中國信通院&極光：企業信用大數據行業發展研究報告（2022）（36頁）.pdf

《中國信通院&amp極光：企業信用大數據行業發展研究報告（2022）（36頁）.pdf》由會員分享，可在線閱讀，更多相關《中國信通院&amp極光：企業信用大數據行業發展研究報告（2022）（36頁）.pdf（36頁珍藏版）》請在三個皮匠報告上搜索。

1、企業信用大數據行業發展企業信用大數據行業發展研究報告研究報告首都科技發展戰略研究院中國信息通信研究院云計算與大數據研究所深圳市和訊華谷信息技術有限公司2022 年 11 月前言市場經濟首先是信用經濟，健全的企業信用體系對促進國民經濟循環高效暢通、構建新發展格局具有重要意義。建設完善的企業信用體系，有利于優化資源高效配置、保障供需有效銜接、營造良好營商環境。社會信用體系建設規劃綱要（20142020 年）、關于推進社會信用體系建設高質量發展促進形成新發展格局的意見等政策均明確指出社會信用體系建設的重要性。企業信用大數據作為一種技術手段，有利于幫助相關機構識別、評估企業信用風險。近年來，企業信用大

2、數據行業生態逐步豐富，應用場景不斷拓展，推動完善社會信用體系建設。一方面，國家在信息保護和數據安全領域的一系列政策法規形成日趨規范的企業信用大數據產業監管體系，為平臺業務有序發展提供明確指引。另一方面，新一代信息技術發展優化企業信用大數據類平臺業務流程。目前，企業信用大數據類平臺提供的服務覆蓋了千行百業、個人及公共部門，企業信用大數據行業經濟價值不斷凸顯。YU9UpWrXfWpXoN9P8QbRtRrRoMoMjMpOoPjMnPnQ6MoOyRxNrQrPxNnRnR目錄一、企業信用大數據概述.1（一）企業信用大數據相關概念.1（二）世界主要國家企業信用大數據行業發展模式.1（三）中國企業信

3、用大數據行業發展歷程.3二、企業信用大數據類平臺業務流程技術支撐.8（一）定制化采集系統提升數據采集效率.9（二）大數據處理系統升級優化數據處理流程.10（三）數據存儲方式變革釋放數據開發潛能.12（四）可視化技術賦能數據呈現方式多樣化.14（五）集群管理及數據安全技術保障系統安全.15三、企業信用大數據行業生態與發展現狀.17（一）監管政策規范行業發展，進入壁壘日趨提高.17（二）助力全覆蓋征信系統建設，應用場景縱深拓展.19（三）破局中小微融資難題，促進財政資源合理分配.21（四）平臺聚焦特色化發展，用戶粘性不斷攀升.22（五）信用建設穩步推進，行業投資價值更加彰顯.25四、企業信用大數據

4、行業發展趨勢展望.27（一）踐行總體安全觀，行業重點布局數據安全和信息保護.27（二）立足新發展階段，行業持續深度挖掘多元化應用場景.28（三）聚焦信用體系建設，行業賦能產業鏈供應鏈安全穩定.30圖 目 錄圖 1-1企業信用大數據行業發展指數.4圖 1-2中國企業信用大數據發展概況.5圖 1-3頭部企業信用大數據類平臺行業覆蓋率.6圖 1-42017-2021 年中國市場主體數量.7圖 2-1企業信用大數據類平臺技術支撐組成.8圖 2-2大數據技術體系及主要開源工具.10圖 2-3數據平臺技術演變.13圖 2-4企業數據安全技術體系圖.16圖 3-1企業信用大數據產業應用場景.21圖 3-2頭

5、部企業信用大數據類平臺用戶城市等級分布.23圖 3-3人均啟動次數月均值（次/日）.24圖 3-4人均使用時長月均值（分鐘/日）.25圖 3-5行業投資價值概覽.26圖 4-1數據安全關鍵技術.28企業信用大數據行業發展研究報告1一、企業信用大數據概述（一）企業信用大數據相關概念企業信用大數據是識別、評估信用風險，進行信用管理的技術手段，基于海量數據集合，利用大數據技術依法采集、處理、挖掘、呈現企業信用數據，提供多維度企業信用動態信息，具有較強的時效性。在全面推進社會信用體系建設的背景下，一批聚焦企業信用信息服務的企業信用大數據類平臺，對多維涉企數據進行結構化收集與加工，建立企業信用評估模型，

6、刻畫企業信用軌跡、描述企業信用狀況、評價企業信用程度?！笆奈濉睍r期是我國工業經濟向數字經濟邁進的關鍵時期，全社會對企業透明度的需求進一步提升。企業信用大數據類平臺作為央行官方征信渠道的重要補充，針對不同用戶的多元化應用場景，推出一系列定制化解決方案，助力用戶提高投融資決策、風險控制、企業洞察等方面能力，進一步完善社會信用體系建設。（二）世界主要國家企業信用大數據行業發展模式世界主要國家企業信用大數據行業呈現出三種不同的發展模式：1.自由競爭的美國模式美國征信業發展始于 1841 年，隨著大數據的廣泛應用衍生出企業信用大數據行業。在美國，征信機構以市場需求為導向提供信用信息產品及服務，各私營征

7、信機構在政府和美聯儲的監管下自由競爭，逐漸形成了專注企業征信服務的鄧白氏（Dun&Bradstreet）、標準普爾全球（S&P Global）和穆迪（Moodys）等巨頭。1963 年，企業信用大數據行業發展研究報告2鄧白氏創建全球通用鄧氏編碼系統，極大簡化了企業信息分類整理的流程，并在此基礎上建立了全球企業數據系統，囊括了上億家企業信息記錄，用戶可以通過企業編碼實時跟蹤企業經營活動、調取資信檔案。此后美國企業信用大數據行業經歷了大規模兼并重組，龍頭企業的擴張帶動平臺服務范圍延展。從產業鏈看，美國企業信用大數據產業鏈上游第三方數據處理企業通過采集商業銀行等授信機構的數據共享信息、征信公司的調查

