《征信理论与技术》第九章征信信息校验与处理

第九章征信信息校验与处理第九章征信信息校验与处理

第一节企业资信调查与信息校验第二节企业征信建模中的数据处理第三节个人征信建模中的数据处理第九章征信信息校验与处理

第一节企业资信调查与信息校验一、企业资信调查

（一）线下调查（现场调查）

也称现场调查，指调查员到现场调查核实信息数据，取得现场调查实录，并将其总结为简单文字性说明。

一、企业资信调查

（一）线下调查（现场调查）

线下调查常见的调查内容包括：1．企业基本情况核实

发起股东情况、股东结构及其历史变化、银行基本账户、分支机构、对外投资、住所及经营场所、重大登记事项的历次变更、曾任高管人员、企业资本变动、企业资产构成、经营概况、历年主要财务报表等

一、企业资信调查

（一）线下调查（现场调查）

线下调查常见的调查内容包括：2．企业真实可变现资产情况核实企业真实可变现资产的调查内容包括土地和房产的产权人名称、性质、有无抵押、查封或者其他权利限制情况，是否存在产权纠纷或涉诉；固定资产设备等可变现资产的实际使用情况、市场价格等。

一、企业资信调查

（一）线下调查（现场调查）

线下调查常见的调查内容包括：3．其他现场调查项目

考察企业法人治理结构是否健全

考察股权结构是否合理

考查企业的商业信用水平

考察或校验目标企业真实的经营绩效。。。一、企业资信调查

（二）线上调查线上调查往往是线下调查的前期准备。在互联网征信的时代，大量基础的征信信息可以经由线上调查获得。一般地，受托征信机构可先进行线上基础信息调查，信息不足的情况下，再进行线下调查。一、企业资信调查

（二）线上调查实训操作

用“企查查”查询企业信息一、企业资信调查

（二）线上调查实训操作实训一：如何获得小米科技有限责任公司的供应商目录？实训二：在企查查上查找小米科技有限责任公司的关联企业图谱？实训三：如何隐蔽调查企业真实的生产经营情况？二、企业报表信息校验

（一）财务报表数据校验1.经审计的财务报表核实

财务会计报表审计，是指注册会计师依法接受委托，按照独立审计准则的要求，对被审计单位的财务会计报表实施必要的审计，获取充分、适当的审计证据，并对财务会计报表发表审计意见。二、企业报表信息校验

（一）财务报表数据校验2.未经审计的财务报表核实

对未经审计的财务会计报表，征信数据的质量校验人员需要把握成套数据的逻辑关系，辨析报表的真实性、合理性。可采用的方法有以下三种：经验法参照系比较法不同会计制度对照法二、企业报表信息校验

（一）财务报表数据校验企业财务报表虚增利润的识别1．为虚增财务利润，企业会激进地确认收入，常见情形有：（1）出租人按照融资租赁的方式确认收入，在租赁开始时就确认收入和利润。（2）在完全履行出售商品或劳务等义务之前就确认收入。（3）把与第三方进行物物交换确定为取得收入。二、企业报表信息校验

（一）财务报表数据校验企业财务报表虚增利润的识别2．为虚增财务利润，企业会推迟支出的确认时间，常见情形有：（1）与销售增速相比存货增速超常。可以通过存货周转率是否降低来判断是否有会计操纵。（2）经营性支出资本化可以推迟支出的确认时间。分析时应关注“递延费用”和“递延成本”等项目。（3）延长固定资产的使用寿命会降低成本，增加利润。二、企业报表信息校验

（一）财务报表数据校验企业财务报表虚增利润的识别3．财务利润虚增时，一些指标呈现异样：（1）经营性现金流的增长率和利润的增长率有差异。

从长期看，如果利润增加，但是经营性现金流却是负的或者在减少的，那表示这家公司有可能提早确认收入或是推迟确认支出了。（2）与经济、行业以及同行业企业相比，销售增长率超常（3）与同行业相似企业相比超常的毛利率和营业利润率二、企业报表信息校验

