(三)强化数据质量,提高评估模型的有效性。由于大数据的维度广,数据错误和数据丢失等现象会更加突出,这就需要通过数据清洗和交叉验证等技术,识别用户身份,寻找丢失的数据,解决互联网上获取的线上信息不完整的问题,确保数据的真实性、完整性和有效性。同时,应不断完善和更新信用评估模型,挖掘海量数据与信用风险的相关性,通过客户属性、交易记录、评价信息以及商品信息,合理预测用户的违约率和逾期率,提高评估模型的准确性和有效性。最后,扩大评估模型的适用范围,避免对网上不够活跃用户信用评价不公平的问题。
(四)适应征信新常态,健全大数据征信监管体系。征信监管要适应征信业发展步入的新常态:互联网、大数据技术正引领征信领域变革,征信市场竞争互补的发展格局逐步形成,数据应用实践对权益保护提出了更高的要求。因此,应根据大数据征信的新特征和新模式,探索大数据征信的监管举措:一是机构监管与行为监管相结合。对于掌握大数据的企业,不仅监管征信业务和征信主体,还监管其数据使用行为,重点监督信息采集范围、业务流程、评价方法等。二是分类监管与动态监管相结合。针对不同类型和业务规模的征信机构,实施市场准入、非现场监管、现场检查相互依存的监管流程;同时对以大数据、云计算为特点的大数据征信业务,实行动态监管,建立事前、事中、事后全面监督体系。
(五)完善相关法律法规体系,保障大数据征信健康有序发展。大数据的收集可能会涉及国家利益、商业秘密、个人隐私等,要从强化数据立法、加强自主自控、注重显、隐价值保护三个方面筑牢我国大数据管理的安全防线,平衡公民隐私保护与个人信息数据的合法利用;同时,加强对征信活动的监管,加大对失信的惩戒力度。一是征信机构在信息的收集、存储、管理及使用等环节都必须有严格完善的制度规范,并严格遵照实施。同时要明确个人在其信息开放利用中的主导地位。建立健全政府大数据采集制度,依法记录和采集相关信息,征信机构不得违法提供或者出售信息。二是建立符合大数据特征的信息安全保护机制。在具体制度设计上,要规定信息主体、征信机构、信息提供及使用者之间的责、权、利,明确隐私信息的范围,确保信息主体的信息依法使用。三是在培育第三方征信机构时,应明确信息采集内容、方式、流程、应用等,加强产品质量管理、产品异议管理和创新信用信息产品,依法向客户提供便捷、高效、丰富的专业化的征信服务。