分享

社会信用体系建设大事记之四

 游刃有于 2023-02-10 发布于河南

九、推进企业信用风险分类管理进一步提升监管效能

2022年1月,市场监管总局印发《关于推进企业信用风险分类管理进一步提升监管效能的意见》(国市监信发〔2022〕6号),在市场监管系统全面推进企业信用风险分类管理工作。

图片

(二)基本原则。

  准确定位,服务监管。企业信用风险分类管理主要服务于“双随机、一公开”等监管工作,为监管数字赋能、信用赋能。分类结果作为配置监管资源的内部参考依据,不作为对企业的信用评价

  明确标准,科学分类。科学建立企业信用风险分类指标体系,动态管理指标和权重,综合运用各类涉企信息,依靠信息化手段实施及时、自动分类,客观反映企业信用风险状况。

  强化应用,分类施策。根据企业信用风险状况和监测预警结果,合理确定监管重点、监管措施、抽查比例和频次等,推动从无差别、粗放式监管向差异化、精准化监管转变。

  协同高效,共享共用。加强顶层设计,依法依规协同推进企业信用风险分类管理工作,充分归集企业信用风险信息,推动企业信用风险分类结果共享共用,实现监管效能普遍提升。

(三)工作目标。2023年底,各省级市场监管部门实现企业信用风险分类管理与专业领域监管的有效结合,建立健全适用于专业领域的企业分级分类监管机制。2024年底,市场监管系统全面实施企业信用风险分类管理,有效实现企业信用风险监测预警,努力做到对风险早发现、早提醒、早处置
(四)建立企业信用风险分类指标体系。市场监管总局建立通用型企业信用风险分类指标体系,实现全国范围内企业信用风险分类标准相对统一。重点从企业基础属性信息、企业动态信息、监管信息、关联关系信息、社会评价信息等五个方面构建分类指标体系,科学赋予指标权重,并根据监管实际不断更新调整,持续优化完善。
(七)按照信用风险状况对企业实施自动分类。各省级市场监管部门统一负责对本辖区企业进行信用风险分类,按照信用风险状况由低到高将企业分为信用风险低(A类)、信用风险一般(B类)、信用风险较高(C类)、信用风险高(D类)四类。要加强对企业经营行为和运行规律的分析,综合运用大数据、机器学习、人工智能等现代科技手段,对各类涉企信息进行汇聚整合、关联分析和数据挖掘,依托信息化系统进行自动分类。企业信用风险分类结果记于企业名下,按月动态更新,供各级市场监管部门及相关部门共享共用,并按照统一的数据规范推送至市场监管总局。
(八)实现与“双随机、一公开”监管有机融合。省级市场监管部门要将企业信用风险分类结果全量推送到“双随机、一公开”监管工作平台,与抽查检查对象名录库对接。各级市场监管部门在制定“双随机、一公开”监管抽查工作计划时,要根据企业信用风险分类结果,合理确定、动态调整抽查比例和频次,实施差异化监管。对A类企业,可合理降低抽查比例和频次,除投诉举报、大数据监测发现问题、转办交办案件线索及法律法规另有规定外,根据实际情况可不主动实施现场检查,实现“无事不扰”;对B类企业,按常规比例和频次开展抽查;对C类企业,实行重点关注,适当提高抽查比例和频次;对D类企业,实行严格监管,有针对性地大幅提高抽查比例和频次,必要时主动实施现场检查。抽查检查结果要及时通过“双随机、一公开”监管工作平台共享至企业信用风险分类管理系统,为企业信用风险分类结果动态更新提供实时数据支持。
(九)推进与专业领域风险防控有效结合。通用型企业信用风险分类不代替市场监管各专业领域对企业的分级分类。食品、药品、特种设备等直接关系人民群众生命财产安全、公共安全,以及潜在风险大、社会风险高的重点领域,在按照现有规定实行重点监管的同时,要统筹行业风险防控和企业信用风险分类管理,强化业务协同,实行全链条监管。市场监管其他专业领域,可以直接使用通用型企业信用风险分类结果,也可以参考通用型企业信用风险分类管理模式,构建本领域的分级分类监管机制。
(十二)加强企业信用风险监测预警。各省级市场监管部门要结合企业信用风险分类管理,积极推进企业信用风险监测预警,在企业信用风险分类管理系统中构建监测预警模块。要根据各专业领域监管需求、监管重点,把握日常监管中发现的带有普遍性、规律性的高风险行为特征,从企业信用风险分类指标体系中选取若干与企业信用风险关联度高的重点指标项,如异常注册、异常变更、投诉举报异常增长等,进行实时监测,对企业风险隐患及时预警,推动监管关口前移。要按照“谁审批、谁监管,谁主管、谁监管”的原则采取提醒、警示、约谈、检查等措施,依法处置企业风险隐患。

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多