裘春熙：大数据解决小微企业用信应用的研究

国粮

裘春熙（中国农业银行浙江省分行）
  一、小微企业信用体系不健全，存在融资难问题
  （一）信息不对称
  我国大多数小微企业管理不规范，财务制度不完善，企业信息透明度低，无法提供可靠的数据材料。由于存在严重的信息不对称，金融机构无法通过企业提供的财务数据分析其优劣，最终导致小微企业融资难。
  （二）抵押担保难
  小微企业因规模小、固定资产少，缺少有效担保，即使有可以抵押的物品，也存在抵押率低的问题。特别是服务型、科技型小微企业，自身资产比较少，融资更加困难，而采用保证担保的方式，则会导致融资成本进一步上升，从而增加企业成本。
  （三）融资难
  小微企业对资金的需求有很高的时效性和偶发性，而金融机构传统授信方式对借款人的要求相对较高，各种审批环节多，这与小微企业对融资快捷、简便、灵活的需求恰恰相反。对金融机构来说，对客户的贷前调查，贷中材料的审核、审批，要环环到位，必然耗费较长时间。往往等到贷款审批完毕，企业的商机已过，且不能确定能否发放贷款，由此造成小微企业融资难问题。
  二、发挥大数据技术作用、解决小微企业难题的案例
  随着大数据时代的到来，越来越多的金融机构会通过大数据技术建立小微企业的信用体系，从而破解小微企业融资难问题。
  金融机构对企业信用评级的数据主要来源于内、外部系统产生的各种数据。内部系统的数据是金融机构对企业信用评级的主要数据来源，如客户在金融机构进行存款、转账、理财、消费等操作，每次操作的时间、地点、金额、账户等信息，均被完整地记录在系统中。金融机构利用这些内部积累的数据，对企业进行信用评估。外部数据也是金融机构对企业进行评价的重要参考。如人行征信数据是可靠、完整、权威的外部可用数据，它包含了客户的姓名、性别、婚姻状况和证件号码等基本信息，以及存贷款记录、担保和逾期情况等信息，还有企业和企业主的各种社保、住房公积金等信息，也为金融机构决定是否给企业发放资金提供重要参考。特别是客户在其他金融机构的贷款记录、违约记录，能帮助金融机构更加准确地对客户进行信用评级。
  目前，各家金融机构都建立了内部的ODS或数据仓库等数据平台，通过对数据进行提炼、分析，开发模型，准确地对客户进行信用评级，以服务于信贷管理，增强对企业的风险控制能力。
  （一）某金融科技企业（以下简称NZ公司)的小微企业信用体系解决方案
  NZ是国外一家致力于利用大数据技术建立企业信用体系的金融科技公司，它为银行、汽车金融、小贷公司等金融机构提供信用评分、风险定价、精准营销等服务。它通过分析大量客户的结构化和非结构化数据，特别是客户的兴趣爱好、上网习惯和社交记录等边缘化信息，描述出客户的真实行为，为客户建立信用评价。
  针对庞大的数据记录集，NZ建立了一整套基于人工智能的数据分析模型，能从数据集中抽取超过上万个变量进行自动分析，寻找变量间的关联性，并整合成测量客户行为的指标，综合反映客户特征。最后，根据模型的测算结果，运用设定的计算规则，计算出最终的综合得分，作为客户的最终评价。
  NZ的优势是具备较强的数据挖掘能力和建模能力，能对客户非结构化数据进行处理，并建立起相对完整的客户评价体系。但它缺少金融机构的内部数据，特别是金融机构内部的客户评级数据，从而无法与金融机构紧密联动，发挥出金融机构支持小微企业的最大效能。
  （二）某特大型电商企业（以下简称NA公司)利用大数据解决小微企业信用
  NA公司是国内著名的电子商务企业,它拥有庞大的金融板块、海量的企业客户和交易数据。该公司通过对这些交易数据的挖掘分析，能科学地统计出企业的信用评级，并在此信用体系的基础上，开展企业金融服务。例如，“NA小贷”就是基于它的企业信用体系，为其会员提供的一款无抵押、无担保的纯信用贷款产品。
  NA公司采用独特的“水文模型”，对海量交易数据进行分析挖掘。它按商户类型、级别等数据统计出商户的水文数据库，包括商户自身的数据变动和同类型商户的数据变化。当系统为商户授信时，就将水文数据和数学方法相结合，计算出商户同期的资金需求，并根据历史记录判断出商户未来的融资需求。
  以某羽绒服店铺为例，冬天是羽绒服的销售旺季，这一时期店铺对外使用的资金需求会变大。通过水文数据库的店铺历史数据，可以得到这家店铺在历年冬天和其他时期的资金需求量，从而确定店铺当前和后期的合理贷款额度。NA的数据模型能为企业建立合理的信用体系，解决部分企业的融资需求，但它主要针对自身的特定关系商户，模型所需的基础数据也只有NA平台才能掌握，对其他金融机构来说，这一解决方案有数据壁垒。
  三、某大型国有银行（以下简称NB银行）“小微网贷”解决方案
