中诚信征信薛婧：从数据到决策，助力企业做好信用管理

万联导读：3月27日，由万联网主办，中企云链、深度数科、中诚信征信、高达软件、金网络、工品牛、合合信息、中晟供应链、中数智创、中仓登等合作伙以及中国人民大学中国供应链战略管理研究中心、中国（河北）自由贸易试验区正定片区、厦门市现代供应链联合会、前海产业智库等机构鼎力支持的“2025第十二届产业数字化与供应链金融创新论坛”在深圳隆重召开。

围绕“从数据到决策，助力企业做好信用管理”主题，中诚信征信战略咨询总监薛婧带来了独到分享。她介绍，中诚信集团始是国内资质最完备、规模最大及全球第四大信用产业机构，能提供涵盖万象数云、万象风控云等丰富产品的企业动态风险管理一体化解决方案。薛婧认为，模型是实现从数据到决策的关键抓手，从数据到洞察、再到决策是层层递进的。准入模型、信用模型、额度模型、动态监控评价等不同种类的模型，能在业务流程中发挥不同作用。

从评价信用等级释义等维度出发，薛婧针对可输出“有效且兼顾可解释性的白盒模型”的多层级的信用评价模型进行了详细介绍。同时，基于“国内大宗贸易头部企业定制化模型与系统项”、“某智能控制上市企业信控体系建设项目”等实践案例，薛婧对模型如何推动决策进行了深入浅出的详实介绍。

（△中诚信征信战略咨询总监薛婧）

以下内容根据现场速记整理，内有删减，供业内人士参考。

从数据到决策，助力企业做好信用管理

薛婧：谢谢万联网的邀请。今天论题的主题是AI和数据，我分享的主要是如何从数据到决策，助力企业做好信用管理。

我介绍一下中诚信的背景，中诚信集团成立于1992年，发展到现在已经有三十多年的历史，这个集团除了征信以外，被大家熟悉的是评级业务，中诚信评级在国内市场整体占比是市场的第一位。还有绿色金融、认证，比如说ISO认证等等，中诚信集团现在是国内第一大信用产业集团，我分享的主题主要聚焦征信业务，如何把企业侧的数据形成支持性的决策。

一、如何助力企业做好信用管理

人行在2015年开始颁发企业征信牌照，中诚信征信拿到的是001号牌照，也就是第一张牌照。发展到现在，征信业务已经有快20年时间，另外我们在全国各地主要城市都有布局，未来我们在进行合作的时候，可以提供更多本地化、特色化的支持服务。

我们之前合作过的企业业务场景非常丰富，有金融机构，比如说中信保，还有其他的金融机构，以及华为、厦门国贸等大型企业，我们都有服务，已经服务了差不多3000多家企业。

在征信侧，我们在业务场景的服务上，聚焦的是不仅是金融侧业务，更多的是帮助供应链上下游，帮助您管理上下游的风险；在场景侧，我们有客商的信用管理、供应商的风险管理、合规管理、特定的行业方案，比如说最近很多车企出海，我们也会有相应的定制化方案。

从具体的交付方式来说，在我们的应用层支持多种交付，可以是线上化最简单的方式给到你账号密码，你一键就可以登录。底层依赖的是我们的核心技术，首先是数据，我们也有一些模型，这是今天介绍的重点，最后是底层有大数据中台和智能产线平台，特别是大模型如何在企业端进行应用。

首先在数据侧，我们是一个持牌机构，是一个企业征信公司，我们合理收集、整理、加工形成数据产品，并对外进行输出。目前为止，我们有9200万国内企业法人信息；对于国际来说，我们有3亿左右的海外相应信息，无论您是布局国内还是未来有出海计划，在这块我们都可以合作。

我们还有其它的合规和相应服务保障。一提到企业征信服务，大家最常接触的市场产品是报告，我在判断要不要和供应商合作的时候，我调一份它的报告，看一下它的风险情况，所以对于我们来说，报告服务是一个基础的标品服务，根据大家不同的使用场景和报告内容深度分为三种。在信用调查报告中，我们会增加对于企业财务数据的分析，同时我们会有人工尽调的信息，这是一个比较标准化的产品。

