严强:互联网大数据在小微金融领域的运用实践与前景

2019-04-23 08:20

  大数据和互联网技术广泛的应用,对我国的金融生态产生深刻的影响▯,同时也为小微企业融资提供了新的平台和渠道。本文分析了互联网大数据在小微金融领域应用的逻辑、实践以及需要注意的问题。本文指出,大数据技术在互联网金融领域的创新应用,为小微企业的金融业务发展创造了更多可能。敬请阅读。

  小微企业融资难始终是其生存▯、发展的障碍和瓶颈。虽然近几年来,我国已经出台多项政策扶持该类企业健康融资,为其贷款提供相应便利,但小微企业融资难问题依然存在▯。信息不对称带来的融资受阻或高成本是小微企业融资困境的症结所在。

  伴随金融科技的不断完善,大数据和互联网技术得到日益广泛的应用▯▯▯,这对我国的金融生态产生深刻的影响▯,同时也为小微企业融资提供了新的平台和渠道▯。大数据技术在互联网金融领域的创新应用,更为小微企业的金融业务发展创造了更多可能。

  截至2018年9月末,全国银行业金融机构小微企业贷款余额33▯▯.04万亿元▯▯,占各项贷款余额的30.4%。小微企业贷款较2018年年初增加2▯.30万亿元,较上年同期增速达到11.4%,比各项贷款平均增速低1.40个百分点▯▯▯;截至2018年6月末,小微企业贷款用户数达到1699.05万户,较上年同期增加281.82万户。

  其中▯,国有行仍是服务小微企业的主力,农商行、城商行对小微企业的支持力度在加大。一方面,国有行作为我国金融系统的基石,一直践行着服务于实体经济的理念。另一方面▯▯,通过Wind数据对比发现▯▯,2015年一季度末▯▯▯,国有行、城商行▯、农商行小微贷款余额占商业银行全部小微贷款余额的比例分别为35.2%、20.13%▯、20.74%,而到了2018年第三季度末▯,占比变为29.18%、24.29%、27▯▯▯.21%▯▯,城商行和农商行的占比明显提升。

  根据央行发布的《2018年第一季度银行家问卷调查报告》▯,当前小微企业贷款需求指数达66.3%,同比上升3▯▯▯.7个百分点,创2015年第二季度以来新高。更值得注意的是▯,随着防控系统性金融风险和结构性去杠杆政策的逐步落地,商业银行的风险偏好明显下降,银行贷款审批指数创2015年以来新低为44.6%。另外,根据世界银行2018年发布的《中小微企业融资缺口:对新兴市场微型、小型和中型企业融资不足与机遇的评估》报告▯,我国中小微企业潜在融资需求达4.4万亿美元▯▯▯,融资供给仅2.5万亿美元(16▯.5万亿人民币)▯▯,潜在融资缺口高达1.9万亿美元▯▯▯,缺口比重高达43.18%。

  在金融强监管、社会融资急剧萎缩的大环境下▯,资金的需求与供给端缺口进一步扩大。据工商总局、银保监会数据统计,2017年资金的需求与供给端缺口接近30万亿元,该口径下统计缺口相比2015年预期有较大扩张▯▯。主要是因近两年我国小微企业数目明显增多所致▯▯,这与2015年年底的“大众创业▯▯▯,万众创新▯▯”的提出及随后的创业潮有关;另外金融机▯。构信息不对称,数据收集难导致成本高风险大,加上部分企业利用银企信息不对称,虚假做大结算流量套取信用,假造交易、多头授信▯▯▯、欺诈融资,导致小微企业贷款不良率居高不下,金融机构进而对小微企业敬而远之。信息不对称带来的融资受阻或高成本正是小微企业融资困境的症结所在。

