編者語：

　　大數據和互聯網技術廣泛的應用，對我國的金融生態產生深刻的影響，同時也爲小微企業融資提供了新的平臺和渠道。本文分析了互聯網大數據在小微金融領域應用的邏輯、實踐以及需要注意的問題。本文指出，大數據技術在互聯網金融領域的創新應用，爲小微企業的金融業務發展創造了更多可能。敬請閱讀。

　　文/嚴強（磁金融CEO）

　　小微企業融資難始終是其生存、發展的障礙和瓶頸。雖然近幾年來，我國已經出臺多項政策扶持該類企業健康融資,爲其貸款提供相應便利,但小微企業融資難問題依然存在。信息不對稱帶來的融資受阻或高成本是小微企業融資困境的癥結所在。

　　伴隨金融科技的不斷完善，大數據和互聯網技術得到日益廣泛的應用，這對我國的金融生態產生深刻的影響，同時也爲小微企業融資提供了新的平臺和渠道。大數據技術在互聯網金融領域的創新應用，更爲小微企業的金融業務發展創造了更多可能。

　　互聯網帶來小微企業生態的演變

　　截至2018年9月末，全國銀行業金融機構小微企業貸款餘額33.04萬億元，佔各項貸款餘額的30.4%。小微企業貸款較2018年年初增加2.30萬億元，較上年同期增速達到11.4%，比各項貸款平均增速低1.40個百分點；截至2018年6月末，小微企業貸款用戶數達到1699.05萬戶，較上年同期增加281.82萬戶。

　　其中，國有行仍是服務小微企業的主力，農商行、城商行對小微企業的支持力度在加大。一方面，國有行作爲我國金融系統的基石，一直踐行着服務於實體經濟的理念。另一方面，通過Wind數據對比發現，2015年一季度末，國有行、城商行、農商行小微貸款餘額佔商業銀行全部小微貸款餘額的比例分別爲35.2%、20.13%、20.74%，而到了2018年第三季度末，佔比變爲29.18%、24.29%、27.21%，城商行和農商行的佔比明顯提升。

　　根據央行發佈的《2018年第一季度銀行家問卷調查報告》，當前小微企業貸款需求指數達66.3%，同比上升3.7個百分點，創2015年第二季度以來新高。更值得注意的是，隨着防控系統性金融風險和結構性去槓桿政策的逐步落地，商業銀行的風險偏好明顯下降，銀行貸款審批指數創2015年以來新低爲44.6%。另外，根據世界銀行2018年發佈的《中小微企業融資缺口：對新興市場微型、小型和中型企業融資不足與機遇的評估》報告，我國中小微企業潛在融資需求達4.4萬億美元，融資供給僅2.5萬億美元（16.5萬億人民幣），潛在融資缺口高達1.9萬億美元，缺口比重高達43.18%。

　　在金融強監管、社會融資急劇萎縮的大環境下， 資金的需求與供給端缺口進一步擴大。據工商總局、銀保監會數據統計，2017年資金的需求與供給端缺口接近30萬億元，該口徑下統計缺口相比2015年預期有較大擴張。主要是因近兩年我國小微企業數目明顯增多所致，這與2015年年底的“大衆創業，萬衆創新”的提出及隨後的創業潮有關；另外金融機構信息不對稱，數據收集難導致成本高風險大，加上部分企業利用銀企信息不對稱，虛假做大結算流量套取信用，假造交易、多頭授信、欺詐融資，導致小微企業貸款不良率居高不下，金融機構進而對小微企業敬而遠之。信息不對稱帶來的融資受阻或高成本正是小微企業融資困境的癥結所在。

