大数据技术支持小微企业信贷研究

1 引言

小微企业具有资金门槛低、人员结构简单、管理灵活等优势, 是大众创业、万众创新的重要载体。当前, 我国商事制度改革持续发力, 通过将注册资本实缴制改革为认缴登记制, 极大地降低了资金门槛, 为百姓投资创业打开了方便之门。再加上创新创业风潮的兴起, 多地推出融资税收、科技支持等组合拳, 带动小微企业创新创业工作, 为小微企业发展创造了良好的外部环境。据国家工商行政管理总局统计, 我国平均每天新增市场主体的数量超过4万家, 其中新登记企业近1.4万户, 企业活跃度保持在70%左右。截至2017年7月31日, 我国小微企业已达7328.1万户。如浙江省在“小微企业三年成长计划” (2015~2017年) 培育下, 全省的小微企业数从2014年初的80.67万家, 增加到了2016年末的139.7万家, 净增59.03万家。小微企业爆发式增长, 不仅带来了巨大的就业机会, 也为金融机构的信贷融资市场开拓了一片蓝海。

2017年5月, 根据工信部发布的小微企业运营指数, 通过对小微企业的财务数据监控, 2016年末综合运营指数为50.1, 2017年第一季度, 综合运营指数为51.7, 且呈现平缓的微笑曲线, 说明当前, 我国小微企业自身运营势头良好。根据人民银行统计, 截至2017年6月末, 共发放小微企业贷款余额为22.63万亿元, 同比增长17.2%, 占企业贷款余额32%。从数量上看, 小微企业的贷款总量较快增长, 然而小微企业由于规模小、流水少、抵押物缺乏, 在可获得性上, 传统金融机构的贷款模式仍然不能满足小微企业快速增长的需求, 据CHFS调查数据显示, 小微企业的银行信贷可得性为46.2%。国家统计局调查也显示, 2015年有融资需求的中小企业, 其贷款满足度为60.9%, 2016年为61.2%, 总体小微企业融资缺口将近40%, 且没有明显改善。当前, 我国经济下行压力比较大, 银行贷款不良率居高不下, 商业银行为了严控风险, 更倾向于控制小微企业贷款额度, 小微企业融资难问题进一步凸显。

2 小微企业信贷分析

与一般企业相比, 小微企业资金多用于流动性, 因此其融资需求具有规模小、时间急、频率高的特点, 适合小微企业的金融产品十分短缺。小微企业融资问题的痛点主要基于以下两点。

2.1 传统银行贷款可获得性低

银行贷款流程主要分为贷前调查、贷中审批、贷后管理。由于信息的不对称, 银行为了严控信贷风险, 贷前调查主要调查企业基本信息、财务报表、经营流水、资产状况等。小微企业报表较上市公司填写不规范、数据不真实等一系列原因, 其报表的可信度低。而现场核查、眼见为实又费时费力, 因此, 银行从成本和风险的角度上, 更倾向于抵押物充足、报表规范的大企业, 对小微企业惜贷、压贷现象时有发生。融360的《小微企业普惠报告》也显示, 银行贷款在获得资金的容易程度上得分为47分 (60分是融资难易的分水岭, 60分以上为容易, 60分以下为难) , “惠而不普”。

2.2 其他渠道融资成本高

当前, 小微企业主要的融资渠道有传统银行金融机构、小额贷款公司、民间借贷和P2P融资平台。根据《小微企业普惠报告》, 2014年平均六成企业的贷款月利率在2%以上, 折算成年利率为24%, 即高于一年期贷款利率6%的四倍。从网贷天眼数据平台上, 2017年绝大部分P2P网贷平台贷款利率为8%-12%, 平均贷款利率为15%左右 (图2) 。在贷款费率上得分P2P为36分、小贷公司为47分, 均属于成本高, “普而不惠”。当前, 我国小额贷款公司和P2P平台运作和管理水平不够规范, 在风险管理上远不及传统银行机构的水平, 因此从风险补偿机制来看, 在不能有效控制风险下, 提高贷款利率是最常用的方法。

3 大数据在信贷领域的优势

大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合, 与过去的征信数据源相比, 具有更大的体量、更丰富的形式、更明显的时效性、更准确的呈现方式和更大的挖掘价值。近年来, 随着信息技术的快速发展, 大数据技术发展势头迅猛, 尤其在应用于金融领域的广度和深度不断被挖掘。中国银监会在《中国银行业信息科技“十三五”发展规划监管指导意见》中明确提出, 金融机构要制定大数据战略, 积极建立大数据服务体系, 加强数据共享, 深化大数据应用。因此, 大数据已经成为引导金融变革、提升金融服务水平的重要技术手段。

3.1 降低信息不对称

在贷前调查过程中, 由于成本的问题, 传统银行重视报表数据、抵押物情况, 忽略其他定性数据, 在大数据技术下, 大数据以其海量和多样的数据集合, 将小微企业在手机网络、电商平台、水电费用、社交网络等平台的日常数据进行测算, 刻画出企业的全息、真实画像。利用大数据高速处理信息技术, 将企业的真实经营情况进行反馈, 并筛选出优质贷款客户。这与传统人工实地调查和财务报表数据相比, 解决了成本高、数据失真的问题。贷后管理中, 对于资金的动向、获贷后经营情况、高管账户非正常变动、关联企业经营等得到了全方位的监控。