我们有多种部署方式，这是我们的“万象风控云”，您申请试用就可以，在上面可以看到中间有六个维度，帮你分析企业有哪些风险，每个模块展开之后都有更多细节的内容，非常方便让大家看到现在企业面临哪些风险，进而采取进一步的策略。

我们也有本地化的服务，如果企业面临了很多风险，我们希望通过一套更先进的框架，通过咨询诊断望闻问切，您的企业面临哪些问题，我们建议哪些方式以及什么样的时间节奏进行一步一步处理，接着提供更多自动化工具，无论是模型还是大模型，还是智能化的工具来提升整体效率。最后是成熟本地化的风险管理系统给到大家，这是端到端一站式信控体系的服务。

如何进行数据决策？非常重要的抓手是模型。企业内部每天会积累大量的数据，无论是财务数据还是前端各个业务板块获取到的信息数据，信息量是爆炸的。如何让这些信息真正帮助您决策，这个事情是有一个过程的，数据只是基础，我们需要在这个基础上进行数据加工和整理，要形成进一步的洞察。有了洞察后，才会进一步通过模型的方式给到您更合理的决策建议，所以它有层层递进的关系。

以客户侧为例，我们在做客户管理的时候，在这个链条当中如何通过模型帮助您快速决策？大家可以看到，在客户侧管理中，按业务逻辑是事前、事中、事后三个维度。

事前是判断这个客户能不能和他产生合作，我们有准入模型快速帮你剔除掉所有的坏客户，这是第一步；第二步是确定合作模式，是现货交易还是需要提前预付款，还是可以先做赊销。不同的方式下，企业面临的风险是不一样的，在经济压力很大的情况下，去年和前年，我们做过企业的付款调查，我们发现越来越多的企业需要采用赊销，就是信用交易的方式，才能够承担。如果这个企业需要跟它进行赊销的时候，你可以给到什么样的额度，这是我们在争取订单包括签订合同时需要用到的信用模型和额度建议，这个可以快速帮助大家形成策略。一旦发货以后，我还要监控是不是可以按时结款。在监控的过程当中，如何动态帮助企业做监控？一旦发现风险，企业可以及时采取策略，这个事情非常关键。

当我谈到模型的时候，很多企业觉得已经有模型了，并不需要你的模型。但现在企业在进行模型构建时一般是什么思路？我们和非常多的客户沟通过，客户的理解是评分卡。当我们说一个企业构建一个模型的时候，内部建立的是一个评分卡。评分卡的起点是专家经验，通过专家个人对风险的判断，比如说通过财务的指标，或者这个企业现在的维度，判断这个企业的风险。

建立一个评分卡之后马上就会遇到几个问题：第一个问题是，有一些关键数据获取不到，比如说我们在判断一个企业风险时，肯定会非常关注企业的财务指标，但是你拿不到企业的现金流量表，你有企业的资产负债表和利润表，但是很难拿到现金流量表。

之前很多企业问我们，能不能拿到一个企业在金融体系内的授信和用信规模，但是这个信息没有公开渠道可以获取得到。如果企业按照专家经验，把这样一些很重要、但是无法获取的维度放到评分卡后，马上就会造成第二个问题，就是结果是右偏的。我们给到一个评分卡后，要把客户进行分层，每个等级希望形成一个正向分布，当更多分数打0之后，越来越多的客户只能得非常低的分，所以整个结果你会发现，基本上是右偏的，没有办法服务业务。在你的模型判断下，这个客户风险很高，比如说已经打D，但是你还要和它正常开展业务。所以在专家评分卡的方式下，越来越多的企业发现是有困难的。