（二）企业资信自荐报告核验企业为获得贷款、融资和合作机会，常会出具或聘请第三方出具企业资信自荐报告。调查企业资信自荐报告的重点：

核验融资目的、资金投向、预期利润、评估现金流、分析贷款数额和结构的合理性、历史逾期情况、担保情况、历年利润分配等。二、企业报表信息校验

实训：电话调查电话调查是企业征信机构经常使用的调查方式之一，一种低成本的调查方法，常见于根据委托人需求进行的个案调查，可用来采集数据，也可用来核实信息。（一）模拟场景（二）调查员前期准备

“调查问题清单”第九章征信信息校验与处理

第二节企业征信建模中的数据处理一、企业信息采集中存在的问题

一、企业信息采集中存在的问题（一）政府公开数据有缺失（二）外部获取数据有错误（三）多渠道采集数据有重复（四）信息主体申报数据易失真二、企业征信建模中的数据处理方法

（一）产品信息闭环。将征信数据采集、模型算法、数据挖掘以及信用预测等关键环节构建成闭环迭代，深度挖掘样本背后的逻辑，识别失真信息（二）建模软件自身的数据处理。以SPSS软件为例，可以运用神经网络等统计算法对已有数据进行分析二、企业征信建模中的数据处理方法

（三）多方式验证数据关联性。构建了云信平台。通过多途径收集企业财务数据、非财务数据、结构数据、非结构数据、线上数据、线下数据并进行聚合比对，去伪存真。（四）运用物联网技术对数据进行校验和处理。利用企业级物联网组网技术，实时、动态采集企业非财务数据，运用模型算法对样本企业信用进行动态检测。三、企业征信信息的存储与维护设计企业征信数据库时，企业征信机构会从成本和效率两方面慎重考虑，把规模控制在有效范围之内。第九章征信信息校验与处理

第三节个人征信建模中的数据处理一、个人征信数据的质量问题（一）数据格式与编码各不相同，使后续模型运行受阻每个数据源单位有自己存放数据的机制，数据格式不统一。而且数据项编码存在不一致性，在不同政府部门、机构中使用的数据字典可能存在差异。一、个人征信数据的质量问题（二）数据存在质量问题，使后续分析结果失真各数据源单位的数据质量问题，以商业银行的数据源为例，银行数据源产生数据质量问题的来源有：1．来自银行客户2．来自操作柜员3．来自业务系统一、个人征信数据的质量问题（三）ETL处理过程中产生的数据质量问题，会影响后续数据建模ETL理论和技术的发展目前尚不成熟，由于ETL设计上的原因,会造成一些数据质量问题二、个人征信数据处理标准

（一）商业银行的数据确认标准10万元的循环贷款，目前余额1万元，负债是10万还是1万？3万额度的信用卡，已使用2万元，负债是3万还是2万？保证人为他人20万元的贷款担保，贷款发放后保证人自己用了5万元，负债怎么计算？二、个人征信数据处理标准

（二）征信机构的数据处理标准个人数据元设计与管理等标准明确了征信数据元的表示规范以及设计规则和方法，并给出了征信数据元的处理与维护机制。三、个人征信数据的处理

个人征信数据处理主要是对各信源单位归集的结构化和非结构化数据进行标准化和流程化的处理，按照统一的标准，通过数据清洗、转换、比对、关联等操作，对各类信用数据资源进行关联、融合与集成，形成完整的信用数据，构建信用数据库。三、个人征信数据的处理

（一）数据清洗数据仓库中的数据是从多个业务系统中抽取而来，避免不了有的数据是错误数据、有的数据相互之间有冲突，这些错误的或有冲突的数据显然是我们不想要的，称为“脏数据”。按照一定的规则把“脏数据”过滤掉，就是数据清洗。1．不完整的数据2．错误的数据3．重复的数据三、个人征信数据的处理

（二）数据转换

1．不一致数据转换将不同数据源中相同类型的数据统一比如同一信息主体在公积金数据库的编码是XX0001,而在某第三方数据平台中编码是YY0001，这样在抽取过来之后统一转换成一个编码。三、个人征信数据的处理

（二）数据转换2．数据粒度的转换将业务系统数据按照数据仓库粒度进行聚合（数据源单位一般存储非常明细的数据，而数据仓库中数据是用来分析的，不需要非常明细的数据）

3．规则的计算不同的数据源单位有不同的指标、不同的指标计算规则，需要通过ETL的集成处理，将这些数据指标清洗转换三、个人征