8、數據以及公共部門公開數據，將數據進行配對處理、篩選轉化、加工清洗后提供給產業鏈中游企業信用大數據類平臺。產業鏈中游企業信用大數據類平臺通過信息整合，構建多維數據模型評估企業信用風險，在可視化的基礎上，為產業鏈下游各應用場景提供一系列增值服務，主要包括：評級評估業務、管理咨詢業務和技術咨詢業務。2.政府主導的法國模式法國的征信業以政府為主體，征信機構通過公共信用信息系統進行企業信用信息采集。1982 年法蘭西銀行創建法國企業信貸登記系統（FIBEN），要求商業銀行等金融機構定期報送企業用戶的信用信息，同時也會通過其他公開方式搜集企業信息。商業銀行等金融機構在獲得授權且承諾保密的前提下，可以借助該

9、系統查詢企業相關信息。3.行業自律的日本模式日本征信業采取以行業自律組織為主體的發展模式，征信機構主要有東京商工所（Tokyo Shoko Reaserch Ltd.）、信用風險數據庫協會（CRD）和帝國數據銀行（TDB）等，涉企信用信息主要從自律企業信用大數據行業發展研究報告3組織內部征集，實行征信信息共享管理機制。近年來，日本征信機構也在不斷推進大數據技術，以便快捷精準地分析評估企業資信情況。（三）中國企業信用大數據行業發展歷程1.企業信用大數據行業逐漸形成“政府+市場”雙驅動發展模式1997 年，中國人民銀行籌建銀行信貸登記咨詢系統，為商業銀行和其他金融機構提供查詢服務的數據庫，可全面反

10、映借款企業信用情況。2005 年，中國人民銀行開始了以一級數據庫為標志的“企業征信系統”的建設，與之前的系統相比，其收集信息的體量大幅增長，信息內涵更加豐富。2006 年，中國人民銀行設立的征信中心，負責企業信用信息系統建設、運營和維護，這標志著我國雙驅動發展模式的“政府”側基本健全。2013 年，國務院頒布征信業管理條例，我國企業征信業務監管開始實行備案制。2014 年，“大數據”首次被寫入政府工作報告，報告要求產業結構調整更加積極有為，設立新興產業創業創新平臺，在新一代移動通信、大數據等方面趕超先進，引領未來產業發展。國務院于同年印發 社會信用體系建設規劃綱要（20142020年）指出要“

11、依托法人單位信息資源庫，加快完善社會組織登記管理信息。健全社會組織信息公開制度，引導社會組織提升運作的公開性和透明性?！币幌盗邢嚓P政策的引導催生大量主打企業信用信息查詢服務的企業信用大數據類平臺，企查查、天眼查、啟信寶等多家平臺于 2014 年相繼成立。2015 年至今，企業信用大數據行業進入快企業信用大數據行業發展研究報告4速發展階段。2017 年，企業信用大數據行業經歷市場出清，一些頭部平臺憑借其產品服務升級優化以及業務領域拓展確立了領先優勢，根據企業信用大數據行業發展指數1，企查查、天眼查、啟信寶、愛企查、企查貓等平臺發展勢頭良好，全行業規模突破千億元，這標志著我國雙驅動發展模式的“市場

12、”側初步成形。來源:首都科技發展戰略研究院圖 1-1 企業信用大數據行業發展指數我國企業信用大數據行業“政府+市場”雙驅動的發展模式初具雛形?！罢眰鹊闹袊嗣胥y行征信中心負責信用信息基礎數據庫建設、運行和管理，向商業銀行及有關方面提供信用信息服務，助力建設與我國國情相匹配的現代征信體系；“市場”側的企業信用大數據行業推動企業信用信息服務發展，促進激活企業信用信息數據要素潛能。1企業信用大數據行業發展指數根據企業信用大數據類平臺的用戶規模、數據體量、產品體系、生態建設等維度的專家評估意見設計。企業信用大數據行業發展研究報告51997-2013 年2013-2015 年2015-至今1997

13、年開始籌建銀行信貸登記咨詢系統2006 年設立中國人民銀行征信中心中國人民銀行征信中心為主體2017 年，以企查查、啟信寶、天眼查為主的產業競爭格局基本形成企業信用大數據類平臺快速發展2013 年征信業管理條例頒布2014 年企查查、啟信寶、天眼查等成立企業信用大數據類平臺初步建立來源:根據公開資料整理圖 1-2 中國企業信用大數據發展概況2.企業信用大數據類平臺發展特點企業信用大數據類平臺主要發展特點為持牌經營、技術支撐、定制化服務三大方面。首先，企業信用信息是企業發展的核心商密，受法律保護，企業信用大數據類平臺以加工企業信用信息為主業，需要在政府監管下合規經營，官方備案、持牌經營是其第一個

14、特點。其次，企業信用大數據類平臺以大數據、云計算、人工智能等新一代信息技術為支撐，對企業信用信息進行深度挖掘，并在此過程中形成了具有平臺特色的核心競爭力。最后，企業信用大數據類平臺業務范圍可廣泛覆蓋企業、個人和公共部門，各平臺對不同用戶群提供定制化服務，企業信用大數據類平臺產品線的拓展，企業信用信息服務在各類場景中的覆蓋率迅速攀升。調研數據顯示，企查查在律法行業有較高用戶覆蓋率；天眼查在泛金融行業的用戶覆蓋率緊追企查查，在商務銷售行業優勢較為明顯；啟信寶在泛金融行業的用戶覆蓋率具有一定規模。企業信用大數據行業發展研究報告6注:律法、泛金融、商務銷售行業調研，樣本量 N=3000來源:首都科技發

