摘要：互联网企业，依托计算机网络技术，通过网络平台提供服务并以此获得收入。然而，这些企业普遍面临发展方向不明确、资金支持不足、管理规范缺失及核心竞争力匮乏等问题，严重影响其长期发展。随着互联网时代的发展，信用交易方式如免押金租车和预支酒店服务日益受到青睐。在大数据背景下，利用大数据分析技术可以有效解决这些问题，并探索新的发展模式。这不仅有助于减少企业间的信息不对称，提升企业的信誉度，还能开发新的信用产品。这一进程不仅有利于我国产业升级和个人征信系统的完善，对国家、企业和个人的发展均具积极意义。

关键词：互联网企业；大数据；信用经济；蚂蚁金服

一、相关理论

1.大数据工具三大层次理论

普华永道（Pricewaterhouse Coopers）移动数据与分析项目的首席技术官Ritesh Ramesh指出，在市场精确度和战略规划方面，大数据工具可被划分为三个层次。

最基础的层次为开源工具层，这一层在整体架构中占据核心地位。多数互联网公司均以这一层作为其技术基础，例如Cloudera和Hortonworks等。虽然这些开源工具主要起到辅助作用，在基础设施、服务器及存储之外的价值相对较低，但它们已被许多企业商业化利用。

第二层次涉及到大数据分析技术的应用，以开拓新的业务领域。这些企业基于开源工具进行扩展，增加个性化功能以满足不同用户群体的需求，从而与其他大数据公司形成差异化。例如，Cloudera开发了类似Hadoop内核的数据科学分析平台，进一步提升了其在市场中的竞争力。

企业可采取将大数据处理服务外包给专业数据公司的策略，从而显著降低数据分析的成本。对于从事大数据开发的企业来说，这种垂直外包模式不仅能够优化成本结构，而且是一种极为有效的竞争策略，有助于提升市场竞争力和业务效率。。

2.智慧经济理论

智慧经济是一种以知识为主导生产要素的经济形态，其核心在于通过知识创新和应用来驱动经济发展。随着社会进步和技术革新，预计在未来的知识产业将成为社会经济的主导力量。当前，智慧经济的发展面临着对大量模糊和随机数据进行处理分析的需求。同时，信用经济作为智慧经济的一个重要表现形式，在“无现金化”的现代社会中发挥着重要作用。信用作为一种个人资产，通过免押金租赁、互联网贷款等信用活动，不仅提升了居民的生活质量和便利性，还降低了小微创业者的门槛。无论是大数据分析技术的发展，还是信用经济的推进，均对我国智慧经济的发展起到了积极推动作用，促进了社会经济的整体进步以及产业结构的优化升级，并为供给侧结构性改革提供了有力支持。

3.信用经济概念

信用经济是指在经济活动中，基于信任机制建立起来的金融和经济行为模式。它通过评估个人或企业的信誉度来决定其获取信贷和其他金融服务的能力。在现代社会中，随着信息技术的发展，信用已经成为一种重要的无形资产，广泛应用于各类金融活动中。例如，在无现金支付日益普及的背景下，良好的信用记录可以帮助个人和企业更容易地获得银行贷款、享受优惠利率等服务。此外，信用经济的发展也有助于降低交易成本，提高市场效率，进而促进整个社会经济的健康发展。

布鲁诺·希尔德布兰德（Bruno Hildebrand）是一位资产阶级经济学家，同时也是德国经济学界的杰出代表。他的理论研究深入探讨了交易方式作为划分不同经济发展阶段的标志，将社会经济的发展划分为三个主要时期：自然经济、货币经济以及信用经济。

在自然经济的初级阶段，交换活动主要依赖于物物交换，即以物品本身作为交换的媒介。随着经济活动的发展，进入货币经济的阶段，货币成为主要的交换手段和价值尺度，极大地促进了交易活动的便捷性和效率。

最终，社会经济发展到更高级别的阶段——信用经济。在此阶段，交易不仅基于实际的货币，还大量依赖信用作为交易媒介。这种模式体现了市场参与者间信任的深化，也是社会经济发展到一定成熟度后的必然产物。

