商业计划书之二

商业计划书之二

公司内部编号：（GOOD-TMMT-MMUT-UUPTY-UUYY-DTTI-

我们的商业计划书

郑远义

2016年1月12日

建立征信中心的商业计划

我们商业计划的目标是在中国建立一个征信中心。这个征信中心的业务，包括建立金融数据体系，提供信贷报告（也可称之为信用报告）和金融数据的产品，并提供信用评分和统计模型的服务这几个方面。征信中心以商业银行的数据为原始数据，我们把各个商业银行的数据综合在一起，组织成为一个在中国社会范围内总的数据体系。这个数据体系分为消费者个人和企业这两个部分。初期的计划是一个金融数据的征信中心，中长期的计划是否要扩展到互联网和其他领域仍然有待于决定。

我们提供的产品和服务：

我们建立和开发的数据体系提供了关于消费者个人或者企业在中国社会范围内从不同金融公司或者不同银行所购买和拥有的各种金融产品的综合的数据资料。这种资料是按照时间顺序组织起来，能够反映帐户拥有者整体的信贷轮廓和一定时间长度的信贷历史的数据组合。我们计划从不同来源取得资料，这些来源包括银行，提供金融服务的公司，法院，公用事业和催收公司，等等。这个计划的实现有可能使我们拥有比现有的信用信息中心或者征信中心更为全面的资料。我们将建立衍生数据，这些衍生数据和原始数据结合在一起，能够大幅度地加强数据整体的预测能力和数据在信贷管理方面的作用。在征信中心所拥有的金融数据的覆盖面达到一定规模之后，我们还计划提供信贷报告（信用报告）。

我们会提供信用评分，包括通用的信用评分和为顾客量身定做的信用评

分，后者被称为顾客评分。读者可能会提出信用评分和我们的数据产品有什麽关系的问题。人们往往能够理解一个数据的含义，但是对许多数据发生在一起，这些数据在总体上的含义则不了了之。信用评分和统计模型的作用之一就是对于发生在每一个顾客账户上的许多数据在总体上的含义的翻译和解释。美国的三大征信中心都设有建立统计模型的部门说明了信用评分/统计模型和征信中心的数据产品的关系的密切性。我们提供的其他服务项目包括了数据挖掘，建模软件和信贷策略的平台等等。这些其他的服务项目可以扩宽公司所从事的项目的范围。

读者可能会问：银行为什麽要寄给我们数据，他们从这里能够得到哪些回报呢征信中心会见利在全社会范围内金融数据的公共平台。一家银行所追求的新的顾客的资料可以出自于这个平台，这家银行的已有顾客在自有企业信贷线以外的表现的资料也可以出自于这个平台。另外，在个别银行信贷业务中出现的欺诈，违约，坏账等等行为通过这一公共的平台可以对众多的银行或企业提供警报。通过这个在中国全社会范围内的数据平台，

银行和企业能够获得在其自有数据库中所没有的许多内容，这些内容对加强和改善银行和企业在信贷风险，市场营销和对贷款和信用卡的管理方面有巨大的价值。除此之外，我们会和提供数据的银行和企业签订协议，我们和他们信息共享，或者为他们提供技术咨询，建立一种互惠的关系。

我们的产品和服务的价值：

关于信贷对象的完整的数据在中国仍然是一个空白。成千上万的账户，有银行甲的资料，或者有银行乙的资料，但是没有在全社会范围内可以获得的完整的资料。这是一个缺陷，就像看过一张只有侧面图而没有正面图的人体肖像，别人仍然不能肯定这个人长的到底是个什麽样子。我们的计划就是建立在社会范围内完整的数据体系的一份蓝图。这种数据体系一旦被建成，所有的账户持有者的全面的信贷轮廓就被勾画出来了，对这些账户的评价和判断就有了可靠的基础。这就为贷款和信用卡的发放和管理提供了凭据，也为信贷行业的利润和发展提供了保证。

