大数据背景下互联网企业信用经济发展对策研究.pdf

Sweeping over the Management|管理纵横MODERN BUSINESS现代商业136大数据背景下互联网企业信用经济发展对策研究陈日成湖北商贸学院湖北武汉430000摘要：互联网企业指以计算机网络技术为基础，利用网络平台提供服务并凭此获得收入的企业，很多互联网企业都存在着发展方向不明确、缺少资金支持、管理不规范、没有核心竞争力等诸多问题，这些问题都影响着互联网企业的长久发展。与此同时，随着互联网时代的到来，人们越来越青睐于使用信用交易的方式进行日常活动，例如免押金租车、信用抵押、预支酒店服务、信用换取商品等，而在大数据背景下，利用大数据分析技术发展信用经济，不但可以解决互联网企业发展过程中存在的上述难题，还可以寻找新的发展模式，改善企业之间的信息不对称，提升企业的可信度，从而发展自己的信用产品，同时有利于我国的产业升级和个人征信系统的完善，有益于国家、企业、个人的发展。关键词：互联网企业；大数据；信用经济；蚂蚁金服中图分类号：F270；F272.3文献识别码：A文章编号：1673-5889（2023）20-0136-04一、相关理论（一）大数据相关概念1.大数据工具三大层次理论普华永道公司（Pricewaterhouse Coopers）移动数据和分析项目首席技术官 Ritesh Ramesh 表示，在市场精度和市场战略方面，大数据工具分为三个层次。第一层：开源工具层次，是所有层次中最重要的一层。大部分的互联网公司都是以这一层面为基础，比如 Cloudera 和Hortonworks。开源工具作为底层工具，更多的是起辅助作用，在基础设施、服务器和存储之外，其价值非常小。第二层：大数据企业运用数据分析技术开拓新业务。这些企业在开源工具的基础上，增加更加个性的功能，以满足不同群体的需求，从而区别于其他大数据企业。例如，Cloudera 建立了一些类似 Hadoop 内核的数据科学分析平台。第三层：自己不从事大数据分析业务，将服务垂直外包给数据公司。这将大幅度降低数据分析的成本，对大数据开发企业而言，这也是一种非常有效的竞争策略。2.大数据与传统数据的区别从上述的大数据特征可以得出，大数据规模巨大，并且种类繁多，需要有高速处理系统的计算机才能完成处理，这与传统的二进制数据比较，在许多地方都有着不同。通过表 1 可以看出，传统数据库的处理分析能力已经无法完成对大数据的分析处理。表1大数据与传统数据区别种类传统数据大数据数据规模以GB为单位TB及以上生成速度每天或小时实时更新数据结构结构化半结构化或非结构化数据来源集中性分散性数据整合相对简单相对困难数据储存传统数据库新型大储量数据库数据访问延时性处理实时性处理资料来源：本表参照参考文献2相关内容总结出。（二）信用经济相关概念1.智慧经济理论智慧经济是知识主导生产要素的经济形态，在未来，知识产业将成为社会经济的主导产业。在现阶段，智慧经济的发展亟需对大量模糊的、随机的数据进行处理分析，而同时，信用经济又是智慧经济的一种表现形式，在“无现金化”的现代社会，信用将作为个人资产而进行消费，诸如免押金租赁、互联网贷款、互联网金融等信用活动提升了居民的幸福感、方便感，同时也降低了小微创业者的门槛，无论是大数据分析技术还是发展信用经济，都有利于推动我国智慧经济的发展，都有利于社会经济的发展以及我国的产业升级及推动供给侧结构性改革。2.信用经济概念根 据 德 国 经 济 学 家 布 鲁 诺 希 尔 德 布 兰 德（Bruno Hildebrand）的理论研究，他将交易方式作为划分不同经济发展阶段的标志，将社会经济的发展划分为三个阶段：自然经济、Sweeping over the Management管理纵横|MODERN BUSINESS现代商业137货币经济和信用经济。