【本讲导读】

信用信息的传播是通过一个传播系统实现的。它是经济和科学技术发展到一定程度的产物。首先,是经济逐步发展到信用经济阶段,由此产生的信用交易必须建立在信用信息的获得这个前提之下,这是建立信用信息传播系统的一个重要的必要条件。其次,相关科学技术,特别是交通技术、通讯技术和信息技术的出现和成熟是建立信用信息传播系统的物质基础。

一、信用信息传播系统的历史沿革

现代的信用信息传播系统起源于19世纪的欧美国家。进入19世纪,一系列科学技术的重大发明相继问世。1814,英国人斯蒂文森发明了第一部蒸汽火车,在随后的几十年当中,无论是火车本身,还是其他道路交通设施都得到了长足的发展, 促使铁路在世界各地得到了迅速的普及和发展,大大方便了异地之间人员的交流和货物的运输,现代意义上的交通运输网络建立了起来。1844年,美国人莫尔斯发明了电报,随后不久,莫尔斯又发明了电报电码,实现了文字的远距离瞬时发送与接收。由于电报的快速、便捷,很快就得到了广泛的使用。1876年美国人贝尔发明了电话,这样人们就可以远距离的实现声音的传送和接收了。很快的时间,以电报和电话为代表的通讯网络在大西洋两岸搭建了起来。信息的交流变得前所未有的快速、方便,交流的范围也扩展到了全球的范围。同时,由于工业革命的推动,许多产业都实现了机器生产,使劳动生产率得到了成倍的增长,欧美发达国家的经济得到了飞速的发展,商品极大的丰富起来,大量的商品从卖方市场转化成买方市场,信用交易的条件逐步成熟起来。

由于社会条件和技术条件的成熟,19世纪40年代,在市场需求的推动之下,美国一些大都市的商人开始组建信用组织,在一定范围内收集、传播企业的信用信息,为市场交易服务。随着信用行业的不断发展,到19世纪中叶,雇佣专业信用调查人员,借助当时刚刚发展起来的交通设施和通讯技术从事信用信息收集、传播的公司开始出现。从而一个崭新的职业——信用调查员也由此诞生了。他们的职责主要是获取信用信息,并且准确、客观地解释信用信息,为客户服务。他们是第一批专业的信用信息采集加工者。

第二次世界大战期间,由于战争的需要,大批的有经验的信用审核人员应征入伍,被派往世界各地为战争服务。为了帮助那些被雇佣来填补上述职位的新手尽快进入角色,人们开始尝试开发一种专家系统,把该行业的一些经验编写成一系列守则,帮助人们进行工作。这就是风险评分系统的雏形。由此,人们开始致力于量化的描述一个个人或者一个企业的信用状况,并且针对不同量化等级的对象采取不同的商业策略。信用信息传播也逐渐从具体的信息向数量化、抽象和综合的方向发展。

第二次世界大战以后,信息技术、通讯技术得到了飞速的发展。首先是上个世纪五十年代,电子计算机开始在商业上的使用。当时主要是一些大公司使用计算机从事一些重复性商业计算的处理工作 -- 比如每个月工资的核算。穿孔卡是当时使用的主要介质。因为那个时代计算机设备的成本非常昂贵,而且技术上也比较难于使用,因此使用的范围也不大。

面向消费者的信用调查服务也起源于美国。美国第一家信用局于1860年在纽约诞生,但是直到第二次世界大战以前,个人信用服务业务发展的都比较缓慢。战后,这种情况发生了很大的改变。50年代的美国,推出了一种可以循环透支的金融产品——信用卡。当然,最早的信用卡只是限于极少数富有的客户。但是,随着个人消费能力的不断增长,消费者信用市场逐渐发展壮大,汽车贷款、房屋贷款等个人消费信贷产品应运而生。信用市场的主流从企业信用逐渐发展为企业信用和消费者信用并行的局面。

