今天看到一張圖，真是有意思——31家A股上市銀行中已有25家發佈了2018年業績快報，咱們中國各大銀行的賺錢能力依然強大。在《財富》發佈的2018年中國500強排行榜上，按利潤排的前15強中有10強都來自銀行。

　　仔細看，一件有趣的事躍然紙上：利潤最少只有4.04億的網商銀行，卻支撐着1500萬家中小企業的資金流。

　　就算是聚沙成塔、集腋成裘吧，可是馬雲老師，卻貌似是在讓網商銀行用做公益的精神做金融服務！

　　難啃的“骨頭”

　　作爲一直在關注中國中小微企業、創業的楊姐，必須承認：給中小企業貸款這件事本身到目前爲止還是一個超級課題。

　　沒錯，網商銀行服務的這1500萬中小微企業，恐怕是世界上最難“服侍”的羣體——沒有擔保，不是國有，還沒有信用記錄，甚至很大一部分是夫妻老婆店，這部分羣體一直是被金融界遺忘的世界，而如何服務他們，其實也是個世界級難題。

　　原因很簡單——金融最大的工作就是控制風險，然而你如何去考覈一對夫妻的“信用”？更何況是千千萬萬對夫妻老婆店。你又如何去調查小微企業的還款能力，中國大部分小微企業的平均壽命活不過三年。

　　當然，國有銀行這兩年在扶持小企業上已經非常努力，基本上就是抱着不賺錢甚至虧本的決心去做的。而銀行歷年財務報表也顯示：凡是小微企業信貸業務比較集中的領域和行業，比如小製造業、批發零售業、居住餐飲業等，業績往往比較慘淡。

　　獲得了諾貝爾和平獎的孟加拉格萊珉銀行雖然做得非常好——通過五人組等機制來促進了資金的有效配給，也證明了商業性金融機構提供的資金與貧窮弱勢羣體的經營活動結合能夠獲得雙贏，但卻也不是很賺錢，且不具備可複製性。

　　那麼既然是全世界最難做的生意，網商銀行爲什麼要這麼做？

　　在楊姐看來，這與網商建立的初心有關——網商銀行從設立之初就是爲了服務有經營困難的小微企業，說白了，如果網商都因爲資金鍊出問題死掉了，那麼整個生態鏈上就會發生傳導，最終影響3000萬中小企業的整體生存狀況。

　　有一個傳出來的數據是——網商銀行成立之初，馬雲馬老師的想法是服務1000萬中小微企業。

　　雖然現在這個目標應該說已經提前兩年完成了——且馬老師給網商銀行的KPI就是服務數量而不是利潤，但看起來馬雲還是覺得不夠過癮，他在多個場合還在強調：“中國和世界不缺銀行，但是缺創新型的，爲小企業真正服務的銀行。”！

　　而且，在網商銀行提前兩年完成第一個KPI之後，馬老師又提了第二個KPI：三年服務1000萬小微企業！網商銀行新任行長金曉龍也透露：“我們希望未來3年內，能讓中國所有的路邊攤都能貸到款。”

　　技術手段解決社會問題

　　說穿了，網商銀行能完成馬雲的KPI，還是因爲網商銀行的背後，是科技和大數據在做支撐。

　　現實中爲什麼那些小貸機構的拒貸率達到70%？

　　因爲中小商家貸款難的本質，是小貸機構的信息收集和處理能力不足，成本和收益不成正比，即傳統的放貸模式根本無法適應爆發式增長的中小微企業貸款需求。而能解決這個問題的，只有技術——大數據和不斷完善的風控模型。

　　我們已經能夠看到的，是網商銀行在給中小微企業提供“310”模式的貸款服務——3分鐘申貸、1秒鐘放款、全程0人工介入、7*24小時不斷，而在這背後，則是一種基於創新的微貸技術，核心就是網商銀行長期積累的風控能力。

　　這種風控能力包括了10萬項以上的指標體系、100多個預測模型和3000多種風控策略。這些風控技術，一方面可以讓小微企業和經營者不用擔保和抵押，憑藉信用就能進行貸款，另一方面，將網商銀行的不良率控制在1%左右。