  小微企业具有资产轻、规模小▯▯▯、行业散▯、治理弱(轻▯▯、小、散▯▯、弱)的天然短板,再加上受经济下行的影响,生存压力大。互联网的发展使小微企业的生态发生了巨大变化。在互联网大数据时代,无论从事工业品还是消费品行业,无论销售产品还是提供服务,不通过互联网平台难以提高销量,不用网络支付或许会丢失大部分消费者▯▯。小微企业无论是主动还是被动都须投入互联网的怀抱,使跨区域、跨行业的小微企业被平台化▯▯、线上化▯,行业和客群极度分散的现象得到改变。互联网金融的信息数据更加对称、资金配置边际成本低、金融服务效率较高的优势可以有效解决对小微企业信用、资产▯▯、现金流等情况的评估。

  需要注意的是▯,自2013年起▯▯▯,互联网金融潮起潮落,在小微领域几乎鲜有成功的案例▯▯▯。得益于互联网的发展▯▯,B2B大量涌现,小微企业行业垂直化▯、客户场景化、信息数据化成为常态,所以依照长尾理论▯▯,无论在营销获客方面还是风险评估方面,互联网大数据在小微金融领域都大有可为▯,其对完善小微企业融资渠道,提高小微企业的融资效率将发挥重要作用▯。

  德国IPC模式。以泰隆银行▯、台州银行为代表▯▯,不追求抵押▯▯,客户体验好▯▯▯,风控扎实▯▯,银行自身收益也高。此模式的难点在于过度依赖信贷员,难以复制。十几年以来,这两家银行一直是监管部门服务小微的标杆,但国内未出现第二家泰隆、台州银行▯,既有体制机制的原因▯▯,也有模式自身的原因▯▯。

  信贷工厂模▯▯▯:式▯▯▯。国内大部分银行采用此种模式▯▯,以民生银行600016)▯、招商银行600036)为代表▯▯▯。此模式获客和风!控都采。取了:批量化▯▯,操作成本低,上量快,但忽视了资产穿透▯,弱化了个体信用?风险。在经济下行的情况下▯▯,大面积风险暴露在所难免。

  互联网模式。从阿里小贷开始,非银行机构模仿者众多▯。无论是平台自金融还是第三方金融服务机构,都是以互联网平台为基础,以平台数据和第三方数据为手段,采用电子化自动化申请审批放款线上化操作,客户体验佳,但受限于平台自身闭环,业务规模、风控难以平衡。

  相较于个人客户的大数概率▯▯▯,小微企业的轻▯、小、散、弱的特点,加上区域和客群的差异▯▯,使得小微金融成为互联网大数据最难攻克的领域。

  首先,表现在金融机构获取客户上。以前只要涉及小微金融,政府和市场认为需求大▯▯、融资难、融资贵▯;金融机构却认为找客户难,风控难,各唱各调。其实风控和获客为一体▯▯▯,目标客户分散是困扰金融机构最大的问题▯。俗话说三百六十行,小微客户行业三万六千行都不止▯▯▯,获客难是金融机构第一大难▯▯。通过线下零售的方式找▯。到客户,收集信息数据无法,量化▯▯、格式化▯,导致信息传递不断失真▯,决策▯▯▯;层无从下手。

  互联网大数据的发展,大大改善了金融机构小微客户获客问题。磁金融研究显示,互联网大数据的获客分成四类:一是典型的企业对企业(B2B)电商平台,如找钢网等;二是第三方服务商如ERP▯、SaaS等,记账公司如金蝶▯▯、中航信息等;三是金融机构和类金融机构,如银联、汇付天下;四是同时拥有个人端(C端)和企业端(B端)的互联网巨头▯▯,如阿里、京东、携程等▯▯。这些平台聚集了海量的小微客户,并且客户聚集的同时,平台特别是垂直平台对B端客户行业客群分类,使金融机构从撒网式零售式的营销过渡到批量定向营销。另一方面,有了大数据的支撑,精准营销也成为一些机构的首选▯▯,此模式从客户的行为数据历史交易数据入手,挖掘客户的潜在需求▯▯,实行白名单邀请制▯,如招商银行闪电贷、京东的企业白条。

