服务热线: 0931-8486486 关注我们:
  • 微信号:CreditGs   
  • 征信甘肃微信公众平台
 滚动新闻:
您现在的位置: 首页 >> 研究文献 >> 正文

大数据信用评估【深度专题】

【信息时间:2015-06-20     来源:大数据文摘】   【我要打印】  【关闭】
 
编者按:当阿里通过数据进行小微企业贷款的时候,大家肯定会想,数据是如何用来做信用评估的。本文通过美国益百利(Experian)、艾克发(Equifax)和环联(Trans union),以及费埃哲公司和Equifax(艾可飞),深入分析了美国数据征信的经验和启示,希望对国内数据征信有所借鉴。
 
       当阿里通过数据进行小微企业贷款的时候,大家肯定会想,数据是如何用来做信用评估的。在“用数据做信用评估”这件事情上,业界有很多好的参考案例。
呵呵,看到题目,其实,美国的征信体系是全球最先进的,改成“美国征信体系介绍”都不为过。
       全球三大商业个人征信巨无霸即益百利(Experian)、艾克发(Equifax)和环联(Trans union)。三大巨头均从美国兴起,通过收购和信用合作等方式不断向全球扩张,以在海外广泛设立分支机构的方式把业务几乎覆盖全球,逐步发展成为完全国际化的世界性个人征信组织。这三家大牛现在已经不仅仅单纯的是征信公司了,还涉及了数据相关的解决方案业务,通过对数据的增值能力,成长为全球的领袖。

1、益百利(Experian):规模最大

       益百利(Experian)是伦敦证券交易所上市企业,入选金融时报100指数成份股。公司总部设在爱尔兰共和国的首都都柏林,同时在美国加利福尼亚和英国诺丁汉等地设有运营总部。益百利在美国和英国都是最大的个人信息产品供应商,在全球30多个国家雇用员工12,500余人,拥有3亿自然人客户和3000万个企业客户,仅信用报告一项服务年产值就在20亿美元以上。益百利(Experian)通过会员制形式向具有一定规模和声望的客户提供征信服务,其信息主要来自于与之签订协议的会员,服务范围涵盖了从金融服务到电信、医疗、保险、零售、汽车、制造业、休闲产业、公用事业、房地产和政府部门。公司提供的数据分析智能、决策解决方案和处理服务确保在帮助客户更好地了解市场的同时支持他们开发和管理有利可图的顾客关系。
表1 Experian主要财务指标一览
项目
2005年
2006年
年度总收益
$2.5b
$3.1b
年度息税前盈余
$567m
$727m
年度税前利润
$548m
$638m
总资产
$5,248m
$7,664m
总负债
$5,250m
$7,044m
注:单位为美元,b=billion(十亿), m=million(百万); EMEA/A.P.包括欧洲、中东、非洲和亚太地区。

2、艾克发(Equifax):历史最久

       艾克发(Equifax)是纽约证券交易所上市企业,S&P 500 指数成分股,附属于美国大百货公司PLC。公司拥有近108年的历史,在全球13个国家拥有员工4600余人。该公司通过专职业务代表专项调查的方式进行相关业务操作,提供的个人信用信息服务对象包括了商业银行、财务公司、保险公司、制造商、零售商、公用事业公司以及联邦政府机构等。
表2 Equifax主要财务指标一览表
项目
2006年
2005年
年度总收益
$1.4b
$1.5b
年度息税前盈余
$415m
$390m
每普通股红利
$0.16
$0.15
总资产
$1,790m
$1,831m
总负债
$952m
$1,011m

3、环联(Trans Union):发展最快

       环联(Trans Union)创建于1968年,公司总部设在芝加哥,拥有2.2亿消费者姓名和档案资料,覆盖美国、加拿大、维尔京群岛和波多黎各。公司向全世界6大洲30多个国家提供产品和服务。在数据采集方面,环联(Trans Union)拥有7000个数据供应机构,不断地向它提供数据更新,从而使公司有能力、有资源每个月对2.3亿的客户资料进行12次数据更新,每次更新涉及20亿条数据档案记录。

