想像一下，對於一名急缺資金的個體工商戶，他只需日常讓顧客掃碼付款，稍加時日，就能從線上拿到貸款，這在熟知小微企業融資難問題的人眼中，聽起來就像天方夜譚，但如今，已經成為現實。

二維碼最深入人心的革新是掃碼支付，在很多人眼中，商業潛力似乎已經被挖空殆盡，但如今，基於二維碼的創新仍在不斷延續，特別是在小微信貸領域。

今年上半年，支付寶針對線下小商家推出「收錢碼」，實現收銀環節的數字化，從而促成線下商業實現數據化升級——基於移動支付，網商銀行突破了原有場景和數據的限制，得以從線上滲透到線下，為線下小微經營者提供信貸。

這個產品看似簡單，推出之時，也並未引起業界足夠多的重視，甚至不看好者也頗多，然而，半年之後，網商銀行公布的成績單證明，一旦有了技術和數據注入線下小微金融業務，就立刻展現出了驚人的想像力。

截至11月底，收錢碼全國申請用戶量超過4000萬；6個月內，有超過155萬線下小微經營者獲得貸款；筆均借款金額7615元；6個月內貸款超過3次的經營者達到35%。

更令我吃驚的是，網商銀行負責此項業務的團隊，只有20人左右。

也就是說，平均一個員工就服務了7萬多借款者，這對於一家傳統銀行來說，簡直是神話，因為一名信貸業務員半年所能服務的人次不過數百。

另一個數字可能更加震撼：截至今年三季度末，小微企業貸款戶數達到1462.24萬戶，這說明了什麼問題呢？

中國所有銀行加起來一共服務了1462萬戶，而網商銀行一家在6個月內就新增了155萬戶。

不僅如此，我在網商銀行的一堆數據中有了一個更加有意思的發現——在貸款需求最多的前5個城市，基本都是二三線城市，第一位是武漢，然後是杭州，上海排第三，鄭州第四——這也說明，以螞蟻為代表的金融科技領軍企業，的確在幫助金融資源下沉，實現跨區域的合理配置。

把錢撒出去不算厲害，厲害的是能全部收回來，網商銀行面向線下商戶的貸款不良率為0.78%，99.15%的商家能按時還款。

看到這個不良率，我的微信朋友圈裡有很多業內非常資深的人士，紛紛對此向我提出質疑，他們認為0.78%的不良率的真正原因是：螞蟻是向供應商放出的貸款，基於應收賬款作為抵押，才能把不良率壓低。

但隨後我和網商相關人士確認，這些貸款是純信用貸款。

也就是說，網商銀行這款產品在不良率上的表現，已經大大超乎了業界的想像，以至於業界還習慣性地將其視為一種動產抵押融資行為，而非純信用貸款行為。

小微金融難在哪裡？

這些驚人的創新背後，實際上是監管機構多年來心頭的老大難問題。

這個頭疼問題是什麼呢？

在中國5600萬家小微企業中，只有11.9%的中小企業能獲得銀行貸款。中小企業協會會長李子彬說，小微企業獲得的貸款利率大多在13-15%，總融資缺口達22萬億。資金周轉困難時，求助社會資金，成本往往高達年化36%。

但其實金融監管部門為了服務好小微企業已經很拼了——監管部門對商業銀行有著名的「三個不低於」要求。

即：小微企業貸款增速不低於各項貸款平均增速；小微企業貸款戶數不低於上年同期戶數；申貸獲得率不低於上年同期水平。

為了刺激金融機構從事小微貸款業務，央行更是推出了定向降准，如在2014年6月就推出過「上年新增小微貸款佔全部新增貸款比例超過50%，且上年末小微貸款餘額佔全部貸款餘額比例超過30%」的銀行可獲定向降准。

並且，監管層對小微貸款產生的壞賬，也有著很高的容忍度。

但這樣一套惠民組合拳，得出的結果，卻不盡如人意。

一家股份制銀行北京分行的行長告訴新金融功守道，即便是監管大力呼籲，很多銀行在小微領域，貸款投放都在縮減，不少銀行，近年來比例在10%以上的大幅縮減。這是因為，「每家銀行的小微金融都不賺錢，都有很高的不良率。」

說白了，傳統商業銀行做不好這件事情，不光是缺乏有力的風控武器，無法控制風險，讓客群真正下探。

同時，另一方面，傳統商業銀行的流程和效率，也遠遠無法使用小微企業的需求。一筆普通小微信貸大概需要這樣的流程：客戶申請——經辦行判斷是否符合基本准入條件——客戶經理貸前調查，形成調查已經送上級分行——上級分行審批——經辦行簽批——信貸作業監督與核准——貸款發放。

經過多個層級，多個業務部門，手續繁瑣，往往耗時不短。

根據一份名為《中國中小微企業金融服務發展報告》的報告，商業銀行針對小微企業的放款，大多需要一周。特別是對於中西部地區，近一半的小微企業要想拿到貸款，更是需要近半個月的時間。