15、展戰略研究院圖 1-3 頭部企業信用大數據類平臺行業覆蓋率我國企業信用大數據行業不斷發展壯大，在促進資本市場健康發展、幫助企業規范信用管理、提升各社會主體信用和法律意識等方面日益發揮突出作用?；A性的企業信用信息服務存在著廣闊的發展空間，國家市場監督管理總局數據顯示，2021 年我國市場主體數量達1.54 億戶，較 2020 年新設市場主體 2887.2 萬戶，然而新增主體的信用信息卻存在較大缺失，涉企相關信用信息資源匱乏與巨大的信息使用需求之間的錯配為企業信用大數據行業帶來巨大的發展機遇。企業信用大數據類平臺能夠為用戶提供企業信用信息查詢服務、盡調風控解決方案和數據庫對接等多種定制化服務，有

16、效提升用戶內部管理水平，優化商業決策。隨著市場需求日益多元化演進，企業信用大數據類平臺進一步擴展業務范圍和增加業務深度的空間廣闊。企業信用大數據行業發展研究報告7來源:國家市場監督管理總局圖 1-4 2017-2021 年中國市場主體數量3.企業信用大數據產業鏈概況企業信用產業鏈上游是數據來源方和技術提供商，平臺利用大數據技術，收集整合國家企業信用信息公示系統、中國裁判文書網、中國執行信息公開網、國家知識產權局、國家市場監督管理總局、國家知識產權局商標局、國家版權局、國家政務服務平臺、企業發布財務報告等涉企信用信息資源，通過結構化處理和云計算得到可供平臺進一步分析挖掘的結構化企業信息用信息資源

17、庫。企業信用大數據產業鏈下游服務對象可以分為企業、個人、公共部門，分別對應平臺的 B 端、C 端、G 端業務。企業信用大數據類平臺根據用戶需求，定制化地提供端到端的企業信用信息服務：對于企業用戶而言，平臺通過 API 接口等手段提供精準拓客、企業評級、盡單位：萬戶企業信用大數據行業發展研究報告8職調查、風險控制、司法調查、輿情監控、供應鏈管理等場景的解決方案，輔助企業用戶完善企業畫像、信息交叉核驗、尋找合作伙伴；對于個人用戶而言，平臺通過云平臺綜合多維度數據提供投融資、求職招聘、風險判定等場景的解決方案，為個人用戶透視企業股權架構，規避企業識別過程中的信用風險；對于公共部門用戶而言，平臺既是央

18、行官方征信渠道的重要補充，也是地方政府政策制定、社會信用體系建設、招商引資、篩選政策扶持對象、進行企業信用監管重要參考。二、企業信用大數據類平臺業務流程技術支撐企業信用大數據類平臺的關鍵技術支撐主要包括數據采集、數據處理、數據存儲、數據呈現、運維監控在內的 5 個部分。來源:根據公開資料整理圖 2-1 企業信用大數據類平臺技術支撐組成企業信用大數據類平臺利用相關技術開發實現支撐其業務的大數據系統，對涉企信用數據進行采集、處理、存儲，然后基于現有數據及業務邏輯實現智能報表、企業畫像、財務分析、信用評估、風險監控、資質認證等業務功能，并通過運維監控保障企業信用大數據產品和服務的持續穩定。企業信用大

19、數據行業發展研究報告9（一）定制化采集系統提升數據采集效率企業信用大數據類平臺除了會收集系統產生的日志以及業務數據庫產生的數據，還需要從眾多公開的數據源采集多維海量的涉企數據，數據采集源主要包括政府公開數據、企業官網數據、第三方機構數據和線下紙媒數據。企業信用大數據類平臺往往會根據采集任務及業務需求搭建定制化的數據采集系統實現高效持續的數據采集，使用數據收集引擎實現對各來源數據的標準化輸出，再根據需要將數據暫存到數據庫中或直接交由大數據處理系統執行數據處理。數據采集系統主要負責自動化的采集海量數據，同時保證采集工作的高效性、及時性及穩定性。數據采集系統技術實現常用的編程語言有 Python、J

20、ava、Go 等，其中主流解決方案是基于 Python 的Scrapy 框架，針對不同的數據來源及數據類型使用批量采集或實時采集的形式，使用多線程或協程技術并引入分布式架構保證采集工作的高效率，開發模塊化的中間件應對采集過程中可能遇到的各種情況，同時開發采集系統的監控與運維平臺并基于對采集系統的日志分析實現采集系統的持續監控運維。數據收集引擎主要負責動態地收集各種來源的數據，并在對數據進行解析、轉換后輸出數據，常用的數據收集引擎如 Logstash、Flume 等。在通過數據收集引擎完成數據的標準化輸出后，企業信用大數據類平臺一般會根據數據的來源以及用途，以離線同步或實時同步的形式將數據暫存到

21、存儲系統中，或者直接通過網絡通訊將數據交由大數據處理系統進行數據處理操作。企業信用大數據行業發展研究報告10（二）大數據處理系統升級優化數據處理流程數據處理負責從采集到的數據中挖掘出關鍵信息，并在進行數據清洗后將數據存儲到存儲系統當中。當前大數據處理系統主要呈現云原生、低代碼化的趨勢。企業信用大數據類平臺利用云原生思想，基于眾多的大數據技術組件，結合批處理和流處理的分布式計算框架，實現了大數據處理系統整體架構。根據業務需求設計實現 AI 算法并將其部署在分布式計算框架上運行，提取采集到的關鍵信息，支撐后續業務。通過對統計、機器學習、流程處理等能力的模塊化封裝實現大數據處理系統的功能模塊化?；?/p>

22、低代碼思想搭建數據開發平臺，降低數據開發門檻，提高大數據處理系統能力復用性的同時更好地為業務賦能。來源:根據公開資料整理圖 2-2 大數據技術體系及主要開源工具企業信用大數據行業發展研究報告11傳統的大數據處理系統往往需要借助復雜的分布式計算框架，使用繁雜的大數據技術組件以云上部署的方式搭建大數據處理系統，存在成本偏高和效率偏低的問題。企業信用大數據類平臺基于云原生思維，使用 Docker+Kubernetes 以開源堆棧的形式進行容器化部署，基于微服務架構設計大數據處理系統架構，以提高靈活性和可維護性，借助敏捷方法、DevOps 思維實現系統的可持續迭代和運維自動化，利用云平臺設施實現彈性伸

