商业计划书之二

1、我们的商业计划书郑远义2016年 1月12日建立征信中心的商业计划我们商业计划的目标是在中国建立一个征信中心。这个征信中心的业务，包括建立金融数据体 系，提供信贷报告（也可称之为信用报告）和金融数据的产品，并提供信用评分和统计模型的 服务这几个方面。征信中心以商业银行的数据为原始数据，我们把各个商业银行的数据综合在 一起，组织成为一个在中国社会范围内总的数据体系。这个数据体系分为消费者个人和企业这 两个部分。初期的计划是一个金融数据的征信中心，中长期的计划是否要扩展到互联网和其他 领域仍然有待于决定。我们提供的产品和服务：我们建立和开发的数据体系提供了关于消费者个人或者企业在中国社会范围内从不

2、同 金融公司或者不同银行所购买和拥有的各种金融产品的综合的数据资料。这种资料是 按照时间顺序组织起来，能够反映帐户拥有者整体的信贷轮廓和一定时间长度的信贷 历史的数据组合。我们计划从不同来源取得资料，这些来源包括银行，提供金融服务 的公司，法院，公用事业和催收公司，等等。这个计划的实现有可能使我们拥有比现 有的信用信息中心或者征信中心更为全面的资料。我们将建立衍生数据，这些衍生数 据和原始数据结合在一起，能够大幅度地加强数据整体的预测能力和数据在信贷管理 方面的作用。在征信中心所拥有的金融数据的覆盖面达到一定规模之后，我们还计划 提供信贷报告（信用报告）。我们会提供信用评分，包括通用的信用评分

3、和为顾客量身定做的信用评分，后者被称 为顾客评分。读者可能会提出信用评分和我们的数据产品有什麽关系的问题。人们往 往能够理解一个数据的含义，但是对许多数据发生在一起，这些数据在总体上的含义 则不了了之。信用评分和统计模型的作用之一就是对于发生在每一个顾客账户上的许 多数据在总体上的含义的翻译和解释。美国的三大征信中心都设有建立统计模型的部 门说明了信用评分 / 统计模型和征信中心的数据产品的关系的密切性。我们提供的其他 服务项目包括了数据挖掘，建模软件和信贷策略的平台等等。这些其他的服务项目可 以扩宽公司所从事的项目的范围。读者可能会问： 银行为什麽要寄给我们数据，他们从这里能够得到哪些回报呢

4、？征 信中心会见利在全社会范围内金融数据的公共平台。一家银行所追求的新的顾客的资 料可以出自于这个平台，这家银行的已有顾客在自有企业信贷线以外的表现的资料也 可以出自于这个平台。另外，在个别银行信贷业务中出现的欺诈，违约，坏账等等行 为通过这一公共的平台可以对众多的银行或企业提供警报。通过这个在中国全社会范 围内的数据平台，银行和企业能够获得在其自有数据库中所没有的许多内容，这些内 容对加强和改善银行和企业在信贷风险，市场营销和对贷款和信用卡的管理方面有巨大的价值。除此之外，我们会和提供数据的银行和企业签订协议，我们和他们信息共享，或者为他们提供技术咨询，建立一种互惠的关系。我们的产品和服务的

5、价值：关于信贷对象的完整的数据在中国仍然是一个空白。成千上万的账户，有银行甲的资 料，或者有银行乙的资料，但是没有在全社会范围内可以获得的完整的资料。这是一 个缺陷，就像看过一张只有侧面图而没有正面图的人体肖像，别人仍然不能肯定这个 人长的到底是个什麽样子。我们的计划就是建立在社会范围内完整的数据体系的一份 蓝图。这种数据体系一旦被建成，所有的账户持有者的全面的信贷轮廓就被勾画出来 了，对这些账户的评价和判断就有了可靠的基础。这就为贷款和信用卡的发放和管理 提供了凭据，也为信贷行业的利润和发展提供了保证。读者可能会提出关于信用评分，统计模型和信贷报告的价值的问题。信用评分和统计 模型在近半个世