CIDA一夫当关——元数据标准的统一

       CDIA是美国征信局协会的缩写。这个公司通过发布征信数据的标准征集模板,统一了征信体系的数据采集问题。制定了标准数据搜集格式Metro1和Metro2。(征信数据元是征信领域内反映被征信人的特性及信用状况的数据单元,是通过定义、标识、表示以及允许值等一系列属性描述的不可再分的最小数据单元,如借款人名称、登记注册类型、登记注册号、学历、还款日期、还款方式等都是通过一系列属性进行描述的征信数据元。)
       通过这个标准,数据采集的统一格式,使得美国个人征信局能够及时低成本、高效率地更新自己的数据库,也为金融机构等征信业“原材料”生产部门上报数据提供了便利。

三大公司百花齐放——先进的数据处理和模型评分技术

       由于Metro标准的存在,美国三大个人征信局的数据库内容基本一致,但为什么三大机构的业务会有所不同呢?事实上,Metro标准只是提供了一个数据的原始输入格式,三大征信局都会对这些原始的数据进行各具特色的数据变换和数据加工,于是这些数据变换和数据加工技术成为三大征信局的关键技术,也就是它们各自拥有的“黑匣子”。
       数据处理首先涉及到数据的存储、管理和维护,这些是由数据库技术来实现的,但数据库技术并不是征信公司所特有的核心技术。征信公司的核心技术有两个:一是个人信用数据的配对技术,即把有关某人的信用数据甄别出来,集中到一起形成整体;二是个人特征变量生成技术,即把有关某人的、数量庞大的原始数据进行加工,形成数个中间变量,最终生产出可以供商业运作和商业数据模型开发的“特征变量”,使得这些变量能够准确、完整地刻画该人的风险特征和价值特征。例如,益百利(Experian)公司用来作数据处理的一个程序系统是STAGG。STAGG通过“过滤器”技术对征信数据进行筛选,将筛选出的数据放入相应的细分类别中,便于进行集中管理。除“过滤器”之外,STAGG用的第二层工具被称为“变量”。变量是把经过初步分类即经过过滤的数据再进行一些计算,从而形成“特征变量”。
       三巨头背后的大佬——费埃哲公司。这个公司的FICO信用评分模型,至今是信用模型体系的标准,尽管很多新的硅谷公司采用引入外部数据的方式增加评分模型变量和维度的数量,但是核心的指标还是FICO的这几个。 模型评分技术属于个人征信技术序列的高端技术。美国三大信用局首选使用的都是Fair Isaac推出的FICO评分系统,该系统的基本思想是:把借款人的信用历史资料与数据库中全体借款人的信用习惯相比较,检查借款人的发展趋势跟经常违约、随意透支、甚至申请破产等各种陷入财务困境的借款人的发展趋势是否相似。
       1956年,斯坦福大学的几名数学专家创立了一个公司“Fair Isaac Company” 。公司当时的愿景就是希望利用数据分析预测风险变量,从而帮助银行控制信用贷款的规模。后来,随着公司的发展,公司的模型被大量广泛的应用,FICO的简称因此得名。如今,FICO的分析技术正保护着全球2/3的信用卡业务,仅在美国就帮助各类机构实现高达100亿美元的审批贷款决策,可见其数据分析与预测技术的功底。 该公司最初专注于信用评分,开发了第一个商业信用评分系统,同时,这个系统第一个用于自动化的信用申请处理。在20世纪80年代,该公司推出了第一款自适应控制系统的账户管理系统,打通了客户风险管理的前端和后端。20世纪90年代,开始着手营销相关的信息系统,可以帮助企业进行贯穿于整个客户生命周期的客户管理。现在,专注于帮助企业做出更明智的决策。 市场地位:毫无疑问的细分市场领袖。
       国内的建行交行都是他们的客户,交行还因为用了这个系统得了个奖。
       言归正传。FICO模型有哪些?在美国,有三家信用管理局。就是下表中的三家。每家都用自己的用户信息收集和管理的系统。FICO基于三家不同的系统为每家单独开发了相关的模型。即使客户的历史信用数据在三个信用管理局的数据库中完全一致, 从不同的信用管理局的评分系统中得出的信用得分也有可能不一样, 但是相差无几。这主要是由于三家信用管理局的信用评分模型是在相互独立的基础上开发的, 可能导致同样的信息以不同的方式进行存储, 这种微小的差异会最终带来分数上的不同。

信用管理机构
评分系统
Equifax
BEACON
Experian
ExperianPFair Isaac Risk Model
TrainsUnion
FICO Risk Score, Classic