23、縮、動態調度、優化資源利用率。在此基礎上，企業信用大數據類平臺將批處理或流處理的分布式計算框架以及關鍵的大數據技術組件部署在云端上，完成大數據處理系統整體架構的搭建。然后，企業信用大數據類平臺基于業務需求設計實現相應的 AI 算法，并將其部署在分布式計算框架上運行。大數據處理系統往往需要提供諸如機器學習、流程處理、數據格式轉換、文本情感分析等能力輔助數據處理，企業信用大數據類平臺結合 Serverless 的理念與云原生技術，將功能的實現代碼封裝成函數接口，大數據處理系統按需調用接口，這種功能模塊化的系統設計方法極大地提升開發效率，降低了開發成本，同時為系統后期的使用及繼續開發提供了便利。大數

24、據處理系統需要對后期的數據開發工作提供全方位的支持，從而實現數據價值的深度挖掘，而傳統的數據開發工作大多通過直接調用種類繁多的大數據開源技術組件來進行，難以實現對業務需求的快速響應，因此數據開發的門檻亟需降低以加速數據與業務的融合。企業信用大數據類平臺基于低代碼的理念搭建數據開發平臺，通過抽企業信用大數據行業發展研究報告12象大數據開發過程中常用的技術和流程，屏蔽數據開發任務的技術細節以及提供統一的集成開發界面降低開發門檻。與此同時，開發平臺統一對各數據開發項目進行管理和資源整合，不僅可以提升數據開發流程的透明度和規范性，而且可以增強各組件在項目間的可復用性，大大降低數據的開發成本。（三）數據

25、存儲方式變革釋放數據開發潛能在完成數據處理流程后，企業信用大數據類平臺需要根據數據類型和自身業務需求，選擇合適的數據存儲方式，將數據存儲起來支撐后續業務實現。提供數據存儲功能的軟件系統起源于20世紀60年代的數據庫，70 年代出現的關系型數據庫是沿用至今的數據存儲計算系統，80 年代末提出的專門面向數據分析決策的數據倉庫理論則成為此后很長一段時間中發掘數據價值的主要工具和手段。2000 年前后隨著互聯網的高速發展，數據量急劇增大，數據類型愈發復雜，數據處理需求不斷提高，由此面向非結構化數據的 NoSQL 數據庫系統，分布式存儲計算架構成為主流，MPP 架構也在此時開始流行。而隨著 2010年前

26、后移動互聯網推動大數據的進一步發展，對實時交互性的需求使得以 Storm、Flink 為代表的流處理框架應運而生，對龐雜的不同類型的數據進行統一存儲使用的需求催生了數據湖的概念。隨著云計算的深入應用，有著資源集約化和應用靈活性優勢的云原生概念逐步產生，作為對大數據技術極度敏感的行業之一，企業信用大數據類平臺企業信用大數據行業發展研究報告13的數據存儲方案也開始向著云原生的方向不斷發展，使用數據湖與數據倉庫一體化的云原生湖倉用于數據存儲。來源:根據公開資料整理圖 2-3 數據平臺技術演變數據湖以集中方式存儲各種類型的數據，提供彈性的容量和吞吐能力，能夠覆蓋廣泛的數據源，計算與存儲分離，支持多種計

27、算與處理分析引擎直接對數據進行訪問，但數據湖往往不支持事務處理，數據體系松散，性能優化度一般，不能保證數據質量。數據倉庫則更適合結構化數據，計算與存儲綁定，數據體系治理較為明晰，但數據倉庫往往只向特定的計算與處理分析引擎開放訪問，不適合非結構化數據存儲?；谠圃枷?，云原生湖倉將各種類型的數據統一起來，構建在數據湖低成本的數據存儲架構上，同時集成數據倉庫的數據處理和管理能力，支持多數據類型、計算存儲分離、多類型工作負載，提供豐富的 API 支持。企業信用大數據行業發展研究報告14（四）可視化技術賦能數據呈現方式多樣化可視化技術將碎片化的數據轉換為具有特定結構的知識，對海量數據進行歸納總結，企

28、業信用大數據類平臺使用可視化技術為數據呈現賦能，將數據以更專業更全面的形式呈現給用戶，為用戶決策提供支持。企業信用大數據類平臺一般通過網頁、APP 等途徑為平臺用戶提供數據服務，通過數據查詢分析工具為平臺業務提供支持，可視化技術的發展帶來了更多的數據呈現形式，為用戶決策支持注入了更多助力。傳統的可視化技術主要將數據以簡單圖表的形式呈現給用戶，但近年來數據量的爆炸式增長和大數據技術的不斷發展對可視化技術提出了新的挑戰，各種可視化技術和大數據可視化平臺不斷涌現，助力數據呈現蓬勃發展。專注于圖結構數據的圖分析技術為數據可視化呈現注入活力。圖分析技術是專門針對圖結構數據進行關聯關系挖掘分析的一類技術，

29、涉及到對圖模型數據進行存儲和查詢的圖數據庫、對圖模型數據應用圖分析算法的圖計算引擎、對圖模型數據進行抽象以研究展示實體間關系的知識圖譜等技術，通過在大數據系統中組合使用圖計算引擎、圖數據庫和知識圖譜，企業信用大數據類平臺對實體間存在的未知關系進行探索和發掘，充分獲取其中蘊含的圖結構關聯并可視化地呈現給用戶。大數據可視化工具為數據可視化呈現提供技術支持。大數據可視化工具提供了包括常規圖表、文本可視化、網絡圖可視化、時空數據可視化、多維數據可視化在內的多種數據呈現形式。當前行業中常用企業信用大數據行業發展研究報告15的基于 Web 的可視化工具包括 D3.js、ECharts 等，它們為 PC 和

