当前位置: 首页 » 政策法规 » 法规解读 » 山东省市场监督管理局关于《山东省市场监管系统企业信用风险分类管理办法(试行)》的政策解读

山东省市场监督管理局关于《山东省市场监管系统企业信用风险分类管理办法(试行)》的政策解读

扫描二维码 分享好友和朋友圈
放大字体  缩小字体 发布日期:2020-07-10 11:35:54  来源:山东省市场监督管理局  浏览次数:2121
核心提示:山东省市场监督管理局就《山东省市场监管系统企业信用风险分类管理办法(试行)》主要内容和主要特点进行了解读。
    一、制定文件的必要性

    推进企业信用风险分类管理是实现精准监管的有效路径。《国务院关于加强和规范事中事后监管的指导意见》(国发〔2019〕18号)明确要求,“推进信用分级分类监管,依据企业信用情况,在监管方式、抽查比例和频次等方面采取差异化措施”。今年以来,省委省政府先后将信用风险分类管理工作列入“重点工作攻坚年”、差异化监管流程再造、优化营商环境的重点改革事项。为适应新形势新要求,提升“双随机、一公开”精准监管、智慧监管水平,促进新型市场监管机制的完善,有必要制定《山东省市场监管系统企业信用风险分类管理办法(试行)》(以下简称《管理办法》)。

    二、主要内容和主要特点

    《管理办法》分为总则、企业信用风险分类、差异化监管措施、信用风险分类管理联动、责任追究、附则6个章,共31条,坚持问题导向和目标导向,创新工作举措,在以下方面进行了探索创新,构建了企业信用风险分类管理工作的完整制度框架,使各项制度更具可操作性,符合山东实际,体现山东特色,也是机构改革后,省级市场监管部门制定的第一个企业信用分风险分类管理办法。一是理念更加科学。实施企业信用风险分类,主要是服务于精准监管,采取差异化监管措施。与天津、福建、安徽等省份相比,我省坚持“不评价、不惩戒、不公开、不免抽”的原则推进有关工作,不对企业信用状况进行评价,只评估企业的信用风险状况,不得以此实施部门联合惩戒;企业信用风险分类结果仅作为市场监管部门配置监管资源的参考指标,不得向社会公开;企业信用风险分类高低只有抽查比例和抽查频次的区别,对任何企业都要利剑高悬,不搞免于抽查,更不为企业背书。二是目标更加明确。《管理办法》规定,综合分析各类涉企信用信息,利用互联网、大数据、机器学习等现代技术手段,对企业信用风险进行自动判别和自动分类,对主要风险点进行精准识别和监测预警,实现对风险行为早发现、早提醒、早处置,提高监管及时性、精准性、有效性,更好服务“双随机、一公开”监管,提升智慧监管能力。三是指标更加合理。全面整合融合国家“互联网+监管”系统和各省指标体系,选择企业属性、登记许可、年报公示、合规信息、舆情关联、关联企业、经营能力等7个维度建立三级指标体系,科学赋予指标权重,建立企业信用风险分类管理模型,由企业信用风险分类管理信息化系统自动对企业分为ABCDE五类。四是分类更加灵活。立足监管实际,创新提出定量分析与定性判定结合的原则。单纯的定量分析,是过去监管信息和经营行为行为的综合分析,对发现监管风险,具有一定的滞后性。《实施办法》创新提出定性分析的制度设计,分别规定了在大数据监测、舆情监测等监管中,被发现存在法律法规和规章规定的严重失信行为等5种情形不考虑得分,直接判定为信用风险等级最高的E类企业,有效弥补了定量分析的不足。五是预测更加精准。依据企业信用风险分类状况与企业违法违规风险之间的正相关原理,实行企业信用风险分类管理与企业违法违规风险分析联动,加强企业违法违规的风险监测、分析预警、风险处置和跟踪反馈工作,提升信用监管科学性。六是措施更加具体。将企业信用风险分类与“双随机、一公开”监管、重点监管等工作有机结合,提升监管的精准化和智能化水平。从日常监管、“双随机、一公开”监管等方面分类明确了不同类别企业的差异化监管措施,引导监管资源“好钢用在刀刃上”。
食品伙伴网提供标准法规解读、舆情监控、合规咨询、申报注册等服务。
电询:0535-2129301
QQ:2891238009
食品标法圈
实时把握食品标法动态
请扫码关注食品标法圈

声明:

① 凡本网所有原始/编译文章及图片、图表的版权均属食品伙伴网所有,如要转载,需注明“信息来源:食品伙伴网”。
② 凡本网注明“信息来源:XXX(非食品伙伴网)”的作品,均转载自其他媒体,转载目的在于传递更多的信息,并不代表本网赞同其观点和对其真实性负责。
※ 邮箱:law#foodmate.net(发邮件时请将#换成@) QQ:139307733

 
 
[ 政策法规搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 [ 关闭窗口 ]

 

 
 
推荐法规解读
点击排行

法规中心  关于我们  广告业务  联系我们  信息服务

Processed in 0.034 second(s), 10 queries, Memory 4.6 M