FICO 评分模型中所关注的主要因素有五类, 分别是客户的信用偿还历史、信用账户数、使用信用的年限、正在使用的信用类型、新开立的信用账户。评分权重占比如下:

(一) 偿还历史

       影响FICO得分的最重要的因素是客户的信用偿还历史, 大约占总影响因素的35%。支付历史主要显示客户的历史偿还情况, 以帮助贷款方了解该客户是否存在历史的逾期还款记录, 主要包括:
( 1) 各种信用账户的还款记录, 包括信用卡( 例如: Visa、MasterCard、AmericanExpress、Discover) 、零售账户(直接从商户获得的信用) 、分期偿还贷款、金融公司账户、抵押贷款。
(2) 公开记录及支票存款记录, 该类记录主要包括破产记录、丧失抵押品赎回权记录、法律诉讼事件、留置权记录及判决。涉及金额大的事件比金额小的对FICO 得分的影响要大, 同样的金额下, 越晚发生的事件要比早发生的事件对得分的影响大。一般来讲, 破产信息会在信用报告上记录7- 10年。
(3) 逾期偿还的具体情况, 包括, 逾期的天数、未偿还的金额、逾期还款的次数和逾期发生时距现在的时间长度等。

(二) 信用账户数

       该因素仅次于还款历史记录对得分的影响, 占总影响因素的30%。对于贷款方来讲, 一个客户有信用账户需要偿还贷款, 并不意味着这个客户的信用风险高。相反地, 如果一个客户有限的还款能力被用尽, 则说明这个客户存在很高的信用风险, 有过度使用信用的可能, 同时也就意味着他具有更高的逾期还款可能性。该类因素主要是分析对于一个客户, 究竟多少个信用账户是足够多的, 从而能够准确反应出客户的还款能力。

(三) 使用信用的年限
 
       该项因素占总影响因素的15%。一般来讲, 使用信用的历史越长, 越能增加FICO 信用得分。该项因素主要指信用账户的账龄, 既考虑最早开立的账户的账龄, 也包括新开立的信用账户的账龄, 以及平均信用账户账龄。据信用报告反映, 美国最早开立的信用账户的平均账龄是14 年, 超过25%的客户的信用历史长于20年, 只有不足5%的客户的信用历史小于2年。

(四) 新开立的信用账户

       该项因素占总影响因素的10%。在现今的经济生活中, 人们总是倾向于开立更多的信用账户, 选择信用购物的消费方式, FICO 评分系统也将这种倾向体现在信用得分中。据调查, 在很短时间内开立多个信用账户的客户具有更高的信用风险, 尤其是那些信用历史不长的人。该项因素主要包括:
(1) 新开立的信用账户数, 系统将记录客户新开立的账户类型及总数;
(2) 新开立的信用账户账龄;
(3) 目前的信用申请数量, 该项内容主要由查询该客户信用的次数得出, 查询次数在信用报告中只保存两年;
(4) 贷款方查询客户信用的时间长度;
(5) 最近的信用状况, 对于新开立的信用账户及时还款, 会在一段时间后, 提高客户的FICO 得分。

(五) 正在使用的信用类型

       该项因素占总影响因素的10%,主要分析客户的信用卡账户、零售账户、分期付款账户、金融公司账户和抵押贷款账户的混合使用情况, 具体包括: 持有的信用账户类型和每种类型的信用账户数。
       费埃哲公司的评分标准已经成为了美国征信业的事实标准。国内很多公司包括宜信等都是基于这个评分模型进行二次开发的。下面通过Equifax(艾可飞)公司的案例来看看,这种数据类型的公司是如何赚钱的。
       作为美国三大征信所之一,Equifax(艾可飞)公司存储着所有美国成年人以及另外16个国家公民的财务数据,其中包括全球5亿个消费者和8100万家企业。这些信息可谓是五花八门:哪些人在共享同一电话号码或地址、牙齿治疗贷款的申请、杂志订阅、租赁历史记录、房地产资产、投资理财、购买零售商品、纳税申报单类型、婚姻状况、就业状况、水电费缴付、有线电视账户、犯罪记录、债务收入比、地址更改、机动车档案、邮政信箱、推断某人能否支付账单、预测某人的支付意向,与过去和潜在的欺诈犯罪有无关系等。
       这些看起来杂乱无章的海量信息,经过交叉分析和索引处理后,变成26 PB的数据。这个数字已经超过了美国联邦调查局的调查数据仓库(据说是联邦调查局最庞大的数据存储库)的10亿份不重复文档。