自然经济的阶段是以物易物，以物品为交换媒介。货币经济的阶段是将货币作为交换媒介，进行交易活动。信用经济的阶段则依靠信用作为媒介进行商业活动。根据布鲁诺希尔德布兰德（Bruno Hildebrand）的理论，信用经济是社会经济发展到一定水平后形成的最先进的社会经济发展阶段。二、大数据背景下互联网企业信用经济发展现状及存在的问题人民生活水平在不断提高，互联网的使用也在不断深化，这些因素都会使信用经济受到长期青睐，其发展态势和规模都将继续扩大8。很多互联网企业也察觉到了我国信用经济正在崛起，但互联网企业利用大数据分析技术发展信用经济的实践仍存在各方面的问题，这对广大互联网企业的发展是非常不利的，同时这将影响我国信用经济的长期发展。（一）失信现象依然存在随着互联网时代的到来，使用信用交易形式的人越来越多。例如免押金租车、信用抵押、预支酒店服务、信用换取商品等。消费者的诚信意识也在逐步提高，但失信现象仍然存在。这种失信现象不仅存在于消费者当中，也存在于众多企业当中。造成这种现象的主要原因是广大发展信用经济的互联网企业没有利用好或者误用大数据分析技术，对于搜集到的用户数据，要么是没有建立起强大的数据库，要么就是没有做好数据挖掘工作，因此就导致了无法对信用经济的风险进行防控，广大消费者失信现象没有得到约束，甚至许多互联网企业也存在失信现象。（二）没有规范的数据分析系统在我国，大部分互联网企业都属于新兴产业，并且几乎所有的互联网企业在日常经营活动中都会搜集到大量的用户数据，拥有这些数据还往往不够，还需要建立数据储存、数据挖掘、数据可视化等活动，因此就需要一套完整的系统，很多互联网企业只是拥有数据分析系统的一部分，这是不完整的，并且是不利于发展信用经济的，因为发展信用经济需要大量数据分析结果的支撑，从而通过相关关系等一系列关系去降低信用经济风险，而我国拥有规范的数据分析系统互联网企业少之又少。（三）缺少规范化的信用经济风险防控机制在互联网飞速发展的今天，信用经济的发展形式和种类不断丰富和多样，信用消费的风险也与传统的消费风险有所不同。因此，迫切需要建立新型的信用风险防控机制，来预防潜在的风险。但从目前情况看，各互联网企业信用经济起步时间较晚，发展不长，经验不足，并没有建立起系统、合规的制度和措施，从而导致信用风险防控还存在不足之处。同时，很多互联网企业还没有很好地将大数据分析与信用风险防控机制相结合，这在一定程度上也影响了互联网企业信用经济的发展。三、大数据背景下互联网企业信用经济发展出现问题的原因（一）我国缺乏完善的信用体系首先，我国缺乏健全的信用中介体系。当前我国还相对比较缺乏征信机构，其规模也相对较小，鉴证机构没有建立规范化、科学化的信用评估体系，尚未建立科学化的数据库系统，这就使得征信评定还存在一定的缺陷，对于我国信用经济的良性发展无法起到应有的作用。其次，我国的信托机制还不够合理与规范。目前我国信托还没有较多大型可靠的机构，并且还得不到有关法律的合理化支持，也因此没有较为丰富的经验，这就使得我国信托机制还存在一定的缺陷。最后，我国失信惩戒力度较轻，就我国的法律来看，其中虽然有关于诚信方面的内容和要求，但是其涵盖的范围较小，所包含的层面较浅，具体的惩罚措施也不够全面。