  浙江是全国民营经济最发达的省份之一，有大量的小微企业。作为浙江省内主流商业银行的NB银行创新推出了“小微网贷”综合服务平台。
  “小微网贷”以建立小微企业信用体系、解决企业贷款难、贷款慢为目标，通过直连税务、人行等政府公共数据系统以及NB银行业务管理系统，运用大数据分析模型，测算出客户信用等级、授信额度理论值、预授信额度和贷款利率等各类数据，并通过微信公众号等渠道实现客户在线自助申请、自动评级、自动授信、审批和放款等，客户在信用额度内随借随还。
  （一）“小微网贷”数据分析模型
  优异的信用分析模型能够根据已有的数据，准确识别出优质客户，并有效控制风险。以NB银行为例，经过几年的信息建设，已建成完善的客户信息系统、客户关系管理系统和客户信贷管理系统等众多基础性平台。这些系统存储了大量结构化程度高、完整性好、可用性强的数据，为小微企业的信用分析提供了原始素材。
  “小微网贷”的数据源以结构化数据为主，以非结构化数据为辅。一方面，从内部已有系统中获取客户基本信息，筛选合适贷款客户；另一方面，依托税务、工商等信息系统，锁定纳税等级好的优质客户，需要与浙江省工商管理局的云平台进行数据对接，批量获取工商登记数据，并实时进行更新。
  系统还会利用非结构化数据对小微企业的评级进行修正。如国家财务、税收和产业等宏观经济政策变动，或法律、法规等规章制度的调整，对企业生产经营产生的影响；同类型新产品、新技术的发布或上市，对企业主导产品的市场地位产生的影响；企业涉及对外过度投资或担保，或安全生产事故、环保事件或产品质量事故；经济纠纷、未决诉讼、贸易争端对企业声誉或生产经营造成的不利影响，等等。
  “小微网贷”抓取国税、工商、人行征信和NB银行内部系统的企业数据，与银行内部的评级模型中的各评分档相匹配，进行量化，再将各项细分项根据权重进行累加，最终得出企业综合信用评级得分，评定企业信用等级。
  “小微网贷”客户评价指标包括企业所有者权益、企业征信及融资、纳税信息、财务数据、企业主个人征信、代发工资情况、企业及企业主持有金融资产等七大评价模块，共16项评价指标，加权总分值计100分，把总分值划定二十个区间，称为评价级别。各个评价级别与NB银行内部系统的授信额度调节系数和贷款定价调节系数建立相互对应关系。
  授信额度是由授信额度初始值和授信额度调节系数确定产生。单户企业授信额度初始值由纳税额、金融资产、企业主个人金融交易等部分构成。小型企业的授信额度控制在1000万元总授信额度内（各家银行授信总额），微型企业控制在500万元内。企业贷款利率由基准利率和贷款定价的调节系数确定产生。如从系统中计算得到某企业的授信额度初始值是100万元，企业的评价级别对应的授信额度调节系数是1.3，那么该企业的授信额度就是130万元。企业对应的贷款定价的调节系数是基准利率上浮5%，基准利率是4.75%，由此确定该企业的贷款利率是4.99%。
  “小微网贷”还针对商贸型、科技型和一般类型等不同类型研发了差异化的评级模型和授信模型。其中，“科技型”客户评价指标体系根据科技型小微企业轻资产的特点，对其所有者权益、资产负债率等指标进行适度调整。
  （二）模型样本测试
  针对“小微网贷”数据分析模型，NB银行对其进行了样本测试。出于对数据处理速度及模型效率的考虑，样本测试采用随机抽样和分类抽样相结合的方式，共抽取了108户小微企业样本。样本包括白酒、电子工业设备制造、服装、玩具、汽车零部件制造、建材批发、生物制药、农产品加工、绿色环保、物流等多个行业；纳税信用等级包括A和B；地区包括各小微企业活跃的区域；涉及11个NB银行内部信用等级。测试时，对每个样本企业的数据输入，包括企业所有者权益、企业纳税销售收入、企业净利润、近两年纳税额平均增长率等16项指标。通过模型计算，系统得到了所有样本企业的综合分值（分值越高，实际反映出企业的经营质量越好和风险水平越低），分值基本反映了企业实际经营质量和风险水平。
  （三）“小微网贷”风险控制测试
  为有效控制风险，在NB银行内部进行“小微网贷”选择性试运行，优先选取了数据对接功能完备、质量可靠且信用环境良好的区域进行试点，并进行总量控制。对采用信用方式的业务，用信总量控制在30亿元以内；对“小微网贷”业务不良率超过1.5%的机构进行风险预警；对业务不良率超过2%的机构，暂停办理“小微网贷”新增授信业务。
  系统还对贷款企业实现了贷后实时监控。贷后预警系统可实时评估、判断、监测小微企业生产经营和信用资质变化情况，一旦出现风险信号，及时报警，提醒开展贷后管理，实现从结果管控到过程管控的转变。预警分为系统定量预警和线上定性预警两大功能，主要依据风险影响大小、预计损失、危害程度、紧急状况等因素，将风险信号分为红色、橙色、黄色和蓝色风险信号四类，客户经理收到风险信号后，立即核实7项定量指标和13项定性指标的真实性及信号产生原因，并及时采取应对措施，控制和化解风险。