30、移動設備提供了豐富的可視化技術支持，企業信用大數據類平臺往往會使用它們實現面向用戶的數據可視化呈現。此外，大數據可視化工具如 Tableau、Qlikview、Kibana 等，它們提供了低門檻的交互式界面、集成了機器學習與數據挖掘的功能模塊、支持與動態數據和內存數據的實時連接，企業信用大數據類平臺往往會將該類可視化工具部署在大數據系統中，為平臺內部的數據監控與分析提供便捷的可視化技術支持。（五）集群管理及數據安全技術保障系統安全企業信用大數據類平臺基于大量的計算機軟硬件及關鍵技術開發了支撐其主要業務的大數據系統，系統的穩定性和數據的安全性對平臺來說尤為重要，但系統的高復雜度往往會導致系統穩定

31、性及數據安全性難以有效保障。為應對該問題，企業信用大數據類平臺在大數據系統中部署集群管理工具助力系統運維，使用數據安全技術保障數據安全。大數據系統中常用的集群管理工具主要包括分布式協調工具、集群資源管理工具、集群部署及監控工具。Zookeeper 是最常被使用的分布式協調工具，它是 Hadoop 和 Hbase 的重要組件，提供了包括配置維護、域名服務、分布式同步、組服務等在內的諸多功能，保證了集群的高可用性。集群資源管理一般基于適合自動化部署的開源系統配合集群資源管理器實現，其中一種常見的解決方案是“Kubernetes+Hadoop Yarn”。Kubernetes 也稱為 K8s，是一個

32、企業信用大數據行業發展研究報告16用于自動化部署、擴展和管理容器化應用程序的開源系統，HadoopYarn 是一個通用資源管理系統和調度平臺，為上層應用提供統一的資源管理和調度，可解決單點故障及單點壓力過大的問題，實現資源管理與任務調度的解耦。常用的集群部署與監控工具有 ClouderaManager、Netdata、Ambari 等。以 Cloudera Manager 為例，它提供了集群節點添加或刪除、集群健康情況監控、集群問題診斷、Hadoop 多組件整合等功能。多種集群管理工具的協同使用極大地提高了大數據系統的運維效率，降低了運維成本，保障了系統穩定運行。在數據安全事件頻發的當下，保障

33、大數據系統的數據安全顯得尤為重要，數據安全技術是保障數據安全的關鍵手段。訪問控制、身份識別、數據加密、數據脫敏等傳統的數據安全技術正積極向更加適應大數據場景的方向不斷發展。來源:根據公開資料整理圖 2-4 企業數據安全技術體系圖企業信用大數據行業發展研究報告17隱私計算作為保障數據安全流通的重要手段，主要分為多方安全計算和可信硬件兩大流派。其中多方安全計算基于密碼學理論，可以實現在無可信第三方的情況下安全地進行多方協同計算?？尚庞布夹g則依據對安全硬件的信賴，構建一個硬件安全區域，使數據僅在該安全區域內進行計算。此外，還有聯邦學習、共享學習等通過技術手段平衡了安全性和性能的隱私保護技術，也為大

34、數據系統中的機器學習和數據挖掘提供了新的解決思路。零信任概念作為對傳統網絡邊界保護方法的改進，其基本思想是在局域網絡內外部均不設置安全區域或可信用戶，將所有操作均視為不可信任。圍繞零信任的概念、設計、實施，各界提出了多種解決方案，如輕量級零信任網絡訪問模型，所有網絡訪問均遵循最小資源原則，被廣泛用在企業信用大數據類平臺的大數據系統中。三、企業信用大數據行業生態與發展現狀（一）監管政策規范行業發展，進入壁壘日趨提高2022 年 3 月 29 日，中共中央辦公廳、國務院辦公廳印發關于推進社會信用體系建設高質量發展促進形成新發展格局的意見 指出要“扎實推進信用理念、信用制度、信用手段與國民經濟體系各

35、方面各環節深度融合，進一步發揮信用對提高資源配置效率、降低制度性交易成本、防范化解風險的重要作用，為提升國民經濟體系整體效能、促進形成新發展格局提供支撐保障?！迸c此同時，一系列政策的出臺致力于將大數據機遇轉化為發展紅利，以“大數據+實體經濟”企業信用大數據行業發展研究報告18為抓手，加快推進數實融合向縱深發展。政策環境的支持為企業信用大數據行業的穩健發展提供有力的制度保障。我國法律法規體系建設不斷完善，大數據產業的監管日益規范和嚴格。數據安全法、個人信息保護法與網絡安全法共同形成了數據治理和信息保護領域的“三駕馬車”，為加快培育數據要素市場、規范數據處理、保障數據安全、保護個人信息權益奠定了堅

36、實的法律基礎。促進大數據發展行動綱要、大數據產業發展規劃（2016-2020 年）等政策相繼出臺，市場監管機制也隨之明確，進而為依靠大數據技術底座的企業信用大數據行業發展奠定堅實的制度基礎。2018 年，中國人民銀行征信中心印發金融信用信息基礎數據庫異常查詢行為監測工作暫行規程，旨在及時對潛在風險事項行為進行跟蹤監測和預警，確保信用報告的合規查詢，努力平衡好商業化應用所需的數據自由流動與信息主體權益保護之間的關系。嚴格的政策監管體系一是為企業信用大數據行業提供產業導向引領，鼓勵行業內部良性競爭，規范企業信用大數據類平臺有序發展。二是為企業信用大數據行業塑造了較高的政策準入壁壘，進入行業的企業信