3.2 为小微企业增信

在传统银行授信模式中, 小微企业由于成立时间短, 规模小, 资金往来范围小, 在征信系统中的征信数据较少, 通过传统金融机构征信系统难以获得客观的信用评级。在大数据评级模式下, 在合规授权前提下, 打破信息壁垒, 通过指数级高增长的大数据资源, 将银行数据、政府数据、企业行为数据及第三方数据都纳入到评级系统中来, 从而丰富小微企业数据资源, 为企业增信, 提高获贷率, 解决银行贷款覆盖率低的痛点。

3.3 丰富贷款产品

通过大数据技术, 在刻画小微企业全息画像的同时, 金融机构能够分析企业特质, 辅助信贷产品设计, 进行精准产品开发和精准营销服务, 更大程度上满足小微企业全方位的金融服务需求。如利用大数据分析企业用户行为, 判断企业贷款需求, 改进产品的服务方式。此外, 通过大数据贷款客户梳理, 归类小微企业贷款客户, 建立标准化、流程化的信贷流水线作业, 实现在线信贷处理、审批、分析、预警的高效服务模式, 提高客户体验。

4 建立大数据信贷运作平台

4.1 在合法性前提下, 构建共享数据源

整合相关数据平台, 构建大数据信息源。一是信息平台合法授权, 包括政府平台类信息和企业平台类信息, 主要有工商、税务、水电、社保等相关部门的数据, 以及企业基本信息、日常经营流水、社交网络、电商平台、收单机构、关联企业等数据。二是制定采集标准, 解决数据对接问题, 主要是将结构化和非结构化数据对接。

4.2 构建多方参与的信贷运作模式

小微企业多方参与的信贷运作模式如下:

首先, 由政府牵头, 地方大数据信息服务公司参与, 成立征信服务公司, 服务地方信用经济发展, 满足信用信息服务的多样化需求。因为政府牵头的征信服务公司, 有利于实现数据共享, 如将小微企业管理层的个人信息和社交网络信息与政府信息平台、企业信息平台的数据对接。

其次, 科技企业参与信息服务公司, 利用已有的大数据技术对海量数据进行挖掘处理, 并建立大数据信用评级模型, 筛选优质客户, 提供信用报告等服务。

再次, 各家金融机构进行精准化信贷服务。具体是各家金融机构根据目标企业在本行的存款数据、理财数据、交易结算等情况, 将其作为贷款加分, 进一步对小微企业进行信用计分、贷款定价、产品设计等。同时, 金融企业在一套标准化的在线业务操作流程下, 实现自动审批、利率计算、贷款发放、大数据不良资产处置等, 提高信贷服务效率。

最后, 由于数据源能够与企业信息平台实时对接, 金融机构能够实现对小微企业的实时贷后追中、经营预警信息反馈等, 从而达到对风险的监控和防范。同时, 还可以将贷款发生违约的企业信息实时传递给大数据信息服务公司, 信息系统向金融机构贷后工作人员发出风险预警提示, 及时根据实际情况采取强有力措施 (现场走访、交易控制、网络曝光、网络黑名单、报人行征信系统) , 从而有效控制小微企业违约的发生。

摘要：本文首先从小微企业融资难的痛点出发, 通过对统计数据及当前宏观经济形势的分析, 得出小微企业融资存在传统银行贷款可获得性低和其他融资渠道融资成本高两大难题。然后通过大数据的5V特性分析, 得出大数据技术在信贷领域的优势, 最后提出构建小微企业大数据信贷平台, 主要从数据源及平台运作两个方面进行研究。

关键词：大数据,小微企业,征信,信贷平台

参考文献

[1] 董晓林, 陶月琴, 程超.信用评分技术在县域小微企业信贷融资中的应用——基于江苏县域地区的调查数据[J].农业技术经济, 2015 (10) .[1]董晓林, 陶月琴, 程超.信用评分技术在县域小微企业信贷融资中的应用——基于江苏县域地区的调查数据[J].农业技术经济, 2015 (10) .

[2] 冯文芳.互联网金融背景下小微企业大数据征信体系建设探析[J].国际金融, 2016 (3) .[2]冯文芳.互联网金融背景下小微企业大数据征信体系建设探析[J].国际金融, 2016 (3) .

[3] 范晓忻.大数据征信与小微企业融资.[J].中国金融, 2014 (11) .[3]范晓忻.大数据征信与小微企业融资.[J].中国金融, 2014 (11) .

[4] 王艳林.基于大数据平台的互联网金融与小微企业融资——以阿里小贷为例[J].经济研究参考, 2015 (12) .[4]王艳林.基于大数据平台的互联网金融与小微企业融资——以阿里小贷为例[J].经济研究参考, 2015 (12) .

[5] 熊源, 梁剑.基于信用评价的小微企业信贷需求有效性实证分析[J].西部金融, 2015 (10) .[5]熊源, 梁剑.基于信用评价的小微企业信贷需求有效性实证分析[J].西部金融, 2015 (10) .