6、纪的发展中，已经成为进行金融方面预测和分析的有力工具。许多统 计分析的结果，是关于信贷方针或者金融政策的孰优孰劣的一种意见，这种意见在动 态的变化的情况下的价值变得不像以前那样突出了。信用评分和统计模型则不同，信 用评分或统计模型的结果可以用来评价政策和制度的优劣，但是在更多的情况下这些 结果告诉我们在既定的制度或者政策下我们如何行动。例如，批准哪些人成为我们贷 款或者信用卡的顾客，才能使银行或者公司最大程度地降低一些顾客不按规定付款的 信贷风险；向哪些人推销我们的金融产品，才能减少公司的销售成本并且更好地完成 销售的任务。在国际金融服务业，信用评分和统计模型为几十万，上百万个账户建立 模型和

7、进行预测已经司空见惯，在一个项目中消除或者减少百万元或者千万元的信贷 损失也已经常见不鲜，在提高企业的利润额方面也是如此。这就是信用评分和统计模 型在金融服务业的价值。我们的计划是把信用评分和统计模型应用到中国的金融服务 业，提高中国的金融服务业的水准并通过这个渠道为千百万顾客提供更多的价值。读者可能提出：人民银行征信中心目前既有社会范围内的金融数据，也有信用评分。 你们的项目能够提供哪些更多的价值呢？作者目前看到了人民银行中心的信用报告， 但是还未看到这个中心的个人信贷信息的数据，也没有看到他们的信用评分，所以对 人民银行征信中心的金融数据和信用评分都无法评价。从已有的证据来判断，人民银行征

8、信中心的数据就是人民银行发布的信用报告所包括 的那些数据。这些数据，从几十个到两百多个，充其量也就如此而已。我们计划建立 的金融数据库中的数据的数量，从 500 个到 5000 个，是人民银行征信中心的数据数量 的一倍甚至十倍以上。用我们的数据来进行预测，预测能力要高的多。假如说用人民 银行的数据来预测，正确率是 60%；当我们把数据的数量扩充到 5000 个时，预测的正 确率经常可以达到 90%。在信用评分方面我们能够提供与费埃哲公司不同的方法和技术 （人民银行征信中心所用的技术可能学自费埃哲，在人民银行征信系统建设运行报告 中有所提及），这些技术能够改善统计模型的性能和预测的质量。这就是我

9、们的项目 能够创造的价值之一。我们公司的团队：谷晓峰 美国花旗银行，高级副总裁。 2009-2013美国汇丰银行，副总裁。 2000-2003 教育背景：美国哥伦比亚大学统计系，博士。郑远义国政通科技有限公司，信用评分业务总监。 2013 年。 美国运通，高级经理， 2011-2012 。美国通用电气公司消费者金融分部，风险经理， 2003-2007 。 美国的征信中心川斯尤年（在中国被称为环联），统计学家， 2001-2003 美国的汇丰银行，统计分析官员， 1999-2001 。教育背景：纽约州立大学布法罗分校管理学院，管理经济学的博士。张克胜清华软件系统有限公司，战略执行官， 2013

10、至今 教育背景：钢铁学院采矿专业， 硕士。我们的商业模式和盈利模式：我们会建立会员的制度。会员分为普通会员和提供数据资料的会员。普通会员需要进 行注册，提供数据 资料的会员则不但要进行注册，还要按照规定（例如每个月份按 照我们公司规定的格式和要求）向我们的征信中心提供数据。我们会和提供数据资料 的会员企业签订信息共享的协议，使信息共享的双方建立互惠的关系。上述的普通会 员和提供数据资料的会员的做法有两个目的：第一，数据产品的买卖以长期的交易为 多，所以我们通过顾客的注册来了解顾客；第二，为了提高银行和企业为我们公司提 供数据的积极性，同时表示我们承认提供数据资料的会员所作出的贡献，我们对提供