（二）我国互联网企业大数据分析技术起步较晚一些比较出名的大数据公司如 IBM、HPE、ORACLE 等都是国外起步较早的大型公司，他们对利用大数据分析，应用程序和基础框架都起步比较早，对于大数据分析技术的理论研究也比我国早，我国像阿里巴巴、百度、腾讯这样的大型互联网企业，在对大数据分析技术应用方面，大多起步于 21 世纪初，对于相关理论，以及大数据分析系统的应用都不够成熟，因此，很大程度上影响了我国互联网企业大数据技术的发展。虽然我国大数据分析技术起步较晚，但是发展迅速，像上述我国的这些大型互联网企业，都在大数据分析技术上取得了不错的成绩，因此，他们的经验可以为其他互联网企业提供借鉴意义。（三）我国互联网企业发展信用经济较晚在国外，像 VISA 和 MasterCard 这样的信用卡发行商，早在 20 世纪就收集和分析了来自 210 个国家的 15 亿信用卡用户的 650 亿条交易记录，用来预测商业发展和客户的消费趋势。国外很早就开始利用大数据分析技术去发展信用经济了，对于个人征信领域而言，国内的发展则较为滞后，长久以来只有中国人民银行可以提供，而且内容也仅限于与金融机构有过负债业务的人。到 2013 年，我国才出台相关征信法律文件，征信业管理条例修改版正式生效。四、互联网企业运用大数据发展信用经济案例分析（一）蚂蚁金服实例1.蚂蚁金服简介蚂蚁金服集团以 2004 年成立的支付宝为基础，在 2013 年3 月，支付宝的母公司宣布，将以支付宝为主体，组建小微金融服务集团。小微金融成为蚂蚁金服的前身。2014 年 10 月，蚂蚁金服集团正式成立。其以“让信用等于财富”为企业愿景，致力于创造一个开放性的信用生态系统。通过“互联网推进器计划”，金融机构很快与“互联网+”这种新形式相融合，从而Sweeping over the Management|管理纵横MODERN BUSINESS现代商业138拓展自己的业务为小微企业和个人消费者提供更加个性化的金融服务。蚂蚁金服依靠移动互联、大数据和云计算为中国信用经济的发展践行了重要实践。蚂蚁金融集团旗下拥有支付宝、余额宝、蚂蚁聚宝、招财宝、网商银行、芝麻信用、蚂蚁花呗等子业务部门。2.蚂蚁金服旗下支付宝产品运用实例蚂蚁金服旗下的支付宝是以使用者真实姓名和信任为基础，为广大用户提供个性化金融服务的生活平台。自 2004 年成立以来，到 2015 年底，支付宝已与 200 多家金融机构合作，为将近1000 万家小微商户提供了支付服务，服务范围不断扩大。多年来，支付宝受到更多用户的喜爱，截至 2018 年底，支付宝实际用户超过 8 亿，在 370 个城市提供 4000 多项综合服务。同时，支付宝还致力于技术发展和创新。根据 2018 年“双 11”数据，在 2 分 5 秒内，支付宝处理了超过 100 亿元的订单数据。2018年“双 11”当天的全国线上零售交易额度突破 3000 亿元，再一次打破纪录，在如此巨大的订单处理量下，支付宝的支付风险概率不到十万分之一，在其中，大数据分析技术发挥了重要作用。蚂蚁金服在支付宝积淀的业务能力和技术能力下，为拓展其他业务提供了良好的支撑。蚂蚁金服下的蚂蚁花呗业务支付的成功率达到 99.99%。在财务管理方面，截至 2018 年底，蚂蚁金服集团旗下的余额宝业务用户已超过 6 亿，为用户带来近500 亿元收入，同时，蚂蚁金服与保险公司合作开发的退货运费保险机制，累计用户突破 8 亿，从 2010 年到 2018 年底，蚂蚁金服集团向530万多家微型运营商提供了6000多亿元的贷款。在数据防诈骗方面，当用户将钱转移给对方时，支付宝将利用数据分析技术分析对方的账户，一旦发现帐户异常，支付宝页面将显示“提醒”，并同时停止转账功能，需要更详细的信息确认才能继续转账。一旦发现欺诈账户，为了保护用户资金的安全，具有异常的账户可能会被冻结。支付宝使用大数据技术转移资金，从而控制风险。