在美国，由于政府机构、公共服务部门、各行业组织及企业的信息化管理水平都很高，在不同层面形成了许多信息数据库。虽然有些数据库并不是专门为信用管理而建，但为信用数据的收集、处理、存储和分析提供了极大便利。

    “而在中国，以法院诉讼信息为例，征信工作人员不得不到法院或是媒体那里人工抄写。这样，一是浪费时间，二是错误率比较高。”余以恒说。

    在这种情况下，根据各自的资源状况，一些征信机构发挥自己长处，拓展自己的信息渠道。例如，商务部通过各个行业协会，来采集企业之间交易的信息。而邓白氏则在全球开展的付款记录交换计划，所参加的企业会把自己的客户的付款记录，与大家共享。“每个行业，也都有一个类似的非正式的平台，供大家共享。在中国，这个计划已经做了十年。”余以恒介绍说。

信息质量难保证 评级模型有待完善

    信息采集之后，如何进行信息管理，对于征信机构来说，同样不是一件容易的事儿。以邓白氏为例，要管理和维护1亿企业信息的数据库，平均每天的信息更改量是150万次。而在中国市场，信息质量难以保障的情况下，信息管理则更为艰难。

    余以恒介绍，导致信息质量低的原因主要有三方面，一是各部门和地区信息不共享。有些信息，从政府A部门来和从B部门来，都是不一样的。二是整理的经验不足。整理牵扯到很多判断，有些是可以通过计算机帮助判断的，但由于信息量不够，计算机很难做出判断。第三，采集到的信息量不足。“信用评级是建立在信息数量的基础上，因为在通过大量信息比对，更容易找出欺骗行为。”余以恒解释道。

    “在信息量不充足的情况下，发挥社会的力量，也是一个重要渠道。”例如，邓白氏和跨国研究会合作，推出企业国际信用推广和评级活动，“该活动除了为企业做评级模型之外，还是收集公众掌握的信息的渠道。”余以恒解释道，通过将评级的结果在网上展示，可以收集更多不同的反馈信息。

    除了信息质量之外，评级模型过于简单化，也是中国企业征信建设当中的一个通病。

    “在国外，对企业评级是非常重视的。很多大的跨过公司都做了评级模型，甚至评级程序都已经输入电脑，评级高的将被通过，如果评级有问题，才请专家去了解。”

    据统计，美国企业的信用交易比例已占到全部交易总量的90％以上，美国98%的企业都有内部信用风险管理制度，大中型企业都设有独立于销售部门(相当于银行的信贷部)的信用管理部门(相当于银行的信贷风险管理部)。在中国，做这种模型的企业还只是少量。“一方面是数据少，另一方面是企业没有认识到评级的重要性。”余以恒分析道。

    而这种信用管理部门的缺失，容易导致因授信不当使合约不能履行以及授信企业对履约计划缺乏管理而违约现象的频繁发生，又会因对合作客户信用状况缺乏了解而受骗上当。在信用体系更为健全和发达的美国，企业平均坏帐率只有0.25％-0.5％，平均应收账款回收时间只有37天(在放账期为30天的情况下)。

    不过，余以恒也指出，自邓白氏进入中国市场以来，十几年间，中国企业对信用体系的认知已经有显著提高。“目前一些大的企业，已经意识到要建立自己风险管理的办法，并通过对自己客户的评级，从而确定客户的信用额度。”

    但中国企业评级，大部分还处于专家人工评级的阶段。分析其原因，余以恒表示，做好企业评级必须具备以下三点，一是企业内部没有做好准备，更没有一套好的管理办法。第二，每个企业要有足够的数据，有些数据是必不可少的，比如企业的历史，创办的时间，跟它本身财政状况有差别的。第三，在评级的过程中，还有很多的模型要建立起来的，每次评级可能建立的指标或者是数据的比重是不一样的。而这些条件在中国企业都还你难以完全具备。