　　小微企業具有資產輕、規模小、行業散、治理弱（輕、小、散、弱）的天然短板，再加上受經濟下行的影響，生存壓力大。互聯網的發展使小微企業的生態發生了巨大變化。在互聯網大數據時代，無論從事工業品還是消費品行業，無論銷售產品還是提供服務，不通過互聯網平臺難以提高銷量，不用網絡支付或許會丟失大部分消費者。小微企業無論是主動還是被動都須投入互聯網的懷抱，使跨區域、跨行業的小微企業被平臺化、線上化，行業和客羣極度分散的現象得到改變。互聯網金融的信息數據更加對稱、資金配置邊際成本低、金融服務效率較高的優勢可以有效解決對小微企業信用、資產、現金流等情況的評估。

　　需要注意的是，自2013年起，互聯網金融潮起潮落，在小微領域幾乎鮮有成功的案例。得益於互聯網的發展，B2B大量湧現，小微企業行業垂直化、客戶場景化、信息數據化成爲常態，所以依照長尾理論，無論在營銷獲客方面還是風險評估方面，互聯網大數據在小微金融領域都大有可爲，其對完善小微企業融資渠道，提高小微企業的融資效率將發揮重要作用。

　　國內小微金融三大模式

　　德國IPC模式。以泰隆銀行、台州銀行爲代表，不追求抵押，客戶體驗好，風控紮實，銀行自身收益也高。此模式的難點在於過度依賴信貸員，難以複製。十幾年以來，這兩家銀行一直是監管部門服務小微的標杆，但國內未出現第二家泰隆、台州銀行，既有體制機制的原因，也有模式自身的原因。

　　信貸工廠模式。國內大部分銀行採用此種模式，以民生銀行、招商銀行爲代表。此模式獲客和風控都採取了批量化，操作成本低，上量快，但忽視了資產穿透，弱化了個體信用風險。在經濟下行的情況下，大面積風險暴露在所難免。

　　互聯網模式。從阿里小貸開始，非銀行機構模仿者衆多。無論是平臺自金融還是第三方金融服務機構，都是以互聯網平臺爲基礎，以平臺數據和第三方數據爲手段，採用電子化自動化申請審批放款線上化操作，客戶體驗佳，但受限於平臺自身閉環，業務規模、風控難以平衡。

　　互聯網大數據在小微金融的運用邏輯

　　相較於個人客戶的大數概率，小微企業的輕、小、散、弱的特點，加上區域和客羣的差異，使得小微金融成爲互聯網大數據最難攻克的領域。

　　首先，表現在金融機構獲取客戶上。以前只要涉及小微金融，政府和市場認爲需求大、融資難、融資貴；金融機構卻認爲找客戶難，風控難，各唱各調。其實風控和獲客爲一體，目標客戶分散是困擾金融機構最大的問題。俗話說三百六十行，小微客戶行業三萬六千行都不止，獲客難是金融機構第一大難。通過線下零售的方式找到客戶，收集信息數據無法量化、格式化，導致信息傳遞不斷失真，決策層無從下手。

　　互聯網大數據的發展，大大改善了金融機構小微客戶獲客問題。磁金融研究顯示，互聯網大數據的獲客分成四類：一是典型的企業對企業（B2B）電商平臺，如找鋼網等；二是第三方服務商如ERP、SaaS等，記賬公司如金蝶、中航信息等；三是金融機構和類金融機構，如銀聯、匯付天下；四是同時擁有個人端（C端）和企業端（B端）的互聯網巨頭，如阿里、京東、攜程等。這些平臺聚集了海量的小微客戶，並且客戶聚集的同時，平臺特別是垂直平臺對B端客戶行業客羣分類，使金融機構從撒網式零售式的營銷過渡到批量定向營銷。另一方面，有了大數據的支撐，精準營銷也成爲一些機構的首選，此模式從客戶的行爲數據歷史交易數據入手，挖掘客戶的潛在需求，實行白名單邀請制，如招商銀行閃電貸、京東的企業白條。

　　其次，表現在降低風險上。這裏又分兩個層面，一是互聯網大數據在控制風險上發揮作用，得益於互聯網大數據的發展，原來需要花費大量人力收集的小微客戶信息首先被數據化，而且收集成本大幅降低，收集效率大幅提高，無論是供應鏈核心企業方提供的生產數據、交易數據、物流數據，還是從外部獲取的第三方數據，比如黑名單數據、法院數據、工商數據、多頭數據、社交數據、稅務數據，以及客戶授權的流水數據、央行徵信數據，都可迅速獲得，秒級評估。