而小微企業資金籌劃能力弱，且資金需求短頻快急。長期以來，傳統商業銀行銀行有心服務，卻無力實施。

所以才有了監管急，商業銀行也急，小微企業更急的尷尬局面。

還不僅僅是耗時問題，更是成本問題。這樣一套流程下來，最後就只借了幾千元出去，銀行也吃不消，我去調研一家給養殖戶發放貸款的小微金融企業，他們一句話讓我印象很深，他們談到自己為啥連年虧本時說，給大企業放六百萬和給養殖戶放出六萬，程序和耗費的人力幾乎是一樣的。

這家金融企業當然是談他們的苦衷，但其實也說明了一個問題，用傳統方法來做小微信貸，成本問題就無法繞過。

另闢蹊徑的收錢碼

但是螞蟻金服，卻用二維碼的方式做到了。

與個人移動支付賬戶的建立與數據積累的邏輯類似，網商銀行通過給予每個小微商戶、小微企業一個收錢碼，從而與他們連接起來，進而開始數據積累、進行風險判斷以及提供其他金融服務。

小微企業通過「收錢碼」收款越多，網商銀行對其風險的了解就越深入，提供給它們的貸款支持就越多。只要流水穩定，燒餅店、小賣鋪、街邊攤這樣的小商家也能在網商銀行貸款。

而且，二維碼的部署成本很低，是最適合小微商家的部署方式。

早年在移動支付的戰爭中，微信和支付寶，恰恰就是憑藉印在紙片上的二維碼贏得了和POS機的戰爭。

表面上看，是一張收款碼，實際上，大有玄機，其背後是基於支付寶的線上能力和大數據，用機器演算法代替人工處理，完成了從獲客到風控到放款的全流程，讓成本大大壓縮，也使得過去想做而做不了、不能做的小微生意，成為銀行未來的新增長點。

不僅是做到了放款，網商銀行還針對小微企業需求，在用戶體驗上，做到了分鐘級甚至秒級的放款。

網商銀行行長黃浩對新金融功守道說，他從後台發現，24小時都有商家在這兒貸款，而且從晚上7點後到第二天早上6點前貸款量，佔到整個貸款量的30%，這個時候是傳統金融機構都關門的時候。

但是小商家、小個體戶們在完成一天盤點後，會看一看今天收了多少錢，付了多少錢，明天備貨需要多少錢，因此借錢進入了小高峰。

其實，面向線下商戶發放貸款，對於具有線上基因的螞蟻來說，也是走出舒適區的很大一步。

黃浩也坦言，針對線下的生意，更加龐雜，剛開始著手時，心裡也沒底。「網商銀行以前服務的都是線上賣家，以零售、物流行業為主，今天走到線下發現不一樣了，線下服務商家是非常龐大的群體，屬於線下零售只有19%，其他81%全都是純服務類，就是日常生活方方面面。」

從行業看，網商銀行服務的「碼商」主要以服務行業的經營者為主，其中服裝店、超市便利店、煙酒雜貨等零售商家佔19%，餐飲、教育、美容、維修、家政等純服務性商家達81%。

一個高風險低收益的生意，要涉足，只有兩種方式，要麼就是格萊珉模式（一位業內人士告訴我，此種模式在中國已經被論證為不可行）；另一種就是依賴技術和數據。

底層技術的巨大變革

我們看得到的只是一張簡單的收款碼，但實際上，我們看不到的部分才是訣竅所在。

據黃浩介紹，網商銀行已經沉澱了一百多種模型，數千種風控策略。舉例來說，如何識別個人還是經營者，從資金網路的形態上就能辨別出來，商戶是一個中心化的螺旋網路，個人則是點對點的分散化連接。對於商家的分析，網商銀行會對行業和商圈加以分析，再加上付款人的資金流來進行判斷。

「傳統的信貸風控理念往往先把人預設為壞人，但網商銀行從不預設任何一個壞人，我們把每個人首先看成是好人，然後用大數據的風控技術把其中少數的』壞人』挑出去。」黃浩表示，這也是網商銀行能夠在短短半年服務這麼多線下小微商家的原因。

人工智慧和大數據，對於金融來說，意味著什麼，過去，大家都沒有特別清晰的概念。

但變化的確在發生，老牌投行高盛的探索也頗有示範意義，據MIT Tech Review 報道，2000年頂峰時期，高盛在紐約總部的美國現金股票交易櫃檯就僱傭了600名交易員，但時至如今，這裡只剩下兩名股票交易員。

高盛代理首席財務官（CFO）馬蒂·查韋斯（Marty Chavez）介紹，原先的大部分櫃檯工作，如今交由自動交易軟體負責。

如今高盛全公司有三分之一的員工是工程師，中國的金融科技，其實並不遜色，就網商銀行來說，全公司300人里，技術團隊更是多達200人。

因為人工智慧技術的加持，網商銀行用僅僅20人服務了155萬人，可以想像，當服務人數增加到1550萬，人數可能還是原來的那20人，這就是科技重塑金融的一個縮影。

螞蟻金服旗下的網商銀行，用非常生動的案例證明，隨著移動支付積累的數據，再加上深度機器學習等前沿技術的應用，真實地解決了小微商家這個被遺忘群體的燃眉之急。

應該感謝中國的互聯網和金融科技，中國最被遺忘卻又最龐大的商業個體單元，才得以被重新激活。

－ END －

推薦閱讀：

相关文章