  其次,表现在降低风险上。这里又分两个层面,一是互联网大数据在控制风险上发挥作用,得益于互联网大数据的发展,原来需要花费大量人力收集的小微客户信息首先被数据化▯,而且收集成本大幅降低▯▯▯,收集效率大幅提;高,无论是供应链核心企业方提供的生产数据、交易数据、物流数据,还是从外部获取的第三方数据,比如黑名单数据▯▯▯、法院数据、工商数据、多头数据▯、社交数据、税务数据,以及客户授“权的流水数据、央行征信数据▯▯,都可迅速获得,秒级评估。

  贷前通过获取的数据可以使小微企业画像更清晰,对客户信用状态▯▯▯、经营状态▯▯、资产状态能较为准确地获取数据或自动验证▯▯,贷中自动检测客户状况,根据小微企业情况调整授信额度与利率水平,贷后可根据大数据对宏观经济▯▯▯、行业及小微企业个体的经营水平和信用水平的跟踪▯,及早发现风险并采取策略。

  当资金紧张有信贷需求的时候,小微企业可以通过线上提交资料,授权查询数据▯,便可将审贷资▯、料提供至风险评估机构或者资金方,风险评估机构或者资金方经过评估后即可发放贷款▯▯,在保证风险可控的前提下大大提高了小微企业获取信贷服务的效率▯。

  二是对冲风险▯▯▯,在控制单个贷款主体风险的前提下,互联网大数据还能发挥缓释整体业务风险的作用。B端客户在群体表现下,在同一行业会呈现一些行业固有属性▯▯,比如行业整体风险、盈利状况、销售规模、流动能力水平▯▯▯、存货周转率水平等▯,小微企业主也会有相同的行为属性▯▯,比如多头情况、资产情况、还贷情况、社交情况等▯。

  小微企业属于企业与企业主密切关联的群体,通过分析不同行业的固有属性和小微企业主的个人行为属性的特征,建立不同维度模型▯▯▯。在初期可采用经验策略模型,模型根据小微风控专家的经验判断而提炼;随着坏样本的累积▯,中期可尝试使用逻辑回归模型或其他分类模型,模型的精准程度也会更高;在后期,小微企业数量足够丰富,可采用机器学习模型▯▯,自动挖掘因素之间的关联。

  从大数理论来看,会呈现初始逾期水平增加▯,但迅速迭代模型后,会逐渐恢复正常可控水平的表现。互联网大数据对小微金融的发展可以提供批量引流的模式,将原有的线下寻找小微企业的单个模式,变成批量进件模式,大数据和风控模型的加入▯,会使小微企业评估风险的模式变成数据风控和模型风控的时代,整体风险水平会逐步缓释,实现对冲风险的作用▯▯▯。

  供应链金融是以应收应付账款和动产为基础,之前无论是银行的供应链金融还是核心企业自金融▯,更多的是基于核心企业的信用,要么基于货款要么基于货物,以封闭性自偿性为首要条件,大大限制了供应链金融的发展。

  事实上,自国内最早的金融机构——深圳发展银行开始叙做供应链金融以来,银行曾有过一段时期对供应链金融寄予很大期望,但产品创新上并没有太大突破,其他参与者如核心企业▯▯、物流公司▯、B2B电商等,都没有逃脱核心企业“中心化”思维▯。而对终端小微企业,即使其在平台交易,有交易数据、物流数据▯,还有平台的认证等信息▯▯▯,但由于无法穿透底层资产风险或无法满足需求,其供应链金融表面看“热闹”,实质规模效应有限。另一方面▯▯,互联网大数据▯,互联网平台化生态化▯▯▯,大数据的数据离散、信噪等问题,“泛”与“散▯▯”的特点▯▯▯,使得在小微非标市场的运用上无论是时间成本、数据成本,还是最终效果都不经济▯。

  供应链具有相对封闭性的特征,可以提供场景和数据支持,而大数据需要关注客户的相关性和数据的有效性▯▯▯,所以两者的结合是必然结果。相对于完全基于核心企业信用的传统供应链金融,互联网大数据的探索是以核心企业为切入点,以平台数据为基础▯▯,补充外部数据(包括外部交易数据、行为数据和征信数据),落地终端企▯▯▯,业,控制风险▯,满足企业的需求。