根据希尔德布兰德的理论框架，信用经济代表了社会经济发展的高级形态，是社会经济体系演进至一定水平后所展现出来的最先进阶段。这一理论为理解不同历史时期的经济结构和运作机制提供了宝贵的分析视角。

二、大数据背景下互联网企业信用经济发展现状及存在的问题

随着人民生活水平的不断提升和互联网使用的广泛普及，信用经济正受到越来越多的关注与青睐。其发展潜力和市场规模预计将持续扩大。诸多互联网企业已经认识到我国信用经济的崛起，然而在运用大数据分析技术推进信用经济发展的过程中，仍面临着诸多挑战。这些问题不仅阻碍了互联网企业的进一步发展，也对我国信用经济的整体健康发展构成了潜在威胁。以下是互联网企业在应用大数据分析技术发展信用经济时所面临的主要问题之一：

在互联网经济蓬勃发展的当下，信用交易模式日益普及，如免押金租车、信用抵押、预支酒店服务及信用兑换商品等新兴消费方式层出不穷。与此同时，消费者的诚信意识逐渐觉醒，但失信行为仍旧屡见不鲜，不仅个体消费者中有所体现，诸多企业亦难逃此弊。究其根源，关键在于众多致力于发展信用经济的互联网企业，在大数据技术的应用上尚存不足：或未能构建完善的数据库系统以支撑数据分析，或在数据挖掘与分析方面缺乏深度与广度，导致难以有效识别并防控信用经济中的各类风险。这一状况直接导致了消费者失信行为的监管缺失，甚至部分互联网企业在运营中也出现了违背信用原则的情况，进一步加剧了市场的不稳定性。因此，建立健全规范化的数据分析体系，对于提升信用经济的整体健康度至关重要。

在我国，互联网企业普遍归属于新兴产业领域，它们在日常运营过程中积累了大量的用户数据。然而，仅仅拥有数据是远远不够的，企业还需要建立包括数据存储、挖掘以及可视化在内的综合数据分析系统。目前，多数互联网企业仅具备部分数据分析能力，这种不完整的系统不利于信用经济的发展。信用经济的健康发展依赖于充分的数据分析结果，以通过关联分析等手段来降低相关风险。遗憾的是，我国能够提供规范化数据分析系统的互联网企业极为稀缺，同时缺乏一个有效的信用经济风险防控机制。

在当前互联网快速发展的背景下，信用经济呈现出多样化和丰富的发展态势。相较于传统消费方式，信用消费所伴随的风险也具有其独特性。鉴于此，构建一套新型的信用风险防控体系显得尤为重要，以便有效应对潜在的风险挑战。然而，从目前的发展状况来看，多数互联网企业在信用经济领域的探索起步较晚，且由于发展时间较短、经验积累有限，尚未能建立起一套系统化、规范化的信用风险管理机制，导致信用风险防控方面存在明显的不足。此外，许多互联网企业未能充分利用大数据分析技术来加强信用风险管理，这一短板同样制约了其在信用经济领域中的进一步发展。

三、大数据背景下互联网企业信用经济发展出现问题的原因

我国在信用体系构建方面仍面临若干挑战。首先，征信中介服务尚处于发展阶段，缺乏足够的征信机构和规范化的信用评估机制。当前，国内尚未建立科学化和系统化的数据库，导致信用评定存在一定的局限性，这在一定程度上阻碍了信用经济的健康运行和发展。其次，信托机制的合理性和规范性不足。目前，国内缺少大型可靠的信托机构，且相关法律支持不够健全，经验积累也相对有限，使得信托机制存在诸多不足之处。最后，失信惩戒制度力度较轻，尽管现行法律对诚信有明确规定，但其覆盖范围有限，处罚措施不够全面，未能有效遏制失信行为。