对于保障用户资金安全起到了很大的作用。3.蚂蚁金服旗下芝麻信用产品运用实例在个人信用方面，截至 2018 年底，芝麻信用为广大用户提供了 6 亿多项信用查询、应用等多项个性化服务，同时与最高人民法院进行合作，共惩处了二十多万失信用户。芝麻信用的定位：从用户出发，依托创新技术解决用户与企业之间的信任问题，创造互信互惠的商业环境，为用户提供诸如信用签证、无押金租赁、快速理赔、普惠贷款等多种信用服务，让生态合作伙伴享受信用带来的“效率提升、市场拓展”的红利。芝麻分根据以下五个维度综合评估得出：履约能力、人脉关系、身份特征、信用历史、用户习惯。4.蚂蚁金服案例总结分析蚂蚁金服很好的利用大数据分析，建立了自己的信用体系，并且积累了大量用户，促进了信用经济的发展同时还为其他互联网企业发展信用经济提供了实践经验。蚂蚁金服依赖大数据、云计算、区块链等创新技术，使消费者消除对企业信用的担忧，同时还为消费者提供公平的信用服务，让消费者感受到良好信用的重要性。同时，广大商家在芝麻信用的帮助下提高了运营效率，排除了高风险消费者，扩大了销售，使得信用红利进一步得到发展。在信用经济发展领域，蚂蚁金服只进行了初步的探索。未来的应用并不会局限于此，而会越来越广泛，种类越来越多。但是，蚂蚁金服在信用经济发展领域奠定的实践基础具有重要意义，可以为其他互联网企业的发展提供借鉴意义。五、大数据背景下互联网企业发展信用经济对策建议（一）建立规范化的用户数据库首先，只有将收集到的用户数据规范储存，才能够去对数据进行分析处理，很多互联网企业在日常业务中都收集到了大量数据，但是很多数据都没有被完整的保存下来，甚至有些企业因为没有规范的数据库而将宝贵的数据直接清除，还有很多企业都没有意识到数据的重要性，大部分数据都只是被一次利用，却没有想到数据还可以被二次甚至多次利用。所以，建立规范化的用户数据库，对企业在日常业务中搜集到的用户数据进行规范储存，以方便提取数据价值，进行数据多次利用。根据大量的用户数据，可以构成用户画像，从而可以评估用户的整体信用水平，对用户的相关信用活动进行划分，还可以制定个性的信用服务，可见，建立规范化的用户数据库非常重要。但是规范化并不代表数据一定要够精确，大数据的核心是预测，通常用概率说话，如果处理大量数据还追求精准性，耗费将巨大，就如 ZestFinance 公司帮助决策者判断是否应该向某些拥有不良信用记录的人提供小额贷款。传统信用评分机制关注少量突出事件，ZestFinance 分析了大量不那么突出的事件，“拥抱”了混杂的数据，让贷款拖欠率比行业平均水平低 1/3 左右。（二）建立特有的数据挖掘模型互联网企业收集到的数据，大多是不完全的、模糊的、随机的半结构化和非结构化数据，要从中提炼出有价值的信息，就需要有数据挖掘模型的支撑。首先，需要有数据挖掘专业人Sweeping over the Management管理纵横|MODERN BUSINESS现代商业139员，会熟练操作 IBM SPSS Modeler、Python、Rapid Miner 等数据挖掘工具，通过工具，进行分类分析、聚类分析、回归分析、特征分析、时间序列等任务，挖掘数据之间隐藏的有效信息，识别数据的关键特征；其次，要重视数据的相关关系，很多时候，互联网企业将收集到的数据进行分析后，会得出两个看似毫无相关，但却在分析结果上呈现相关关系的数据，这时就要十分重视，在很多时候，我们其实只要知道“是什么”而不用知道“为什么”，特别是发展信用经济时，搜集到的用户相关关系数据非常多，而利用这些相关关系提高企业的利润非常有效果。