河南誉泰认证服务有限公司为您介绍网上可查信用评估报告流程相关信息,征信机构应根据市场需求，对外提供化的征信服务，有序推进信用服务产品创新，依法推进与政府部门之间的信用信息交换与共享，提供符合社会各种需求的信用记录和信用报告。征信业管理部门应切实加强对征信机构的监管，加大对征信机构的培育力度，促进征信机构规范发展，加快建立健全征信机构及其从业人员信用记录，突出强调征信机构的自身信用建设，确保征信机构出具的相关市场主体信用记录和信用报告真实、可信。有很多老企业由于前置许可审批证件变更、国有集体企业改制、涉及民事诉讼等多种原因，不能通过年检，但还在继续经营。企业年检制度改为年报制度后，企业只需在信用信息公示系统如实填写相关资料并公示就可以正常年报，使企业重新获得了合法经营资格。据统计，商丘市有69户未能通过年度年检的企业公示了年度年报。

ZestFinance目前也正在向信用风险管理的其他领域纵深扩展，年2月ZestFinance宣布推出基于大数据分析的收债评分（Collection Score），旨在为汽车金融、学生贷款、医疗贷款提供一种新的评分系统。ZestFinance的未来发展方向是希望把其在这种发款日的贷款上的优势继续拓展到其他贷款领域，包括信用卡、汽车的贷款，甚至包括房屋的贷款，在未来的10～15年，这一方法将取代现行指标，成为申请信贷的评估标准。传统的FICO评分模型的基本思想是比较借款人信用历史资料与数据库中的全体借款人的信用习惯，检查借款人的发展趋势跟经常违约、随意透支，甚至申请破产等各种陷入财务困境的借款人的发展趋势是否相似。如图2所示，它主要从五个方面考察用户的信贷资质。但随着信贷业务的进一步开展，FICO信用评分由于单一的标准、严苛的门槛和片面的评估结果而饱受诟病。

虽然FICO评分仍然体现风险排序，但其预测风险的能力和在年金融危机中的表现饱受指责，FICO分数从年到年在美国人口中的分布基本上没有大的变化，这和年金融危机爆发之后出现大量坏账的现实严重不符。由于传统的基于FICO评分的信用评估模型覆盖人群窄、信息维度单一、时间上滞后，所以，在大数据时代，需要探索信用评估的新思路。国外三大征信机构和FICO公司都已经开始了如何利用大数据技术来完善传统信用评估体系的前瞻性研究，如益百利（Experian）投入研究团队关注社交网络数据对信用评分的影响，FICO公司多年前就开始了在线评估的信息工具和基于互联网的信用评估系统的项目研究。ZestFinance的基本理念是认为数据都是和信用有关，在能够获取的数据中尽可能地挖掘信用信息。ZestFinance对大数据技术的应用主要从大数据采集和大数据分析两个层面为缺乏信用记录的人挖掘出信用。

ZestFinance的大数据分析模型也给信用风险管理带来复杂性的挑战。传统的基于FICO的信用评估方法，处理的变量比较少，对每一个变量进行细致地处理，并且可以给出合适的解释，模型的透明性可以方便地在银行的不同部门之间进行沟通，而且便于个人消费者对分数的理解。ZestFinance的基于大数据的数以千计的变量规模和多模型使得数据的处理和模型的解释变得比较复杂，在实际应用中会带来许多麻烦。大数据的应用要注意个人的隐私保护。ZestFinance在利用个人消费者的大数据进行信用评估时，很多数据会涉及个人隐私，如对于个人社交网络的数据（微信朋友圈）和电商交易的数据、通话记录、微的数据等应用，美国对个人隐私的保护是有明确的边界的。而国内关于个人隐私方面的保护目前处于空白，已经出现国内一些互联网金融公司为了进行信用评估，忽视个人消费者的知情权和隐私保护。因此在利用大数据进行信用评估的时候，要考虑使用个人隐私的合规性前提。