在大数据分析技术的采用上，我国互联网企业相对较晚进入此领域。由于起步较晚，与国际先进水平相比，国内企业在数据挖掘和应用方面仍存在一定差距。这一现状需要通过加大技术研发投入和政策扶持来逐步改善，以提升国内企业在大数据领域的竞争力。

国际上知名的大数据企业，例如IBM、HPE和Oracle等，均属于较早进入该领域的大型跨国公司。这些企业在大数据分析、应用程序开发及基础架构的构建方面拥有深厚的积累与先进的理论研究基础，相较之下，中国的大型互联网企业如阿里巴巴、百度和腾讯，在21世纪初才开始涉足大数据分析技术的应用领域。因此，尽管我国在这一领域起步较晚，理论和应用成熟度相对较低，但发展速度迅猛。上述国内巨头已经在大数据分析技术上取得显著成就，并积累了宝贵经验，这对于推动我国互联网行业在大数据技术方面的进步具有重要的参考价值。

在国外，诸如VISA和MasterCard这样的信用卡发行机构早在上世纪便开始收集并分析来自210个国家的15亿条信用卡用户的650亿笔交易记录。这些数据被用来预测商业发展和消费者行为趋势。显然，国外在运用大数据分析以推进信用经济方面起步较早。相较之下，中国的个人征信体系建设相对落后。长期以来，只有中国人民银行能够提供相关服务，且其覆盖范围限于与金融机构存在负债关系的个人，即那些曾向银行借款的用户。直到2013年，中国才颁布了《征信管理条例》，该条例的修订版自此正式生效。

四、互联网企业运用大数据发展信用经济案例分析

蚂蚁金融服务集团（简称蚂蚁金服），自2004年支付宝的诞生起，便在金融科技领域稳步迈进。2013年3月，随着小微金融服务集团的组建，蚂蚁金服开始崭露头角，并于次年正式成立。其企业愿景为“让信用等于财富”，旨在构建一个开放且包容的信用生态系统。通过实施“互联网推进器计划”，蚂蚁金服迅速将传统金融机构与新兴的“互联网+”模式融合，极大地促进了小微企业和个人消费者金融服务的个性化发展。凭借移动互联、大数据和云计算技术的支持，蚂蚁金服在中国信用经济的发展中起到了重要的推动作用。

旗下产品包括支付宝、余额宝、蚂蚁聚宝、招财宝、网商银行、芝麻信用以及蚂蚁花呗等业务部门，这些产品不仅丰富了蚂蚁金服的业务范围，也巩固了其在信用经济领域的领导地位。其中，支付宝作为蚂蚁金服的核心产品，通过不断的技术创新和服务优化，已成为全球领先的第三方支付平台之一，为用户提供便捷、安全的电子支付服务，进一步推动了数字经济的发展。

蚂蚁金服旗下的支付宝平台，自2004年成立以来，以用户真实姓名和信任为基石，致力于为广大用户提供个性化的金融服务。截至2015年底，该平台已与超过200家金融机构建立合作关系，为近1000万小微商户提供支付服务，其服务范围持续扩展。多年来，支付宝的用户基础不断扩大，截至2018年底，实际用户数量已超过8亿，并在370个城市提供4000多项综合服务。此外，支付宝始终注重技术和创新的发展。根据2018年“双11”购物节的数据，支付宝在短短2分5秒内处理了超过100亿元的订单数据。2018年“双11”当天，全国线上零售交易额突破3000亿元，再次刷新记录。在这一庞大的订单处理量背景下，支付宝的支付风险概率不到十万分之一，大数据分析技术在其中发挥了关键作用。

蚂蚁金服依托支付宝在业务及技术方面的深厚积累，为多元化业务的拓展提供了坚实的基础。其旗下的蚂蚁花呗业务支付成功率高达99.99%，彰显了其在支付领域的卓越性能。截至2018年底，蚂蚁金服的余额宝业务用户已突破6亿大关，为用户创造了近500亿元的收入。此外，与保险公司合作开发的退货运费保险机制累计用户超过8亿，展现了蚂蚁金服在创新金融产品方面的领先地位。自2010年至2018年底，蚂蚁金服已向530万多家微型运营商提供了超过6000亿元的贷款，有效支持了小微企业的发展。