       新产品的推出

       Equifax在过去几年中,相继推出了大批基于大数据的新产品,这些产品旨在实现两个目标:为4.6万家企业客户降低风险,以及促进营销。
       其中一款新产品可以帮助企业应用分析技术避免不良客户。据了解,Equifax的开发人员在这款产品中结合消费者个人信用评分和水电费支付历史记录而建立新的分析模型。分析结果将帮银行决定,是否值得花时间去争取那个信用卡支付曾到期未付的客户。Equifax还有一款新产品可以用来实时监测信用报告查询的系统,以及时发现犯罪苗头。Equifax综合数据解决方案部门副总裁Keith Manthey说:“骗子发现有效的行骗手段后,就会迅速共享和使用。该系统可以对查询速度及其他因素进行评分来判断这项申请是否为骗子所为。”
2011年,Equifax收购了一家商业智能工具公司和工作流软件开发商。事实上,在过去的5年中,Equifax共斥资17亿美元收购了多家数据收集和技术公司。这与Equifax在成立之初50年,一直采用纸张分类账的做法大相迳庭。

       新IT架构的支撑

       对海量数据的分析挖掘工作需要付出大量的IT成本。以往,拥有大量数据的公司需要建立大型数据仓库,并在大规模并行处理系统上运行。Brooks表示,建立大型数据仓库所需硬件成本太高,另外关系型数据库的架构也阻碍了对非结构化数据的查询。因此,Equifax存储和检索数据的方式一反传统,它并没有将这项工作视做处理查询,而是将它视做交付内容,将数据分布在低成本服务器集群上,由IT部门开发专有的分布式检索技术来查找信息。
       Brooks说:“由于我们对数据量、交易查询量和响应时间的要求都很高,因此,我们一直小心谨慎,以免盲目跟随行业标准的做法。业内的传统做法需要建设庞大而复杂的基础设施,但如果换个角度考虑,其实这些基础设施建设就变得没有必要。”
       目前,Equifax的数据专家要花时间对从公共和私人来源整合而来的数据进行重复数据删除和清洁处理,但他们不会一味地要求一个消费者只有惟一的一份信息。“上下文更重要。”他说,“实际上,他们是对的。现在,我们更多地考虑观察结果,而不是所谓的事实。”
 
       人成为挖掘的对象

       挖掘宝贵信息的一个常用方法是,对数据集进行混合搭配,寻找其中关系。例如,单身女性的百货商店签账卡的信用额度是否表明了她们有租赁汽车的意向?这种看似不着边际的尝试也许为营销人员带来非常有用的结果。
       益百利最近发现,使用社交媒体的成年人比其他互联网用户更愿意逛星巴克。因此,星巴克或与之竞争的咖啡店可能希望在Facebook上加大广告投放力度。
       在Equifax看来,宝贵信息有时还来自高管的灵光乍现。2011年春,CNN报道了一则关于涉案价值达50万美元的信用卡欺诈的新闻。新闻称,两兄弟与贝弗利山一家牙科诊所的雇员密谋,捏造了数百名的病人信息。他们伪造病人姓名、社会保障号码及其他个人数据,然后由诊所雇员向假病人发放牙齿治疗贷款。之后,该雇员再将贷款和虚假支付记录上报给益百利,以Garnik Dumanov和Grisha Stpanov之类的姓名建立了信用历史记录。
这起案件激发了Webb的想象力,Equifax能不能识破这样的骗局?
Brooks、Manthey及其他同事进一步详细了解了这起欺诈案件,从Equifax的众多记录中调阅相关数据(不仅仅是信用报告)。然后,他们开始测试分析信息的新方法,以期获得他们已经知道属实的结果:比如,Stpanov之流不可能真有其人。
       Brooks说:“正常人会在许多方面留下痕迹,但虚构的人不会。”拥有有效身份信息的人即便没有信用记录,通常也会因缴付话费或订阅杂志等原因出现在其他一些文件中。而虚构的人则会在申领到信贷额度后会“人间蒸发”。最终,这种逆向分析促成了新的欺诈检测工具,Equifax的安全团队可以与客户一起使用该检测工具。
       一年多来,三大征信所接到了来自美国银行、富国银行及另外19家银行关于采用诸如此类虚假身份申请信用卡的查询请求,银行看到良好的信用评分后才予以审批。另外,移动运营商和汽车经销商在办理新手机账户和提交客户购车贷款前也都要先查询这三大征信所的消费者信用数据。