11、数据的银行和企业给予产品价格上的折扣，或者为对方提供技术咨询等等对方所需的 服务。我们公司究竟为对方提供什麽，以信息共享的协议为准。我们的数据产品是若干种不同的衍生数据的数据组合。每个数据组合都有自己的价格， 按照数据组合的价格，乘以账户的数量，和时间的长度，就是一次数据销售的收入。 如果顾客要求的仅仅是经过整合和组织的社会范围内的数据（没有衍生数据），我们 要根据是新顾客的数据还是已有顾客的数据和是普通会员还是提供数据的会员来决定 价格。公司能否盈利，如果能够盈利，盈利的数额是和市场对金融数据的需求密切相关的。 我们认为市场对金融数据的需求是肯定存在的，是会与时俱增的。这就像用含金量很 高的

12、沙子来淘金一样，新建立的数据组合如果有管理和预测方面的价值，这种数据组 合的含金量则无可置疑，能够被迅速地转化为货币收入。因此，这种数据组合会成为 数据市场上交易量很大的商品。我们如何把银行输送来的数据变为价值很高的数据， 这里有两个途径：一个是通过数据的社会化，把原来是个别银行或者个别企业的数据 和我们得到的其他银行或企业的数据相结合，使之成为社会范围内的公共数据；另一 个是通过建立衍生数据。我们掌握通过上面两条途径使数据增值的技术。我们具有完 成这种工作或者类似工作的经验。当然，要完成上述两个任务，我们要建立完成数据 组织和整合的工作流程和技术团队。要做好上述的工作，我们需要解决三个问题：

13、 1。我们要拿到银行和其它数据来源的数 据，这些数据应该合乎我们所要求的数据的格式；2。我们要能够拿到具有充分数量的数据。所谓“充分数量”有两个含义：一是提供数据的银行或者企业把所有的数据给 我们；二是指如果这个地区有十个银行或金融服务公司，我们能够拿到所有十个银行 和公司的数据； 3。我们要争取通过专利的申请和对数据的某些方面进行保密的方法来 防止公司建立的数据不被抄袭。具体如何做虽然有待于研究，但是这方面的努力是必 需的。在公司建立的初期要完全解决上述三个问题恐怕有困难。但是从中期和长期的观点来 看，这些问题是必须要解决的。三个问题中的任何一个不解决，都可能会带来工作上 的困扰。现在提出这

14、些问题，目的在于我们要做好思想上的准备。我们所需要的资金量在 500 万到 1000 万元人民币之间。我们的预期收益在 5000 万到 一亿元人民币。我们所需的时间是三至五年。我们所需的资金会花在几个方面：储存数据的设备，硬件和软件；接受和输送数据的 渠道和载体；进行数据组织和整合的人员团队；销售团队；信用评分和统计模型所需 的计算机和计算机软件；建立模型所需的技术团队；公司的办公场地和设备；等等。 我们的预期收入包括了出售金融数据的收入；出售信用评分或统计模型的收入，以及 在初期以后出售或者租赁技术软件或者信贷策略的平台的收入，等等。我们的优势：我们计划在征信业创业，是因为我们有自己的想法：

15、1 把公司工作的重点放在金融数据或者信用数据的应用上，而不是仅仅放在信用报告或 者信贷报告上。无论是消费者个人还是企业的信贷报告，对审核信贷对象是否值得给 予金融产品会有帮助，但是这种帮助和金融数据的帮助有数量上的不同。假如利用信 贷报告可以使贷款或者信用卡的发放者批准或者否决30%的信贷候选人，但是对其余的70%无法做出判断，那麽利用金融数据可以批准或者否决剩下的70%中的 60%，并且用金融数据来做出判断的正确率要高于用信贷报告的正确率。如果有人说用信贷报告就80%的可以对 80%的信贷决定作出肯定或者否定的结论，我们会说用金融数据对同样的 信贷决定作出的结论的正确率会高的多。2 上述的金

16、融数据，包括了在信贷报告中的数据和更多的衍生数据。衍生数据是在原始 数据的基础上经过加工而成的数据。这是本公司工作的一个重点：建立更多的衍生数 据，并建立一个结合原始数据和衍生数据的信息体系。3 金融数据本身并不能直接应用于信贷过程的各个步骤。应用信用评分和统计模型，我 们和应用之间的距离就会被大大地缩小了。通过我们提供的信用评分的使用方法的介 绍，即使是一个高中生也可以轻松自如地把信用评分应用于信贷过程的许多步骤了。 上面所说的信用评分，可以是通用的信用评分，也可以是顾客的信用评分。在信用评 分之外，管理人员的经验，统计分析，数据挖掘等等，都可以成为应用金融数据于信 贷管理的途径和方法。上述