例如互联网企业发展互联网金融业务，就可以通过用户评论信息挖掘产品优劣特征，找出控制产品整体销量的关键特征，从而进行优化改革。每个企业都有自己特殊的业务，因此也需要根据自身业务建立不同的数据挖掘模型，没有一套模型是可以通用的，只有适合自己的才是最好的。（三）建立规范化的风险防控机制发展信用经济存在着非常大的风险，拥有一套良好的风险防控机制就非常重要，正如蚂蚁金服旗下的芝麻信用服务，通过五个数据维度，对用户的信用水平进行全面分析，从而与旗下的蚂蚁花呗、余额宝等金融活动进行对接，最大程度上降低了风险。建立规范化的风险防控机制，首先，要结合互联网企业的自身情况，因为每个互联网企业搜集到的用户特征数据都是不同的，在进行挖掘分析后的相关分析也是不同的，所以要找出符合自身互联网企业的关键特征数据，对这些关键特征数据进行把控，从而控制信用风险；其次，要注意数据的隐私性，不能滥用大数据分析技术，如果在隐私和预测方面对大数据管理不当，或者出现数据分析错误，将导致许多的不良后果，这将反而增加发展信用经济的风险。（四）确定互联网企业自身定位在互联网时代，运用大数据的互联网企业大致可以分为三类，第一类是基于数据本身的企业，该企业拥有大量的数据，但不一定有从数据中提取价值或者创造新思维的技能，掌握大量数据的企业如果不知道该如何使用数据，则可以把数据授权给有能力进行数据挖掘的企业，这类企业可以统称为数据中间商。第二类是基于技术的企业，该企业拥有大数据分析的专业技术，但是却不一定拥有海量数据和能够提出创新性想法的思维。而这类企业则可以为其他互联网企业提供数据分析服务，将分析结果转卖给其他互联网企业，从而赚取服务费用。第三类是基于思维的企业，该企业拥有大数据思维，具有数据挖掘新价值的独特想法，这类企业往往发展迅速，并且很快能找到属于自己的市场，但是依旧面临因为服务外包而带来的高成本问题。大数据让处于行业两端的企业获益最多，而中间的企业要么向两端转化，要么面临破产。因此，各大互联网企业要根据自身情况设立企业定位，并进行适当发展和调整。六、结论与展望互联网在经历了流量、移动化、大众化等诸多红利后，我们可以相信信用将成为未来十年的最大红利。信用经济在我们日常生活中为消费者带来的体验，不仅在传统租车、租房、酒店入住等领域，同时还促进了数码设备、乐器、办公设备等万物可租赁时代的到来。信用是共享租赁进入新风口的催化剂，而信用经济的发展也存在着诸多风险，而大数据分析技术的发展正是降低信用经济发展的最佳工具。像蚂蚁金服这样的互联网企业运用大数据发展信用经济的案例具有非常强的实践意义，广大互联网企业可以从中吸取经验。参考文献：1 呼延如生.大数据思维撬动信用经济J.杭州（周刊），2017（17）：24-25.2 西尔弗.信号与噪声：大数据时代预测的科学与艺术M.张新，朱辰译.北京：中信出版社，2013.3 王海忠，品牌管理M.北京：清华大学出版社，2014.4 陈世清.什么是智慧经济J.商业文化，2016（29）：14-16.5 呼延如生.大数据思维撬动信用经济J.杭州（周刊），2017（17）：24-25.6 May-Schonberger V，Cukier K.Big data：A revelution that will transform how we live，work，and thinkM.Houghton Mifflin Harcourt，2013.7 孙佳颖，张妙妙，万思源.我国信用经济发展的SWOT分析以支付宝平台蚂蚁花呗为例J.中国商论，2017（8）：148-149.8 胡新平.共享经济繁荣呼唤信用体系建设J.法制博览，2018（18）：191.作者简介：陈日成，湖北商贸学院专任教师，硕士，研究方向：数据金融。