       财务报告之外

       在Webb看来,抵押贷款领域的新法规给Equifax带来了另一个机会。
2010年出台的《多德-弗兰克华尔街改革和消费者保护法案》要求金融机构对不良贷款负更大的责任。Webb表示,金融专家们评估抵押贷款风险时意识到,简单的信用评分无法为银行决定该不该批准为大额贷款提供足够信息。
       Equifax迅速推出了未公开债务监测(Undisclosed Debt Monitoring)服务,这项服务用来监测借款人从抵押贷款获审批到截止日期这段时间内的主要支出情况。例如,借款人可能因在抵押贷款获批后办理汽车贷款,从而改变借款人的还款风险评估状况,这将超出银行为其抵押贷款交易而设定的条件。
       此外,Equifax还将这种技术融入到了创收产品中,以适应完全不同的情况。比如,实时的身份验证有助于电信公司避免遭到欺诈。Equifax可以为电信公司证实用户是否确有其人,此前是否一直按时缴纳手机账单。经过这样的身份验证,电信公司就可以放心地将手机卖给用户。
       电信公司还可以向Equifax购买市场营销服务。Equifax可以告诉电信公司,相应指定用户的财富评分是否够高,在夏季是否有开支很大的习惯,在使用社交媒体方面是否很积极。电信公司依此情况,可以采用向上销售手段,向用户推销售价更高的手机,如果用户随后又介绍了两个社交媒体朋友与电信公司签约,用户的数据服务方案还可以打折。
       “当客户与商家接触时,这种向上销售的效果最好。”Webb介绍道,“但商家在几星期后给客户邮寄小册子,甚至几天后发电子邮件,销售效果都要差很多。”趁客户还在,实时的身份验证和“决策”服务可以让零售商、电信公司及其他商家成交更多、价值更高的单子。
       现在Equifax的涉猎范围已经远远超出了金融领域,身份也绝不局限于一家征信所。如果病人和医务人员需要在网上向医院提交身份证明,可以使用该公司的身份验证技术,这项技术会提出一些问题,只有答题者本人知道答案。2011年,Equifax开始帮助美国国土安全部和美国公民及移民服务局核查移民的就业资格。
       在征信机构建立之前,个人的信用信息是通过商人自建的网络流传,这些网络是由亲属关系、婚姻关系、宗教关系和其他个人纽带形成的。或者,这些信息在商人内部集团传播,比如圆桌会议、协会和互助社团(例如,在德国建立的大型征信机构“信用改革”即始于1879年的一个互助社团)。在所有这些例子中,信息分享权仅限于成员,没有人或者极少有人试图从提供的服务中盈利。但是,随着信用交易规模的扩大,自主调查的成本越来越高,效率越来越低;信息小范围的传播越来越达不到市场经济发展的要求。在经济发展的内在要求下,此类调查独立成一个专门的行业,即信用信息服务业,于是大型商业征信机构日渐崛起。
       1999年,上海资信有限公司的成立标志着我国个人征信体系建设拉开帷幕;2002年,深圳鹏元公司获得开办个人信用征信及评级业务资格;2004年初,人行个人信用信息基础数据库开始筹建,并于2005年8月底完成与全国所有商业银行和部分有条件的农村信用社的联网试运行,2006年1月正式运行;2006年末,人行的个人征信数据库覆盖全国,为5.33亿自然人建立了信用档案,住房公积金和电信相关数据也已成功接入系统。在商业个人征信领域,除上海资信和深圳鹏元外,新华信等一些资信评估机构也把个人征信业务作为辅助性业务来做,但规模非常之小。由此可知:我国个人征信业虽然实现了很多零的突破,但由于刚刚起步,本土个人征信企业的供给能力严重不足,自身发展存在很多硬性约束,最为突出的是技术的落后和产品的单一。