读者可能会提出关于信用评分，统计模型和信贷报告的价值的问题。信用评分和统计模型在近半个世纪的发展中，已经成为进行金融方面预测和分析的有力工具。许多统计分析的结果，是关于信贷方针或者金融政策的孰优孰劣的一种意见，这种意见在动态的变化的情况下的价值变得不像以前那样突出了。信用评分和统计模型则不同，信用评分或统计模型的结果可以用来评价政策和制度的优劣，但是在更多的情况下这些结果告诉我们在既定的制度或者政策下我们如何行动。例如，批准哪些人成为我们贷款或者信用卡的顾客，才能使银行或者公司最大程度地降低一些顾客不按规定付款的信贷风险；向哪些人推销我们的金融产品，才能减少公司的销售成本并且更好地完成销售的任务。在国际金融服务业，信用评分和统计模型为几十万，上百万个账户建立模型和进行预测已经司空见惯，在一个项目中消除或者减少百万元或者千万元的信贷损失也已经常见不鲜，在提高企业的利润额方面也是如此。这就是信用评分和统计模型在金融服务业的价值。我们的计划是把信用评分和统计模型应用到中国的金融服务业，提高中国的金融服务业的水准并通过这个渠道为千百万顾客提供更多的价值。

读者可能提出：人民银行征信中心目前既有社会范围内的金融数据，也有信用评分。你们的项目能够提供哪些更多的价值呢作者目前看到了人民银行中心的信用报告，但是还未看到这个中心的个人信贷信息的数据，也没有看到他们的信用评分，所以对人民银行征信中心的金融数据和信用评分都无法评价。

从已有的证据来判断，人民银行征信中心的数据就是人民银行发布的信用报告所包括的那些数据。这些数据，从几十个到两百多个，充其量也就如此而已。我们计划建立的金融数据库中的数据的数量，从500个到5000

个，是人民银行征信中心的数据数量的一倍甚至十倍以上。用我们的数据来进行预测，预测能力要高的多。假如说用人民银行的数据来预测，正确率是60%；当我们把数据的数量扩充到5000个时，预测的正确率经常可以达到90%。在信用评分方面我们能够提供与费埃哲公司不同的方法和技术（人民银行征信中心所用的技术可能学自费埃哲，在人民银行征信系统建设运行报告中有所提及），这些技术能够改善统计模型的性能和预测的质量。这就是我们的项目能够创造的价值之一。

我们公司的团队：

谷晓峰

美国花旗银行，高级副总裁。2009-2013

美国汇丰银行，副总裁。2000-2003

教育背景：美国哥伦比亚大学统计系，博士。

郑远义

国政通科技有限公司，信用评分业务总监。2013年。

美国运通，高级经理，2011-2012。

美国通用电气公司消费者金融分部，风险经理，2003-2007。

美国的征信中心川斯尤年（在中国被称为环联），统计学家，2001-2003。

美国的汇丰银行，统计分析官员，1999-2001。

教育背景：纽约州立大学布法罗分校管理学院，管理经济学的博士。

张克胜

清华软件系统有限公司，战略执行官，2013 至今

教育背景：钢铁学院采矿专业，硕士。

我们的商业模式和盈利模式：

我们会建立会员的制度。会员分为普通会员和提供数据资料的会员。普通会员需要进行注册，提供数据资料的会员则不但要进行注册，还要按照规定（例如每个月份按照我们公司规定的格式和要求）向我们的征信中心提供数据。我们会和提供数据资料的会员企业签订信息共享的协议，使信息共享的双方建立互惠的关系。上述的普通会员和提供数据资料的会员的做法有两个目的：第一，数据产品的买卖以长期的交易为多，所以我们通过顾客的注册来了解顾客；第二，为了提高银行和企业为我们公司提供数据的积极性，同时表示我们承认提供数据资料的会员所作出的贡献，我们对提供数据的银行和企业给予产品价格上的折扣，或者为对方提供技术咨询等等对方所需的服务。我们公司究竟为对方提供什麽，以信息共享的协议为准。

我们的数据产品是若干种不同的衍生数据的数据组合。每个数据组合都有自己的价格，按照数据组合的价格，乘以账户的数量，和时间的长度，就