　　貸前通過獲取的數據可以使小微企業畫像更清晰，對客戶信用狀態、經營狀態、資產狀態能較爲準確地獲取數據或自動驗證，貸中自動檢測客戶狀況，根據小微企業情況調整授信額度與利率水平，貸後可根據大數據對宏觀經濟、行業及小微企業個體的經營水平和信用水平的跟蹤，及早發現風險並採取策略。

　　當資金緊張有信貸需求的時候，小微企業可以通過線上提交資料，授權查詢數據，便可將審貸資料提供至風險評估機構或者資金方，風險評估機構或者資金方經過評估後即可發放貸款，在保證風險可控的前提下大大提高了小微企業獲取信貸服務的效率。

　　二是對衝風險，在控制單個貸款主體風險的前提下，互聯網大數據還能發揮緩釋整體業務風險的作用。B端客戶在羣體表現下，在同一行業會呈現一些行業固有屬性，比如行業整體風險、盈利狀況、銷售規模、流動能力水平、存貨週轉率水平等，小微企業主也會有相同的行爲屬性，比如多頭情況、資產情況、還貸情況、社交情況等。

　　小微企業屬於企業與企業主密切關聯的羣體，通過分析不同行業的固有屬性和小微企業主的個人行爲屬性的特徵，建立不同維度模型。在初期可採用經驗策略模型，模型根據小微風控專家的經驗判斷而提煉；隨着壞樣本的累積，中期可嘗試使用邏輯迴歸模型或其他分類模型，模型的精準程度也會更高；在後期，小微企業數量足夠豐富，可採用機器學習模型，自動挖掘因素之間的關聯。

　　從大數理論來看，會呈現初始逾期水平增加，但迅速迭代模型後，會逐漸恢復正常可控水平的表現。互聯網大數據對小微金融的發展可以提供批量引流的模式，將原有的線下尋找小微企業的單個模式，變成批量進件模式，大數據和風控模型的加入，會使小微企業評估風險的模式變成數據風控和模型風控的時代，整體風險水平會逐步緩釋，實現對衝風險的作用。

　　互聯網大數據在小微金融領域的最佳實踐：供應鏈

　　供應鏈金融是以應收應付賬款和動產爲基礎，之前無論是銀行的供應鏈金融還是核心企業自金融，更多的是基於核心企業的信用，要麼基於貨款要麼基於貨物，以封閉性自償性爲首要條件，大大限制了供應鏈金融的發展。

　　事實上，自國內最早的金融機構——深圳發展銀行開始敘做供應鏈金融以來，銀行曾有過一段時期對供應鏈金融寄予很大期望，但產品創新上並沒有太大突破，其他參與者如核心企業、物流公司、B2B電商等，都沒有逃脫核心企業 “中心化”思維。而對終端小微企業，即使其在平臺交易，有交易數據、物流數據，還有平臺的認證等信息，但由於無法穿透底層資產風險或無法滿足需求，其供應鏈金融表面看“熱鬧”，實質規模效應有限。另一方面，互聯網大數據，互聯網平臺化生態化，大數據的數據離散、信噪等問題，“泛”與“散”的特點，使得在小微非標市場的運用上無論是時間成本、數據成本，還是最終效果都不經濟。

　　供應鏈具有相對封閉性的特徵，可以提供場景和數據支持，而大數據需要關注客戶的相關性和數據的有效性，所以兩者的結合是必然結果。相對於完全基於核心企業信用的傳統供應鏈金融，互聯網大數據的探索是以核心企業爲切入點，以平臺數據爲基礎，補充外部數據（包括外部交易數據、行爲數據和徵信數據），落地終端企業，控制風險，滿足企業的需求。