那么，我们怎么构建模型的？和专家打分卡的起点不一样，我们先看有什么素材，能用到什么数据，比如说我要做一盘西红柿炒鸡蛋，只有大米肯定做不了这个菜，先看手上有什么资源，有了资源以后，再通过机器学习模型来不断提升模型的效果。所以这是我们在第二层级做的事情，但是模型最终产出的结果需要给所有业务人员使用的，业务人员面对的问题是，为什么这个企业分数很低，为什么那个企业可以过，我们需要给到大家更合理、可解释的口径。所以在底层我们用机器学习模型的基础上，在上层用可解释性非常强的白盒模型给到你，通过多个维度来判断一个企业的风险。无论是对您自己还是对于其它部门发起挑战的时候，都是非常容易解答的，这是我们在构建模型时的核心思路，具体的细节不展开。

此外，我们在进行判断的时候符合大家常理认知，比如说通过它的运营实力、所处的宏观环境、财务表现等等几个大维度进行分析，同时你会发现有一个东西叫调减项——有一些小概率发生的事件、但是一旦发生会对企业产生重要影响，这样的事情把它放到调减项。比如说这个企业变成失信被执行人，这个事情对企业来说会有非常重要的影响。

另外一种是调增项，比如这个公司刚完成C轮融资，钱已经到账了，这是非常好的调增项，我们设计了调减和调增项。例如像这个企业只得了35分，我们看了非常多这个企业的财务指标，它所有的财务指标都处于整个行业的最差水平，所以它只得了35分。当我们进行整体分析的时候，我们最终呈现的形势非常简单，这是在第一个层级给到你使用的时候，是可解释性非常强的白盒模型，一目了然。

专家打分卡对打分评级有定义，那么我们的定义区别是什么？有一列是违约概率，和你买保险出险是一样的，这个指标非常关键，当我给一个企业打A或者D的时候，对应的它的违约概率一定是不一样的，打D的时候，这个企业的违约概率是最高的，打A的时候，它的违约概率一定是最低的，我们现在给到大家更客观的手段，快速形成统一化的决策。

二、企业案例验证产品和服务

最后是企业案例分享。首先是我们和国内一家大型贸易企业合作，它遇到的问题是，贸易行业非常多、非常分散，每个贸易客户群都是不一样的，这个风险管理就有难度，它如何来做？我们帮它在一期的时候做了整体数据的归集，把该标准化的东西标准化，同时形成两个特定行业的模型，一个是钢铁行业，一个是其它通用类的。这样可以在大面积使用场景下快速帮助企业辅助决策，而且我们整个模型的构建是按照客观第三方的标准来做，并帮它搭建了一个本地化的部署平台，它可以在上面直观看到相应的信息，也可以自己来调节参数。

第二个客户是深圳智能领域上市的一个企业，在它的垂直领域已经做到行业的TOP1，但是它依然面对风险，有一些应收账款已经直接形成坏账。在这样的内部基因促使下，它反观自己原来的风险体系搭建是不太完善的，所以它希望我们用更科学的方式帮助企业从体系上搭建起来，形成科学化的操作。我们做了八个模型，因为它的行业和客户群体非常复杂，也做了一个本地化的信用系统。

这是一个新能源的发电企业，行业很分散，但是面临的问题很相似，都是对于上下游管理时面对的风险，这个新能源的发电企业原来只是参考通用性的报告直接获取信息，看这个企业本身的风险，但是它发现对自己的场景不适用。所以它需要做针对自己的业务做定制化的模型开发，我们做了四个模型，分别在不同行业来应用，因为它是新能源（行业），做光伏的，项目周期长达25年甚至30年以上，对于这样项目类的模型，我们也有自己独特的方法。

最后一个案例是央企信保公司，我们是中信保资讯服务商排名第一。To B的客户有非常多定制化的需求，对于中信保级别的客户，我们有20人的专属团队来保证后续服务，同时做了100多条定制化规则的开发，所有的这些最终换来客户97%的满意度。

我今天的分享到此结束，感谢大家。

注：以上内容根据万联网主办的“2025第十二届产业数字化与供应链金融创新论坛”嘉宾现场速记整理而来，未经嘉宾审阅，仅供行业人士参阅。

来源：万联网