　　是的，與大企業滿額貸款慢慢使用不同，小微經營者更爲精打細算，爲了節省利息，只有必要時才申請貸款，並且儘快還款，有需求再貸，“小、急、短、頻”的特點明顯。

　　而怎樣才能給真正有需要的線下小商家最合理的授信額度？

　　首要解決的問題，是如何從海量使用收錢碼的用戶中識別出哪些是商家哪些是個人。網商銀行的風控專家們研究發現，這個問題可以通過分析人與人之間的資金關係網來解決。

　　網商銀行風險管理部資深總監餘泉介紹，如果是個人，與他發生資金聯繫的人，互相之間多少是有聯繫的，他們的關係圖就像一個毛線團。而如果是個人經營者，與他發生資金關係的人會更多，而且彼此之間沒有什麼聯繫，關係圖像一個蒲公英。

　　此外，在經營預測上，網商銀行的風控專家們會更多考慮線下小微經營者的實際情況，來預測店鋪未來的經營潛力和經營風險。

　　比如，他們發現沿街的門店，在遇到修地鐵、鋪設管道等市政變化時，通常會影響未來幾個月的經營情況，所以將店鋪的地理位置與地圖數據進行匹配，結合周邊的市政信息、地標建築、人流情況、買家結構、同類商家情況等，通過商圈聚類和行業識別，結合檢索算法的優化處理，數十億LBS節點快速匹配，能夠在幾秒鐘內計算出店鋪在未來6個月的經營潛力和經營風險。

　　舉個例子，同樣是賣包子的兩家店，口味、客羣、每天的流水、老闆的勤勞程度等等所有的經營狀況都一樣，但其中一家店所在的馬路很快開始修地鐵了，這家包子鋪老闆能夠從網商銀行貸的款，就會比另一家少。

　　當然，還有一個維度是供應鏈金融——這個由多重關係組成的供應鏈數據庫，可以最大程度低降低突發因素帶來的風險，也更容易讓人們識別風險。

　　這些邏輯雖然簡單，但是要給幾千萬的商家在幾秒鐘內做出判斷，對模型的精準度要求非常高，需要非常強的人工智能計算能力。

　　網商銀行數據顯示，截至目前，已經有超過600萬線下小微經營者獲得了網商銀行的貸款。線下小微經營者筆均貸款金額僅7615元，平均資金使用時長爲50天，6個月內貸款超過3次的經營者卻達到35%。

　　而且，網商銀行的線下小微經營者貸款服務已經覆蓋全國所有省市，尤其三四五線城市的線下小微經營者對貸款的需求普遍旺盛。而從行業看，網商銀行服務的“碼商”主要以服務行業的經營者爲主，其中服裝店、超市便利店、菸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%。

　　所有銀行都在努力

　　小微企業融資難是一個全社會共同關注的問題。

　　當然，所有的金融機構也都努力在這方面這出創新。以民生銀行爲例。截至2017年末，民生銀行爲609.34萬戶小微企業發放貸款餘額爲3591.47億元（戶均不到60萬），併爲592.42萬戶小微企業提供了多種形式的金融服務。貸款餘額和收益最穩定的房貸接近。

　　平安銀行也開發出多種服務小微的形式，2018年，他們服務的小微用戶數達到了30萬。以四大行中的建行爲例，根據2017年年報，建行更是向130萬小微企業提供了5.9萬億的貸款支持。

　　不過，這些服務對於中國5600萬家小微企業來說還是杯水車薪，公開數據顯示，只有 11.9%的中小企業能獲得銀行貸款。如果，要觸達餘下體量更小、代表我國經濟“毛細血管”的小微企業方面，的確要用新技術，新玩法。

　　由於路邊攤所代表的小微羣體普遍缺乏信用數據，也很難提供抵押物，目前的金融體系很難覆蓋他們，但這部分羣體恰恰是螞蟻金服有能力服務、又很願意服務的羣體。

　　這種立志服務“路邊攤”的初心和取得的成效，也得到了銀保監主席郭樹清的表揚——兩會上，郭樹清就提到了金融機構如何爲民營和小微提供服務。

　　郭樹清還點名表揚了網商銀行、江蘇銀行、微衆銀行等等，說他們“做得都不錯”，並且表示“今年會繼續推廣普及這些經驗，支持民企和小微企業發展”。

　　而更應該引起我們注意的是，任何一個國家，無論經濟發展程度如何，其經濟結構中必然存在小店或路邊攤這樣毛細血管一樣的經濟單元——這些體量微小但數量龐大的羣體不應被忽視，如果他們的需求得不到解決，可能就會成爲一個社會問題——甚至，如果某一個環節、行業、鏈條中的中小微企業出了問題而得不到解決，還會蔓延到產業鏈的其他環節，從而引發更大的連鎖反應。