37、用大數據類平臺只有憑借先進技術嚴格防控信息安全風險，完善合規產品與服務體系，才能推動自身高質量發展。三是為企業信用大數據行業提供行政執法糾偏機制，在加強頂層設計的同時積累實踐經驗，保障行業在正確的軌道和方向健康發展。企業信用大數據行業發展研究報告19（二）助力全覆蓋征信系統建設，應用場景縱深拓展為貫徹習近平總書記關于建立覆蓋全社會的征信系統2、加強社會信用體系建設3等重要指示，落實國務院常務會議4“引導社會力量參與信用建設，發展第三方征信服務”的會議精神，中國人民銀行征信管理局致力于強化征信業頂層設計，深化“政府+市場”、“全國+地方”的雙輪雙層驅動征信發展模式，健全完善覆蓋全社會的征信體系。

38、2018 年 7 月 3 日，中國人民銀行征信管理局刊文 征信市場“政府+市場”雙輪驅動的發展模式初步形成指出，要“規范企業征信市場健康發展，推動企業征信機構備案,采集地方政府、行業協會、公用事業單位、上下游交易主體等掌握的各類企業信用信息，提供多元化的征信產品和服務，解決金融機構與中小企業信息不對稱的問題，緩解中小企業融資難、融資貴，助力中小企業發展?！蔽磥?，企業信用大數據類平臺可以受益于政府與企業之間的數據共享交流渠道，針對金融數據共享、政務數據共享、市場交易信息共享5等幾大維度的數據信息，利用新一代信息技術建立數據庫，打通數據孤島，促進數據流轉、簡化信息輸入與輸出、有效進行信息分類整理。

39、在中國人民銀行征信業管理條例、征信機構管理辦法、征信業務管理辦法等規定的要求下，企業信用大數據類平臺將進一步明確大數據22016 年中共中央政治局第三十七次集體學習32017 年全國金融工作會議42018 年 6 月 6 日國務院總理李克強主持召開的國務院常務會議5尹伊林,婁睿釗.我國信用信息共享機制的未來大數據征信聯盟J.河南牧業經濟學院學報,2017,30(06):26-32.企業信用大數據行業發展研究報告20征信全流程業務規則，與中國人民銀行征信中心共同建設企業和個人征信系統，實現經濟主體信用信息全覆蓋。傳統征信服務停留在商業信息查詢的層面上，征信機構將收集的信息整合并分發給用戶，但整體

40、上呈現碎片化、低效率的特征。隨著產業生態的發展，未來征信的應用將不再局限于信貸領域。企業信用大數據類平臺可以依靠其覆蓋工商、經營、財稅、投融資、知識產權、司法訴訟、輿情等多維度結構化信息和深度數據挖掘能力提供定制化、多場景企業信用信息服務。涉企信用數據是企業信用大數據類平臺開發設計各項產品與服務的“原料”，是平臺能夠持續發展的核心資源。各頭部信用大數據類平臺致力于加快數據源的獲取與更新，基本實現工商、經營、財稅、投融資、知識產權、司法訴訟、輿情監控等企業基礎信息的覆蓋，并力求在數據準確性、可靠性、維度豐富性和更新及時性等方面滿足用戶需求?？傮w來看，企業信用大數據類平臺可以廣泛地服務于企業、個人

41、以及公共部門。企業的應用場景主要涉及企業的拓客留客、信用評估、風險評估、輿情監控、供應鏈管理等，企業信用大數據技術平臺實現了對企業各類隱含信息、商業關系的挖掘識別，為企業規避信用風險和尋找投資機會提供方向指引；個人基于求職、投資、購物的需求催生了多種應用場景；公共部門應用場景主要集中在補充央行官方征信征信渠道、企業資質審查、政務流程、經濟運行監控和篩選政策扶持對象等。企業信用大數據行業發展研究報告21來源:根據公開資料整理圖 3-1 企業信用大數據產業應用場景（三）破局中小微融資難題，促進財政資源合理分配企業信用大數據可以有效化解企業與銀行之間的信息不對稱，提高信貸審核審批效率，強化信貸風險管

42、控能力。中小微企業受制于規模小、單次融資金額少、缺乏抵押物、信用風險大等客觀條件，普遍面臨“融資難、融資貴”問題。傳統信貸業務依賴人工審核，流程繁瑣、耗時長，抬升了銀行借貸成本，導致銀行“惜貸”。企業信用大數據類平臺的服務可以補齊傳統業務模式短板，基于多維度高質量的企業信用數據，提高金融機構盡職調查質效，支持銀行開戶申請、貸前準入、貸中審查及貸后管理等流程的高效線上服務，使銀行在授信額度、貸款期限、利率水平等交易要素的設計更為精準，從而增強小微企業融資需求的可獲得性。2021 年中央經濟工作會議指出，“引導金融機構加大對實體經濟特別是小微企業、科技創新、綠色發展的支持”、“加大對實體經濟融資支

43、持力度，促進中小微企業融資增量、擴面、降價?！逼髽I信用大數據類平臺通過受益所有人識別、企業對外投資分析、股權關系企業信用大數據行業發展研究報告22透視、異常交易主體甄別、關聯方掃描等服務，為金融機構提供企業的全維度信用信息，識別“空殼企業”、“僵尸企業”，有力防范信貸風險，引導資金更多地流向政策扶持的優質中小微企業、個體工商戶、新型農業經營主體，流向“專精特新”小巨人等重點領域和鄉村振興薄弱環節，切實提升金融服務實體經濟效能。在保證優質中小微企業獲得信貸資金支持的基礎上，企業信用大數據類平臺可以促進財政資源的有效分配，達到“惠企”的財政目標。以申請政府補貼為例，企業信用大數據類平臺在財政補貼與

44、企業資質匹配環節通過大數據比對實現從“企業找補貼”到“補貼找企業”的轉變，讓惠企補貼精準到戶，此外還可識別不符合申領標準的企業，及時聯系誤領企業退回補貼，具有嚴重冒領行為的企業還將被錄入失信主體名單，從而有效遏止企業冒領、騙補等行為，避免國家財政遭受損失。精準惠企將有助于緩解企業資金周轉壓力、穩定企業經營、為企業轉型升級和創新發展提供資金活水，強化企業生存能力與發展能力，激發市場主體活力，助力企業創造更大的經濟與社會價值。（四）平臺聚焦特色化發展，用戶粘性不斷攀升在政策利好、全社會信用體系建設逐步發展、大數據與實體經濟深度融合發展的大背景下，企業信用大數據類平臺憑借其技術水平和服務能力的積累尋