17、方法和信用评分或者统计模型相比，各有利弊，不能一概 而言。4 建立规范化的个人和企业信用档案。这里所说的“规范化”，指的是把应该进入档案 的内容放进来，不应该列入的内容要剔除掉或者放到其他的体系中去。只有规范化了 的征信中心，才能树立起自己的商业信誉。征信中心的数据库（存放信用档案的所在） 不能成为数据的大杂烩。我们要把这些想法贯彻到创业的实践中去。我们的优势何在呢？我们的计划有在国内属于创新的内容。我们计划要建立的金融数据库，是建立在以商业银行输 送的数据为主，人口统计学和其他方面的数据为辅，从多方面反映顾客和潜在顾客的信贷概况 的金融数据体系。和国内现有的征信中心的数据体系相比，我们的数据

18、体系将拥有在数量上更 多，种类上更为丰富的数据，这些数据经过了长时间实践的检验，具有管理学方面更大的价值 和用于统计模型时更强的预测能力。我们把国外经过几十年发展形成的数以千计的金融数据的 精华和本质集中起来，形成一个新的数据体系，争取在消费者个人和企业两个方面赶超国际先 进水平。我们具有或者掌握建立金融数据（或称之为信用数据）的经验和方法。我们有征信中心如何提 供服务，和征信中心如何运作的知识。我们掌握信用评分的先进的技术。这是我们在国内的同 行所没有的优势。作者本人曾经在美国环联工作，并有十年或者十年以上在美国银行和金融服 务公司建立统计模型的工作中使用金融数据的历史。作者的经验包括了建立

19、新的金融数据，建 立和使用信用评分和统计模型，建立和使用公司的金融数据库等等方面。我们近期的工作安排和和长远的发展计划：数据：我们把对数据的格式，种类等等的要求集中在一起，建立公司的数据的标准。数据采集的制度：时间（月，季度和年度）和数据的范围，数据的引进，调出，使用所必经的 手续和记录，数据来源公司的名称，公司与之接洽的专职人员的纪录，数据更新的时间长度， 方法和记录，对数据质量的检查和对错误的纠正，等等。我们掌握不同种类的数据，我们计划的数据来源包括：银行，法院，信用卡和贷款公司，公用 事业的公司，负责催收的公司，等等。购买数据库的储存设备和空间。一次性的费用或者季度/ 年度的费用对数据进

20、行储存和管理的硬件和软件：计算机，磁盘， SQL; 以及对数据进行分析和预测的计 算机软件： SAS。引进管理数据库的人才。数据输送的安全和加密的管道。对数据加工的技术和方法。申请衍生数据的专利。建立把原始数据和衍生数据结合在一起的数据体系。建立把同一账户，不同银行或者公司提供的金融产品线结合在一起的计算机程序。 我们长远的计划：在中国各地建立几个分公司，掌管数据采集和市场营销的任务。同时，我们 要扩展现有的数据组合，使公司具有多种数据产品的商品线。1 有全面的资料：假如一个消费者有四张信用卡。在一家银行的数据里，可能有一张或 者有两张信用卡的资料，在我们的资料里，四张信用卡的资料都存在。这些全面的资 料是按照时间的顺序组织起来的。如果顾客拥有的金融产品是贷款，情形亦与此相似。 这种数据资料是发生在中国的社会公共的资料，与发生于个别银行或者企业的资料不 同。2 在银行的资料里，没有法院，公用事业和催收公司方面的资料。我们的计划包括了拥 有从这些来源取得的资料。以法院的资料为例，我们收集由于支付违规，欺诈，等等 行为而带来的法律的惩罚和处理的资料，但是政治，经济，生活和其他领域的资料则 不是我们数据采集的对象。3 在银行的资料里，没有衍生数据的资料。我们的数据体系包括了衍生数据的资料。4 我们还会提供信用评分，包括通用的信用评分和为顾客量身定做的信用评分，后者