各城市的信用情況進行實時評價，并利用BI技術將分析預測結果轉化成動態交互圖表，實時展現出來。該研究最重要的意義在于將實時、海量、快速變化的征信大數據通過宏觀分析，抽象為直觀的交互式圖表，便于實時了解宏觀分析預測結果，及時決策。

（三）宏觀經濟政策評估

征信大數據可以為政府的宏觀經濟政策制定提供數據支持，并對政策執行效果進行評估。政府在政策制定上可以通過征信大數據分析細化執行范圍，強化執行效果，并作出及時調整。征信大數據長期以來為人民銀行的金融統計、金融研究和宏觀分析提供了基礎數據支持。首先，征信大數據是金融統計的重要補充。利用大數據技術將征信數據，比如個人房貸等信息定期匯總整理，為準確有效地監測金融市場運行情況提供了數據支持。其次，征信大數據可以及時評估宏觀政策。比如定向降準、二套房限貸等宏觀政策的執行往往存在時滯性，而通過征信大數據可以實時跟蹤政策的執行效果，并且可以監督防范違規或政策套利的行為。另外，征信大數據具有“全覆蓋、大樣本、跨周期”的特點，為政府的宏觀經濟政策制定提供了機會。比如本書關于產業結構的研究，該研究基于信貸視角回顧了近十年來我國產業結構調整路徑，并分析了產業結構調整和信貸供給之間的關聯性，然后用信貸發生額建立產業變動指數，對各經濟區域產業間信貸資源的調整情況進行了實證分析，研究發現，信貸結構調整與產業結構調整之間存在同步性，但在調整的過程中，部分產業和部分區域缺乏足夠的信貸支持力度，研究還表明利用征信大數據可以為實現我國產業結構調整和信貸資源分配提供決策支持。