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。

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。

指标体系的设计贯彻高质量发展理念，基于信用理论和全面质量管理理论。

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。

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。

市场监管系统全面应用。依托全省统一的行政执法监管平台，应用模型开展“双随机、一公开”监管，涉及任务5300多个，其中80%的抽查任务关联企业信用风险，累计检查企业近9.5万户次，同比减少56.8%。关联企业信用风险的抽查问题检出率34.3%。

全省37个行政执法监管部门。依托全省统一的行政执法监管平台，应用模型开展“双随机、一公开”监管，涉及任务2万个，检查企业22万户次，模型的总问题检出率为27.9%。