  （四）“小微网贷”实施案例
  NB银行的小微客户长兴某科技有限公司是一家成立于2007年的小微企业，主要生产电感、电容器等电子元器件，用于军工、航天等国家重大战略项目。由于产品富有竞争力，企业生产经营一直稳步增长。近期，随着订单量不断增加，企业规模不断扩大，公司对流动资金的需求进一步扩大。由于企业规模小，全年营业收入只有1000多万元，又缺乏有效抵押品，企业很难达到金融机构准入条件。“小微网贷”产品的出现，有效解决了该企业的资金需求。该公司法定代表人在微信端发起了“小微网贷”贷款申请，经NB银行大数据采集和分析，该客户销售额稳定，财务结构合理，年纳税82.9万元，企业和法定代表人及配偶个人信用良好，申请后手机端实时显示了该企业可预授信信用贷款50万元，随后，银行对企业进行了实地调查，经综合分析后，授信顺利通过审批，该企业在授信50万元额度内，自助用款、随借随还。目前，该企业各项业务正常，发展良好。
  四、相关建议
  近期国家出台了一系列针对小微企业的倾斜优惠政策，激发了小微企业的融资活力。从政策框架的导向看，数据治理能力将成为建立小微企业信用体系，破解企业融资难、融资慢的有效手段。对此，笔者提出以下建议：
  （一）完善“小微网贷”解决方案
  多渠道获取客户信息数据，对不同行业建立“一对一”的数据分析模型。除税务、人行征信外，还可考虑公安、社保、环境保护、安全生产、政府采购等更多方面数据采集源。同时，充分利用云计算、神经网络、人工智能等最新信息技术手段，定时调节系统参数，采用“一对一”分析模型，从外部数据中提取客户行为数据，保证模型数据的准确性，确保客户信用评级的精准。
  （二）优化银行信贷、服务流程
  1.对接政府“最多跑一次”改革，突出“服务快”。开通企业办理工商代理注册绿色通道，研发上线账户在线开户系统，新增自助设备开立企业账户功能。实行信贷业务调查报告模板化运作，建立法人信贷业务调查模板，实施“菜单化、模式化、简单化”审批。建立包含贷前沟通，贷款申请、调查、审批、发放等环节的全流程限时办结制度，并配套制度执行评估及监督体系，真正实现“最多跑一次”。
  2.优化信贷管理制度，治理“程序烦”。为小微企业和重点项目建立由管理行、经营行以及信贷前后台等相关部门组成协同办公的“信贷大篷车”工作机制，对授信方案、项目融资等实施一揽子审批，对时效性较强的小微企业项目，特事特办。推进“信贷工厂+移动工作站”模式，缩短审批时间。推广纯线上化服务，实现在线评估、极速审批、随借随还。制度性建立中长期流动资金贷款，探索将贷款期限最长调整至3～5年，解决银行对中小企业的贷款期限在1年以内，不能完全匹配企业生产经营周期的问题，同时缓解小微企业还款压力。建立续贷沟通工作机制，在贷款到期前与企业就续贷问题进行充分的沟通衔接，逐一确认企业续贷意愿、续贷金额、期限；建立续贷沟通的行内协调机制，确保沟通过程中确定的事项，在企业未发生重大变化时，切实履行承诺，给企业稳定的预期。
  3.完善考核激励机制，实现“可持续”。强化正向激励，大幅提升民营企业考核权重。落实免责减责机制，在落实不良容忍度监管政策的基础上，结合风险管理水平和各地经济金融环境等，对不同地区和分支机构设置差异化的小微企业不良贷款容忍度。出台小微企业尽职免责规定和实施细则，对于按照制度规定已经履行岗位职责且无违规行为的，给予免责；对有主观过失，但贷款全额或大部分收回的，减轻处罚。
  （三）多途径解决担保难问题
  深化与政府类担保公司、风险补偿基金、保险公司等专业机构合作，为小微企业提供第三方增信，适当提高小微企业信贷杠杆，扩大小微企业支持面。积极推广商标权、著作权、专利权等无形资产抵押，解决小微企业特别是科技型小微企业的抵押物不足问题。
  （四）助推社会诚信体系建设
  健全客户选择和培育机制，同时运用好联合惩戒和反欺诈等工作机制，协同司法、工商、税务等部门，以及网络、电视媒体，坚决打击“假摔”、恶意“逃废债”等行为，引导小微企业诚信经营，规范发展。
主要参考文献：
[1]陈颖，颜伟忠.大数据技术下小微型企业信用建设研究——以小微型企业信用大数据平台建设为例[J].经济师，2015(7)：251-253.
[2]李延东，郑小娟.大数据对解决小微企业融资难的启示——以ZestFinance公司为例[J].甘肃金融，2016(5)：28-30.
[3]徐翔宇.大数据征信技术在互联网金融信用风险控制体系中的应用[J].河北企业，2018(7)：50-52.