45、求差異化發展，并形成了各具特色的產品與服務體系。幾個企業信用大數據代表企業分別基于各自業務場景和服務客群推出了多樣化的產品服務。企業信用大數據行業發展研究報告23其中，企查查在企業信用大數據查詢的基礎上推出“標找找”、“客找找”、“盡職調查”等 SaaS 產品，應用場景深入各商務領域，側重于多場景細分化數據能力應用，為企業打造了全場景、全生態的SaaS 服務，構建全生命周期管理系統，在多個維度實現了數據挖掘應用創新。天眼查的業務重心在于打造可信商業元宇宙，對現實商業世界進行互聯網投射，為企業提供工商服務、財稅服務、風險監控服務等公開數據解決方案。啟信寶專注于 B 端企業信用信息查詢業務，通過對

46、企業股東、經營范圍查詢、失信人查詢等幫助用戶了解企業信息、洞察企業關聯等。各企業信用大數據類平臺通過不斷拓展服務覆蓋群體，形成了一定的用戶基礎，用戶粘性也在穩步提高。隨著頭部平臺的差異化發展，在用戶分布方面，各平臺實現了不同的發展路徑。企查查、啟信寶、愛企查聚焦高凈值專業用戶，其用戶分布在二線城市以上的占比均超60%；天眼查近年來專注于下沉市場，三線城市以下用戶占比超 50%。來源:極光大數據，月狐數據圖 3-2 頭部企業信用大數據類平臺用戶城市等級分布企業信用大數據行業發展研究報告24受益于各平臺在產品和研發上的投入，用戶可以在平臺內獲得廣泛的企業資訊和具有針對性的數據服務，從人均與啟動次數

47、人均使用時長來看，各企業信用大數據類平臺 APP 形成較高的用戶粘性和用戶活躍度，收獲了用戶的廣泛認可。數據顯示，各頭部平臺 APP 人均啟動次數為 2.18 次/日，人均使用時長為 4.71 分鐘/日。從 2022年 7 月數據看，企查查和啟信寶在人均啟動次數上具有明顯優勢，企查貓和啟信寶在人均使用時長上較其他平臺更高。來源:極光大數據，月狐數據圖 3-3 人均啟動次數月均值（次/日）企業信用大數據行業發展研究報告25來源:極光大數據，月狐數據圖 3-4 人均使用時長月均值（分鐘/日）（五）信用建設穩步推進，行業投資價值更加彰顯近年來，隨著國內社會信用體系建設的健全與完善，涉企信用信息大數據

48、的價值得到了越來越多的重視。立足于企業、個人與公共部門的實際需求，企業信用大數據類平臺在金融市場、商業運營、日常生活、政策監管等各種場景的應用價值有所顯現，企業信用大數據類平臺逐漸獲得市場關注，得到了大量投資，行業投資價值愈發彰顯，具體體現在企業信用大數據類平臺商業模式、行業前景兩個方面。企業信用大數據行業發展研究報告26來源:根據公開資料整理圖 3-5 行業投資價值概覽從商業模式來看，基于目前形成的 B 端、C 端、G 端業務，未來企業信用大數據類平臺盈利增長點將多樣化發展，行業規模將逐漸擴大。隨著各社會主體對企業的權屬鏈條、法律訴訟以及輿情等相關領域風險隱患的關注度提升，企業信用大數據類平

49、臺的用戶規模將逐漸擴大：B 端業務方面，定制化業務市場潛力巨大，隨著企業信用大數據類平臺的技術迭代和數據挖掘能力的增強，平臺服務的創新應用將為企業用戶帶來更多的商業機會和增長潛力。C 端業務方面，大數據征信對于個人用戶而言的重要性凸顯，通過企業信用大數據類平臺可以便捷地識別企業資信狀況，有利于個人用戶求職、投資、尋找合作伙伴等場景的風險規避，其付費意愿及能力也將逐漸增強。G 端業務方面，企業信用大數據類平臺將與政府、NGO 等公共部門達成更多的合作，為公共部門用戶提供政務流程優化、企業資格審查、企業信企業信用大數據行業發展研究報告27用監管、政策扶持對象篩選等優質服務、助力覆蓋全社會主體的公共

50、信用體系建設。從行業前景來看，中國企業信用大數據類平臺作為對央行官方征信渠道的補充，通過特色化、定制化的產品和服務吸引用戶，行業前景廣闊。各平臺通過技術研發培育自己的核心技術，形成市場競爭的相對優勢。隨著大數據技術不斷發展創新，企業信用大數據類平臺的數據識別準確率、數據獲取多源化水平、數據處理挖掘能力、數據安全性將會得到顯著的提高，各平臺的技術投入將會驅動數據分析和算法模型的創新，進而優化產品與服務體系。此外，各平臺通過普惠式企業信用信息查詢服務使得社會公眾養成查詢企業信用信息的習慣，這將進一步擴大用戶覆蓋范圍、增強用戶粘性。四、企業信用大數據行業發展趨勢展望（一）踐行總體安全觀，行業重點布局

51、數據安全和信息保護企業信用大數據類平臺的主業是獲取、挖掘企業信用信息，評價涉企信用，海量敏感的市場主體信用信息是平臺最重要的資產。隨著總體國家安全觀的深入貫徹，人們對涉企信用信息的保護意識不斷增強。企業信用大數據類平臺在業務流程各環節的數據安全管理和信息保護措施備受各方關注。企業信用大數據類平臺完善信息安全保障體系，充分保護企業信用數據安全，是未來穩健發展的必由之路。一方面，企業信用大數據類平臺要切實遵守網絡安全和數據保護相關法律法規，嚴格按照政策標準合規經營。另一方面，平臺要建立災備系統，企業信用大數據行業發展研究報告28提升對敏感數據泄露、違法跨境數據流動等安全隱患的跟蹤監測、分析響應與應