在数据防诈骗方面，支付宝运用先进的数据分析技术，对转账对象的账户进行实时监控。一旦检测到账户异常，系统将立即发出提醒并暂停转账功能，确保用户资金的安全。若确认账户存在欺诈行为，该账户将被冻结以防止进一步的损失。通过大数据技术的应用，蚂蚁金服成功控制了风险，为用户资金安全提供了强有力的保障。

蚂蚁金服旗下的芝麻信用产品也在实践中发挥了重要作用，进一步提升了金融服务的效率和安全性。

在个人信用领域，至2018年末，芝麻信用已向广大用户提供了逾6亿次的信用服务。通过与最高人民法院的合作，成功处理了超过20万失信用户。随着互联网生活模式成为主流，大数据时代下，个人诚信、信息的透明化及共享变得尤为重要，这种趋势得到了商界和消费者的高度认可。

芝麻信用致力于解决用户与企业之间的信任难题，依托先进技术创造一个互信互惠的商业环境。提供的服务包括但不限于信用签证、无需押金的租赁服务、快速理赔以及普惠贷款等，旨在为生态合作伙伴带来效率提升和市场拓展的机遇。

芝麻分的评定基于五个维度：履约能力、人脉关系网络、身份信息、过往信用记录以及用户的日常行为习惯。这些综合评估帮助确保信用评分的准确性和公正性，进一步推动构建一个更为健康和可靠的信用体系。

蚂蚁金服凭借大数据分析建立了一套信用体系，并累积了庞大的用户基础。这不仅促进了信用经济的增长，也为其他互联网企业提供了宝贵的经验。通过运用大数据、云计算及区块链等创新技术，蚂蚁金服成功消除了消费者对企业信用的顾虑，同时确保了信用服务的公正性，强调了良好信用的价值。商家借助芝麻信用提高了运营效率，降低了高风险客户的比例，并增加了销售额，从而推动了信用红利的扩展。尽管目前在信用经济发展领域仍处于初步阶段，但蚂蚁金服所奠定的基础具有深远的影响，能够为其他互联网公司提供参考和启示。未来，这一领域的探索将不仅限于当前范畴，预计将更加广泛和多样化。

五、在大数据背景下互联网企业发展信用经济对策建议

1.构建标准化的客户信息库

为了有效分析和处理收集到的用户数据，互联网企业必须规范地存储这些数据。当前，许多企业在常规运营中积累了海量数据，但往往未能完整保存，有些甚至因缺乏规范的数据库管理导致宝贵数据被清除。更为关键的是，大多数企业尚未认识到数据的多重利用价值，通常只是一次性使用后便不再关注。因此，构建一个规范化的用户数据库，对于企业来说至关重要，这不仅有助于系统性地存储用户信息，还便于多次挖掘数据背后的价值。

通过大量的用户数据，可以生成详细的用户画像，进而评估用户的整体信用水平，对用户的信用活动进行分类，并提供个性化的信用服务。然而，值得注意的是，规范化并不意味着数据必须高度精确。大数据的核心在于预测，通常依赖于概率分析。如果一味追求数据的精准性，将导致巨大的资源消耗。以ZestFinance公司为例，它帮助决策者判断是否应向有不良信用记录的人提供小额贷款。传统的信用评分机制侧重于少量显著事件，而ZestFinance则分析了大量不那么显著的事件，接受混乱和大量数据缺失的现状。这种方法使得其贷款拖欠率比行业平均水平低约三分之一。

2.构建具有独特性的数据挖掘模型

在当前互联网时代，企业所积累的数据往往是半结构化或非结构化的，这些数据的完整性、明确性和随机性要求我们采用高效的数据挖掘模型来提炼出有价值的信息。为此，首先需要专业的数据科学家，他们需具备使用如IBM SPSS Modeler、Python、Rapid Miner等高级数据挖掘工具的能力，以执行分类分析、聚类分析、回归分析、特征分析和时间序列分析等任务。这些任务有助于揭示数据间的潜在关联和关键特性。