　　互聯網大數據在小微金融運用的注意點

　　一是以金融爲出發點。不懂業務不做模型，大數據時代不缺數據，要從業務出發尋找數據，明確如何清洗、演算數據才能建立有效的數據庫模型。某些機構聲稱一個風控模型收集了上萬的數據變量，採用先進的算法，強大的數據模型，但市場上鮮有真正的小微風控模型，這是互聯網泡沫所致。

　　二是大數據萬能誤區。警惕認爲大數據等於全數據，擁有大數據就能解決一切的觀點，這會使人們走入數據越大越好的誤區，不計成本地要全數據，忽視了小數據，忽視了數據背後的因果關係，最後大數據反而成了擺設。所以不可神化大數據，更不可忽視小數據。

　　三是不可忽視線下數據。小微金融互聯網大數據是大趨勢，一般以爲，在互通互聯時代，大數據產生於互聯網時代。但如同前述，一些小數據及第三方數據在獲客和風控中極其重要，且在線上無法獲取，所以必要的人工和線下獲取數據不可或缺。

　　四是數據迭代。擁有大數據並不是一勞永逸，隨着產業升級，消費升級，小微行業永遠變化最快，及時的數據才能準確反映小微企業真實狀況，有效防範風險的發生。

　　結語

　　隨着互聯網的發展，小微企業垂直化、客戶場景化、信息數據化日趨明顯，金融機構與小微企業信息不對稱問題，通過大數據，有了進一步的解決方法。

　　從金融機構來看，降低了運營和風控成本，提高作業效率，控制和對衝風險，達到規模經濟；從小微企業來看，增加了金融服務的可獲得性。但小微企業行業、區域、客羣的複雜性，同樣帶來數據的複雜性。互聯網大數據在小微金融領域運用，還停留在初級階段。大數據的充分整合應用需要法律法規及監管機構的支持。

　　第一，大數據標準亟待規範，需要建立科學、統一的產業鏈跨行業數據標準結構。大數據產業數據來源多樣化，數據對象範圍與行業分佈也更爲廣泛，不同行業間的數據、數據口徑及數據輸出格式等方面有較大差異，推動統一的互聯網行業數據標準制定，健全大數據技術標準、分類標準和數據標準，研究不同數據口徑之間的銜接和數據源整合是大數據應用的關鍵。

　　第二，大數據安全及隱私保護的法律法規缺失增加了我國互聯網大數據產業發展風險。大數據需要採集和存儲小微企業的數據，如何保護小微企業數據安全及隱私爲現行法律提出了要求。此外，科技金融企業或小微金融機構也應該加強數據資源在採集、運輸、存儲、使用和開放等環節的安全保護，制定大數據安全等級制度及權限訪問體系，防止小微企業客戶信息泄露。

　　第三，建議監管部門鼓勵銀行等主流金融機構加大創新力度，在監管到位、風險可控的前提下通過多種方式與金融科技公司開展合作。在當下互聯網金融風險專項整治背景下，對服務小微企業的金融從業者會造成一定程度的影響。建議監管部門穿透監管，鼓勵銀行等主流金融機構加大與金融科技企業的合作力度，加強對互聯網大數據等信息技術的運用，降低運營管理成本，優化信用評價模型和管理方式，進一步提高自身核心競爭力。

　　金融科技企業掌握了更爲清晰的客戶畫像、客戶信用狀態、經營狀態、資產狀態等數據信息，銀行可以通過與科技金融企業的合作，運用互聯網大數據有效降低交易成本，緩解信息不對稱，有效控制風險。

　　對於金融科技企業或小微金融機構來說，必須提升自身的數據能力，在大數據採集、大數據可視化、大數據分析與挖掘、存儲管理、數據安全、非結構化數據處理等關鍵核心技術方面實現長足發展，從而助力小微金融健康、持續發展。

　　編輯：楊慕銘

　　（完）

　　文章來源：《清華金融評論》2019年3月刊，2019年3月5日出刊（本文僅代表作者觀點）

　　本篇編輯：陳英祺