一、场景介绍 

　　浙江省市场监管局通过运用机器学习等新一代大数据分析技术构建企业信用风险模型，实现对全省265万家企业信用风险等级的智能化、精准化分级。根据行业、风险等级的不同，分类监管、精准施策，努力做到对守信者“无事不扰”，对失信者“利剑高悬”，显著提升了监管的精准性，优化了营商环境。

　　二、主要做法 

　　（一）数据清单的编制和归集

　　信用数据归集并记于企业名下，是企业信用风险分类监管的基础，也是运用机器学习等新一代大数据分析技术进行科学分类的关键。依托国家信用信息公示平台、浙江省公共信用信息平台、浙江省行政执法监管平台，浙江省市场监管局目前已归集39个部门数据共8.6亿条，涵盖年报数据、行政检查、行政处罚、黑名单、税务等涉企信用信息。

　　（二）指标体系设计、模型构建

　　基于企业信用理论和全面质量管理理论对指标体系进行设计，从公共信用、治理体系、资本能力、质量能力、市场表现5个维度，设计治理信息等16个二级指标、年报披露等49个三级指标，全面评估企业信用风险。同时，对每个三级指标引入观测点的概念，通过86个观测点对指标进行考察。用固定的三级指标保障体系的稳定性，以相对动态的观测点保证体系的开放性，实现企业全生命周期信用风险的监测和预警。

　　公共信用是基于企业的合法经营、信用管理、社会责任等要素构建起来的企业基础信用形象，是企业在遵纪守法、金融财税、公用事业等方面的整体呈现。治理体系通过一整套包括正式或非正式、内部或外部的制度来协调公司与所有者之间（股东、债权人、法人等）的利益关系，以保证公司决策的科学性、有效性，最大限度降低企业信用发生风险的概率。资本能力是企业通过投入资本获取利润并持续发展的能力，通过对企业历史资料的分析以及财务报表数据的汇总、计算和对比，综合评价并预测企业财务发展状况和运营能力。质量能力主要体现在企业通过标准制定、技术创新与品牌推广等手段，逐步降低产品或服务质量风险，持续提升企业管理体系运作水平。市场表现是指在商品流通过程中，企业在市场开拓能力与市场应变能力方面的主要体现，是企业市场竞争力及企业信用等级提升的重要因素。

　　在企业信用风险模型建设上，采用机器学习与专家法相结合的方式，以提升模型的客观性与科学性。在综合考虑样本特点、应用场景、结果精准度等因素后，使用监督学习方法进行建模，选用LightGBM模型作为机器学习算法的首选。截至目前，已完成全省通用的企业信用风险模型构建。通用的企业信用风险模型将2019年度全省市场监管系统被检查的16万户企业作为学习样本，遵循模型构建方法论，通过机器学习、规则触发两种方式产生高、中、低风险企业。对于高风险企业，模型会自动列出风险特征，如高管频繁变动、同一人短期集中注册或主营相似公司等风险因子。

　　（三）应用结果反馈

　　按照政府数字化转型的要求，及时将企业信用风险等级及应用于省行政执法监管平台的数据通过“数据高铁”归集至省大数据局数据中心，并与省公共信用信息平台共享。企业信用风险模型每月迭代一次，应用结果实时共享。

　　三、应用领域及成效 

　　自2020年5月将企业信用风险模型部署于全省统一的行政执法监管平台以来，已有38个部门应用模型开展“双随机、一公开”监管，涉及任务近2万个，检查企业超过22万户次，总问题检出率为27.9%。

　　企业信用风险模型在市场监管部门的应用推动信用监管实现了四个转变：一是从信用评价向信用预警转变。传统的信用评价主要是对企业现有信用水平的评估，侧重于静态比较。企业信用风险模型则是对企业未来发生失信行为可能性的判断，具有较强的预警功能。二是从事后处置向事前防范转变。对企业信用高风险企业，加大抽查检查的比例和频次；对企业信用低风险企业，适当降低检查抽查的比例和频次，确保将有限的监管力量用到刀刃上，做到早检查、早发现、早处置，使信用监管从“马后炮”变成了“马前卒”。三是从粗放监管向精准监管转变。2020年，市场监管部门执行“双随机、一公开”抽查任务5300多个，其中83%的抽查任务关联企业信用风险，累计检查企业8.6万户次，同比减少56.8%。关联企业信用风险的抽查问题检出率33.1%，比未关联企业信用风险的抽查提高10个百分点。四是从单线作战到多业务协同转变。创设“通用+专业”模式，将企业信用风险模型与重点领域专业风险监测预警模型有机集成，协同处置。