  一是以金融为出发点。不懂业务不做模型,大数据时代不缺数据,要从业务出发寻找数据▯▯,明确如何清洗、演算数据才能建立有效的数据库模型。某些机构声称一个风控模型收集了上万的数据变量,采用先进的算法▯,强大的数据模型▯,但市场上鲜有真正的小微风控模型▯▯▯,这是互联网泡沫所致▯▯▯。

  二是大数据万能误区。警惕认为大数据等于全数据,拥有大数据就能解决一切的观点,这会使人们走入数据越大越好的误区,不计成本地要全数据▯▯,忽视了小数据,忽视了数据背后的因果关系,最后大数据反而成了摆设。所以不可神化大数据,更不可忽视小数据。

  三是不可忽视线下数据▯▯。小微金融互联网大数据是大趋势▯▯▯,一般以为,在互通互联时代,大数据产生于互联网时代。但如同前述▯,一些小数据及第三方数据在获客和风控中极其重要▯,且在线上无法获取▯▯▯,所以必要的人工和线下获取数据不可或缺▯。

  四是数据迭代▯▯▯。拥有大数据并不是一劳永逸,随着产业升级▯▯▯,消费升级,小微行业永远变化最快▯▯,及时的数据才能准确反映小微企业真实状况,有效防范风险的发生。

  随着互联网的发展,小微企业垂直化▯、客户场景化▯、信息数据化日趋明显,金融机构与小微企业信息不对称问题,通过大数据,有了进一步的解决方法。

  从金融机构来看▯▯▯,降低了运营和风控成本▯▯▯,提高作业效率,控制和对冲风险,达到规模经济;从小微企业来看,增加了金融服务的可获得性▯。但小微企业行业、区域、客群的复杂性▯▯,同样带来数据的复杂性。互联网大数据在小微金融领域运用,还停留在初级阶段。大数据的充分整合应用需要法律法规及监管机构的支持▯。

  第一▯▯▯,大数据标准亟待规范,需要建立科学▯▯▯、统一的产业链跨行业数据标准结构▯▯。大数据产业数据来源多样化,数据对象范围与行业分布也更为广泛,不同行业间的数据▯、数据口径及数据输出格式等方面有较大差异,推动统一的互联网行业数据标准制定,健全大数据技术标准、分类标准和数据标准▯,研究不同数据口径之间的衔接和数据源整合是大数据应用的关键。

  第二,大数据安全及隐私保护的法律法规缺失增加了我国互联网大数据产业发展风险。大数据需要采集和存储小微企业的数据,如何保护小微企业数据安全及隐私为现行法律提出了要求。此外▯,科技金融企业或小微金融机构也应该加强数据资源在采集、运输▯▯、存储、使用和开放等环节的安全保护,制定大数据安全等级制度及权限访问体系,防止小微企业客户信息泄露。

  第三,建议监管部门鼓励银行等主流金融机构加大▯▯。创新力度,在监管到位、风险可控的前提下通过多种方式与金融科技公司开展合作▯▯▯。在当下互联网金融风险专项整治背景下,对服务小微企业的金融从业者会造成一定程度的影响。建议监管部门穿透监管,鼓励银行等主流金融机构加大与金融科技企业的合作力度▯▯▯,加强对互联网大数据等信息技术的运用▯▯,降低运营管理成本,优化信用评价模型和管理方式,进一步提高自身核心竞争力。

  金融科技企业掌握了更为清晰的客户画像、客户信用状▯▯:态、经营状态、资产状态等数据信息▯,银行可以通过与科技金融企业的合作,运用互联网大数据有效降低交易成本,缓解信息不对称▯▯▯,有效控制风险。

  对于金融科技企业或小微金融机构来说▯▯,必须提升自身的数据能力,在大数据采集、大数据可视化▯▯▯、大数据分析与挖掘▯▯▯、存储管理、数据安全、非结构化数据处理等关键核心技术方面实现长足发展,从而助力小微金融健康▯▯▯、持续发展。

      大富翁彩票,大富翁娱乐,大富翁娱乐平台

返回

 网站地图