进入上个世纪六十年代,经理们开始意识到存储在计算机当中的交易数据对商业决策的参考价值。当时还没有可以直接访问的存储设备和在线的终端设备可供使用,不可能直接筛选出人们所感兴趣的数据。唯一的方法就是产生大量的报表,包含每一个可能与主题相关的数据。这就是所谓的信息报表系统(Information Reporting System)。管理人员每次都拿到厚厚的一打报表,其中的部分信息是他们所感兴趣的,但是也有很多信息从来都不会被阅读。虽然有这样或那样地不足之处,但是人们已经可以把商业交易信息记录并存储起来,并随着时间的积累而增加。这就是所谓的动态数据。有了动态数据,为判断一个企业或者个人的信用模式和信用行为特征提供了可能,这也是进行风险预测、风险分析的基础。

上个世纪七十年代到现在,可以直接存储和访问数据的新技术问世了。人们称之为直接存取存储设备(Direct Access Storage Device)。它的使用根本不同于以往的存储方式。如果人们对某条信息感兴趣,不再需要把所有与这条信息有关的数据都提取出来,只需要拿出所需要的数据即可。随着直接存取存储设备的出现,出现了数据库管理系统(Data Base Management System)这种管理软件。它可以方便的管理在直接存取存储设备上的数据存储、访问。到后来,联机事务处理(On Line Transaction Process)的出现,使得电子票务系统,电子银行系统的一步步的实现了。这也就为实时查询和索取信用信息,进行风险审核、生成信用报告铺平了道路。在西方发达国家,审核一个信用卡的申请通常不超过10分钟,主要就是通过类似这种系统来完成的。

随着数据库技术的发展,为了便于商务决策的制定,出现了数据仓库技术(Data Warehouse).它将来自不同数据源的数据整合在统一的框架之下。数据仓库技术包括数据清理、数据整合、在线分析(OLAP)等等。

随着数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累的数据越来越多。因此,具有强大数据分析功能的工具就成了一种必不可少的技术手段来挖掘这些数据的价值。没有数据分析工具的帮助,不断增长的数据已经大大超越了人类可以驾驭的程度。这就是人们常说的“信息丰富下的知识匮乏。”假如管理人员没有足够的工具来分析和理解海量的业务数据,他们就只能根据自己的经验来进行判断和策略制定。然而不幸的是,脱离开数据的经验判断往往是靠不住的和不够精确的。

现代数据分析、数据挖掘技术可以从大量的数据当中,通过科学的数据分析,寻找到有价值的知识。

人们最早从数据只是读出总体综合性的信息,比如几年以来的销售业绩如何。因为当时的数据库并不支持对某一条数据的查询。后续的技术大大方便了对数据的读取,人们可以自由的查询符合某种条件的信息。到这个时候,就可以索取比如公司去年三月份到去年五月份北京地区的销售业绩这样的比较具体的信息了。随着技术的进步,人们越来越希望对数据背后所隐藏的规律进行探索,也就是所谓的商业信息。比如销售业绩与消费者年龄的关系,与消费者文化程度的关系,与地域的关系等等。这就是数据仓库中维度分析的概念。

数据的进一步积累和技术的进一步发展,给更高级的应用提供了可能。比如对商业前景的预测,对市场情况的预测等等。其中数据挖掘技术的使用日益广泛。对海量数据的收集、存储,更强大处理能力服务器的出现以及数据分析、数据挖掘算法的成熟使数据库技术进入了一个更高级的阶段,它不仅能对数据进行查询和遍历,并且能够找出数据之间的联系,从而提炼出规律性的信息为决策和预测服务。上述就是支持数据挖掘技术的基础。

经过10几年的发展,目前数据挖掘系统正在走向具体的行业和应用。比如生物化学与DNA分析,金融业、零售业、电信业等等。这些具有行业特点的数据挖掘技术形成了具有鲜明行业背景的数据挖掘解决方案。

一批成熟的统计方法被数据挖掘系统所采用,包括回归分析,广义线性模型,方差分析,因子分析,时间序列分析等等。

现代信用风险管理技术的发展越来越依靠上面提到的两种技术,即数据挖掘技术和统计分析技术。由于信息化水平的不断提高,数据的积累速度成绩和技术增长。怎样从数字的海洋当中寻找所需要的知识是人们所面临的重要挑战。而数据挖掘技术和统计分析技术为我们的探索提供了有力的工具。