52、急處突能力。近年來，人工智能和深度學習被廣泛應用，保證數據安全的相關技術得到進一步拓展延伸。中國信通院發布的數據安全技術與產業發展研究報告 中提到六種數據安全關鍵技術，分別為數據加密技術、數據脫敏技術、數據識別技術、數據標記技術、數字水印技術和隱私計算技術。未來，企業信用大數據類平臺應及時跟進數據安全和信息保護相關技術沿革，靈活適配并深度應用，提高自身數據安全保障能力，最終實現“數據不動價值動，數據可用不可見”。來源:根據公開資料整理圖 4-1 數據安全關鍵技術（二）立足新發展階段，行業持續深度挖掘多元化應用場景構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局，要求市場在資源配置中發

53、揮決定性作用。企業信用大數據類平臺將立足新發展階段，貫徹新發展理念，以供給側結構性改革為主線暢企業信用大數據行業發展研究報告29通產業鏈，推動社會經濟高質量發展，充分挖掘各行業各部門關于涉企信用信息的真實需求，回應潛在關切，深耕多元化的應用場景6。從企業主體的應用場景看，企業信用大數據類平臺可與互聯網金融融合發展：互聯網金融依靠用戶的各種結構化的信息作為營銷的來源和風控的依據，而企業信用大數據類平臺恰好可以提供這些信息。企業信用大數據類平臺可與互聯網金融機構合作，將小微企業主個人的網絡社交、網絡消費等碎片化信息結構化、數據化，進一步豐富企業信用畫像。使互聯網金融機構更好地了解服務對象，對其進行

54、信用風險評判，幫助互聯網金融機構筑牢風險防火墻，完善自身資產運營和內控管理。例如，中國互聯網金融協會建設中國供應鏈金融數字信息服務平臺，對外提供中小微企業工商、稅務、發票、司法等公共數據和多頭網絡借貸、倉儲、物流等部分企業經營數據的查詢服務。從個人需求的應用場景看，企業信用大數據類平臺可挖掘多樣化生活場景：企業信用大數據類平臺的應用場景已經衍生到衣食住行的方方面面，未來也將會在日常生活場景中不斷延伸擴展。例如，教育行業大數據征信平臺“三眼觀學”對專業性強、組織架構繁雜的教育機構進行信用評級，可以為用戶提供充分的機構資信判定和風險預警。從公共部門主體的應用場景看，企業信用大數據類平臺可著重服務于

55、定向監管：2022 年 1 月,經國務院同意,市場監管總局印發關于推進企業信用風險分類管理進一步提升監管效能的意見表明，企業信用大數據類平臺能幫助政府研判企業信用風險狀況，推進企業信6關偉,翟麗芳,吳晶妹.信用要素推進“雙循環”新發展格局的機制研究基于中國 1995-2018 年數據的實證分析J.商業研究,2021(04):31-38.企業信用大數據行業發展研究報告30用風險分類管理，在政府提升智能化監管能力方面發揮重要作用。例如，寶雞市信用辦與綠盾征信簽訂關于共同推進寶雞市社會信用體系建設戰略合作協議，為城市綜合信用指數、信用信息記錄、信用信息共享、信用服務產品等方面提供技術支持與服務保障。

56、（三）聚焦信用體系建設，行業賦能產業鏈供應鏈安全穩定“十四五”時期，統一社會信用體系建設將助推企業信用大數據行業向有序化、社會化、數實融合化方向發展。助力行業自身有序發展：工業和信息化部“十四五”大數據產業發展規劃中明確指出，要激發中小企業創新活力和加強重點企業跟蹤服務，最大程度地發揮企業的市場主體作用。一方面，企業信用大數據類平臺可以相互學習、鼓勵創新，共同推動企業信用大數據深度應用，實現大中小平臺互為支撐、業務合理分配的有序布局，提高資源利用效率；另一方面，頭部企業信用大數據類平臺可以利用自身龐大的商業數據庫發揮主體示范作用，持續提升自主創新、產品競爭和知識產權布局能力，利用資本市場做強做

57、優。與各類社會團體緊密連接推動平臺持續創新：企業信用大數據行業將持續開發服務社會的應用場景，體現其公共服務的社會價值。一方面，企業信用大數據類平臺可以發揮自身優勢，打造大數據體驗中心與實訓基地，吸引專業人才、建立資源供需對接和創意孵化相關機制，促進“政產學研用”聯合發掘問題、解決問題、優化調整以求保持平臺創新活力；另一方面，各類社會團體可以通過平臺實現信息共企業信用大數據行業發展研究報告31享、合作共建，形成開放型的連接生態，打破政府機構、平臺、科研高校和社會組織的溝通壁壘。打造“企業信用大數據類平臺+產業鏈供應鏈”的融合模式7：中共中央關于制定國民經濟和社會發展第十四個五年規劃和二三五年遠景

58、目標的建議指出，產業鏈供應鏈的安全穩定是構建國民經濟新發展格局的基礎。企業信用大數據類平臺可以依靠大數據技術整合各行業的倉儲物流、資金流、信息流等產業鏈供應鏈核心數據，打造全產業鏈供應鏈清晰圖景。一方面，有關部門可以通過這些核心數據實現對產業鏈供應鏈的監管，維護其安全穩定。另一方面，金融機構可以根據真實可靠的信用情況對不同行業、不同企業提供有針對性金融產品及服務，提高金融資源配置效率8。7“企業信用大數據類平臺+產業鏈供應鏈”的融合模式，即整合企業信用大數據類平臺的數據資源與產業鏈供應鏈實體資源匹配融合，推進合規發展與供應鏈金融，實現產業鏈供應鏈各環節共建共贏。8許浩.提升產業鏈供應鏈現代化水平路徑研究J.商業文化,2022(15):38-39.