对数据间的相关性给予足够的重视也至关重要。在分析互联网企业收集的数据时，经常可以发现表面上不相关但实际上存在相关性的数据点。在很多情况下，理解“是什么”比探究“为什么”更为实用，尤其是在信用经济领域，利用用户行为数据之间的相关性可以显著提升企业利润。例如，互联网金融服务可以通过分析用户评论来识别产品的优势与不足，进而优化产品特性以提高销售业绩。

每家企业都有其独特的业务需求，因此必须根据具体的业务场景定制相应的数据挖掘模型。不存在一种适用于所有情况的万能模型，最适合企业的才是最好的选择。

3.构建一套标准化的风险控制框架

在现代经济体系中，信用经济的扩展不可避免地伴随着风险。尽管信用本身并不具备黄金般的实质价值，但其潜在的利用价值却远超黄金。因此，建立一套有效的风险管理和防控机制显得尤为重要。以蚂蚁金服为例，其旗下的芝麻信用服务通过五个关键数据维度对用户信用进行综合分析，进而与蚂蚁花呗、余额宝等金融产品对接，有效降低了运营风险。相比之下，ofo共享单车由于缺乏规范的风控机制，未能充分利用用户数据，导致押金退还难、单车损坏率高以及业务拓展受限等诸多问题。

为构建高效的风险管理体系，首先需要结合互联网企业自身特点，因为不同企业搜集的用户数据特征各异，分析结果亦有所不同。找到并控制这些关键数据是管理信用风险的关键。其次，数据的隐私保护不可忽视。滥用大数据分析技术或不当管理大数据可能导致严重的负面后果，反而增大信用经济发展的风险。因此，平衡隐私保护与数据分析的准确性，对于互联网企业而言至关重要。

4.明确互联网企业的角色与定位

在当前数字化时代，互联网企业需清晰地界定自身的市场角色与业务范畴。这一过程涉及深入分析企业的核心能力、目标市场、客户需求及行业趋势，以确保企业在竞争激烈的市场环境中拥有独特的竞争优势和明确的发展方向。企业应通过战略规划，确立其在互联网生态中的位置，无论是作为技术创新的引领者、特定领域的专业服务提供商，还是连接不同市场参与者的平台构建者。同时，还需定期评估和调整自身定位，以适应快速变化的技术和市场需求。

在数字化时代背景下，互联网企业依托大数据资源可划分为三大类别。首先，数据驱动型企业积累了大量的数据集，然而，它们可能缺乏从中发掘价值或孕育创新观念的能力。对于此类企业而言，将数据使用权授予那些擅长数据解析的机构成为可行方案，这些机构通常被视作数据中间商。其次，技术领先型企业拥有先进的数据分析能力，尽管不一定掌握海量数据和创造性思维，却能够为其他企业提供分析服务并以此获利。最后，创新型企业具备独特的大数据思维，能够挖掘数据的深层价值，这促进了它们的快速发展和市场定位，但也带来了外包服务导致的成本压力。

在这一生态中，处于两端的企业往往能获得更多利益，而中间环节的企业则面临转型或破产的风险。因此，互联网企业需根据自身特点明确定位，适时调整发展战略以应对挑战。

六、结论与展望

经过互联网的流量红利、移动化和大众化的阶段后，信用经济正逐渐成为未来十年最具潜力的增长点。这一趋势不仅改变了消费者在租车、租房、酒店入住等传统领域的体验，还推动了数码设备、乐器、办公设备等多样化的租赁模式，标志着制造业向服务业转型的趋势日益明显。信用成为了共享租赁市场发展的催化剂。然而，信用经济的发展伴随着多种风险，大数据分析技术的运用成为减轻这些风险的有效工具。例如，蚂蚁金服等互联网企业利用大数据技术推动信用经济的发展，提供了值得借鉴的实践案例，其他互联网企业可以从中获得宝贵的经验。