       技术落后导致征信中介机构发展缓慢

       征信是技术含量很高的工作。征信技术主要包括数据采集技术、数据处理技术、模型评分技术和数据报告技术等等。就目前国内实情来看,征信技术非常落后,几乎没有自主技术。2002年,上海资信推出了信用风险评分业务。为此,上海资信与国外某资信公司签订了技术合作协议。从协议中可以看出上海资信付出了高昂的代价,其中包括:
(1)接受对方提出的排他性条件;
(2)承认对方提供的评分模型是一个黑匣子;
(3)每次使用都要向对方付费。撇开技术本身的优劣不谈,从长远来看,上海资信由于缺乏核心技术,付出了相当大的代价。这一现象具有普遍意义,凸显出我国征信技术落后的现实,值得深思。

       产品单一导致信用信息服务供求双重不足

       20多年跨越式、粗放型的发展模式给处于市场经济初级阶段的中国经济带来了不少弊端,国民经济和社会生活中存在一些亟待解决的矛盾。在这些矛盾中,与市场经济发展息息相关且比较尖锐的有两个:一是经济增长速度较快但质量不高,市场中存在大量失信违约行为,经济的可持续发展受阻;二是市场经济的日益发达带来了信用交易的繁荣,信用信息服务具有大量的潜在需求,但本土征信企业却不能提供丰富的产品和服务来激发这个潜在需求,征信无法满足信用交易的实际需要。
       技术落后使得基础征信产品不成熟,高级征信产品缺乏。这不但限制了征信业本身的发展,也使征信业对金融业和其他行业的支持力度十分有限。由于产品单一,个人征信机构不能有效地帮助他们的客户了解市场、维持并开发客户关系;不能帮助消费者了解、管理和保护他们的个人信息并控制其生活关键阶段的财务事宜而增进消费者的金融健康。因此,产品单一使得征信市场供给匮乏;对于中国这样的非征信国家而言,征信企业供给不足则潜在需求无法转化为有效需求,整个市场就陷入了需求和供给双重不足且相互影响的恶性循环。
       2004年2月10日,温家宝总理在全国银行、证券、保险工作会议上强调:积极发展专业化的社会征信机构,有步骤、有重点开放征信服务市场;2004年9月29日,国务院副总理黄菊在发给“征信体系公共政策”国际研讨会的贺信中指出:中国将积极发展专业化的社会征信机构,逐步开放征信服务市场。根据入世协定,个人征信业属于金融服务的第二大类必须逐步开放 。正是在这个宏观背景下,我国征信业几乎是在建立的同时就引入外资,有别于其他行业。目前,邓白氏(D&B)、益百利(Experian)、艾可飞(Equifax)和环联(Trans union)全球四大征信机构已悉数进驻中国。由此可以预见:引入境外个人征信机构能够获得未来法律上的正式认可。事实上,很多地方政府已经为本地区个人征信业引入外资“验明正身”。政策支持是外资进入中国征信业的强大推动力。

       下一步如何做?

       目前国际主流的征信公司本质都是大数据公司。对数据的存储,处理,使用和增值的能力是新的核心竞争力。信用是目前最成熟的最被大众接受的数据产品形式。尽管有隐私的相关风险,但是大众还是普遍接受信用记录,信用分等等的数据由商业机构调查或使用。通过数据能力进行信用数据产品的生成基本成为该行业标配。对数据的驾驭能力将形成差异化的竞争优势。这一优势有助于公司提供差异化的数据服务给客户。这也给了一些IT技术服务提供商一个山鸡变凤凰的机会,就看大佬们是否能抓住了。
       国内目前的数据公司很少,主要原因是人才跟不上。特别是交叉复合型人才。数学好的都去了美国,国内的人才数学基础普遍较差。金融口是对数据需求量最大的业务归口,但是金融相关和金融IT相关的人才更是沙里淘金。国内的金融业务的核心业务系统基本被外资垄断更是国内金融IT高端人才匮乏的现实例证。如何突破“卖服务就是卖人头”的困境,还需要有突破型的创新,现阶段的互联网金融基本还是做很基础的渠道业务,核心的创新寥寥,这也是未来3——5年新兴企业创业的机会。
       最后,希望国内真正能够出现一家伟大的数据公司。任重道远。
    

上一篇: 美国的信用分数详解     下一篇: 中国个人信用地图

设为首页 | 加入收藏夹 | 联系我们 | 在线留言
主运营单位:甘肃诚信中小微企业信用信息管理中心
电话:0931-8486486    陇ICP备16003825号-1    ©2014-2021 诚信甘肃V3.0
QQ客服:2387158390