文|何扬禄 看懂经济专栏作家
1.加强平台场景建设,构建综合化的金融生态。
2.推进大数据与传统信贷分析方法的融合,全面科学评估小微企业。
3.强化数据管理,提升风险管理能力。
普惠金融这一概念最早由联合国于2005年首次正式提出,是指以可负担的成本为有金融服务需求的社会各阶层群体提供适当有效的金融服务。但是在信贷领域,普惠金融业务发展之初,就面临着较大的难题,金融机构为小微企业发放贷款需要承担较高的经营成本和风险成本,金融机构可负担的成本和小微企业能承受的价格之间一直存在矛盾,小微企业融资难、融资贵的问题一直没有得到很好的解决。也是因为这个原因,过去我国普惠金融发展的主要驱动力来源于央行及银保监会的政策。比如央行的定向降准奖励,银保监会的“两增两控”的考核。但是单单政策层面的动力还是不够的,会导致部分金融机构玩数字游戏,甚至个别机构直接进行数据造假。
当前,大数据、云计算、人工智能已在重塑金融业所倚赖的信用基础,作为基于科技要素驱动的创新,金融科技可以降低金融业务的风险成本,拓展金融服务的可得性,为普惠金融领域提供了颠覆性动能,为从根本上解决普惠金融业务基本矛盾提供了可能。近几年在数字化新模式下,商业尤其是国有大行的普惠金融业务得到了快速发展,风险得到了较好控制,融资难、融资贵的问题得到了一定程度的缓解,有力地促进了经济发展。但数字普惠金融发展时间较短,有些问题还在探讨和摸索中,相关配套措施不够完善,数字普惠金融业务发展还存在一定的问题,值得我们反思。
在看到成绩的同时,要客观看待当前存在的问题,不能认为大数据已经解决所有问题,不能在大数据的光环下掩盖风险、掩盖存在的问题。
数据使用在上存在模糊空间。商业银行自身数据有限,普惠金融业务要发展必须依靠大量的行外数据,在使用行外数据方面,法律上仍然有不确定性因素。近年来,数字普惠金融在中国高速发展,其发展水平已走到世界前列,为中国普惠金融发展带来了革命性的影响。但是,相应的风险控制问题已日渐凸显,如数据安全、隐私权保护以及信息披露问题等,现已成为中国发展数字普惠金融的重大挑战。未来数据与隐私保护肯定会越来越严格,现在仍在使用的部分数据,如果不能找到很好的解决办法,未来可能不能再使用。
存量数据较难带来授信增加。前期商业银行接入了包括征信、司法、和第三方数据公司等在内的大量外部数据,也整合了银行内部的各种数据资源,通过预授信的模式大量获客,数字普惠业务快速增长。但是目前来说,虽然系统的数据资源还在更新,但主要是存量用户的数据更新,而存量用户总体上的经营情况没有太大的变化。因此,虽然数据资源在更新,但是客户的授信额度总量并没有大的增长,部分客户的授信额度还因为经营情况的变化出现了下降。
高频交易数据对接不够。商业银行为了获取数据资源,搭建了大量的平台,但是平台搭建还是以政府机构为主,拥有高频交易数据的平台对接不够,海量的交易数据不能实现共享;相关产业互联网平台,银行介入不多,与小微企业直接系统连接做得还不够;农业领域平台搭建刚刚起步,三农数据的数量和质量有待提升;商户大量的交易数据难以用有效的平台进行整合,数据的真实性难以得到有效的验证。
2.数据怎么来整理分析?
大数据分析存在一定的短板。大数据在客户画像方面取得了较好的成果,但对客户未来的预测主要是通过相关性分析,即着重分析一个数据变化时,另一个数据也随着变化的可能性,对因果关系的分析是大数据的短板。而相关性分析是必须建立在一定前提和基础之上,当前提和基础发生变化,大数据的预测可能会出现问题。具体到数字普惠金融业务发展中,如何引入专家判断,如何将大数据技术与银行信贷分析技术结合起来,在精准画像的基础上对客户未来的还款意愿和还款能力进行合理度量,仍然有较长的路要走。
数据分割现象依然存在,数据相互验证还不够。商业银行平台搭建和数据接入还存在条线、部门、区域、产业、行业分割的现象,数据标准不尽相同,数据质量也在一定程度上存在参差不齐的现象,导致不同平台中的数据挖掘仍显不足,数据的整合应用方面有待提高。同时现有数据的相互验证还不够,互联网头部企业拥有大量的数据资源,这些数据资源既有资金流、信息流、物流,而且这些信息往往是围绕相同业务,能够相互验证。比如在互联网平台中发生一笔交易,这笔交易的资金流、信息流、物流都存在于同一平台、或者同一互联网公司中,能够轻易抓取出来,很容易能够相互验证其数据的真实性。而对商业银行来说,资金流可能发生在本行,也可能发生在他行,而信息流、物流可能在政府机构的平台中或者其他公司的平台中,即使商业银行能够取得这些信息,但是也难以匹配是否是围绕同一笔业务的,不能匹配成同一笔业务,就很难相互验证真假。
部分产品设计逻辑简单。对商业银行来说,当前部分产品的设计逻辑仍然是先用征信、、工商、海关、司法等数据排除部分有问题的小微企业,再依据单一平台数据来确定授信额度,比如电力平台中的用电数据、税务平台中的缴税数据、政府采购平台中的采购数据。由于数据范围不够广,没有全面反映客户真实的经营状况,因此对客户的授信额度不够精准,比如纳税相关的线上贷款产品中,享受税收优惠的科创企业、“三农”企业授信额度偏小。
综合额度测算存在难度。当前部分银行与政府合作,通过搭建综合性平台,连接了部分综合收据,对同一客户,既有用电的数据、纳税的数据,也有房产的数据、交易的数据,而且能通过模型进行识别和整理,但是受产品管理办法和授信模型的限制,虽然客户的数据增加了,但是授信额度不能增加。现在通行的做法是依据不同产品和数据分别测算额度,最后取其中最高的产品额度作为客户最终的授信额度。比如某客户通过纳税的数据授信一百万元,现在有了用电数据,房产数据,交易的数据,但是客户的授信额度可能还是一百万。这样的情况当然不能对各自测算的额度进行简单的累加,如果设置不同的权重再进行加权,大多数的客户额度也不能增加,到底应该怎么来处理,目前很多银行还没有成熟的做法。
数据安全管理成为新的难题。在数字普惠金融业务发展过程中,商业银行开发了不少的系统,搭建了众多平台,联通了大量的第三方。如果交易系统出问题,哪怕只是一个小的问题,都会使合作受到严重影响,客户会流失,银行的声誉也会受到较大的影响。虽然平台合作方与银行在法律上是不同的实体,但是客户会自然将两者联系在一起,同时第三方机构可能会从银行处获取用户相关数据后对外泄露。
反欺诈的难度加大。虽然银行的授信规则对外界来说是“黑盒子”,但是随着业务的发展,部分人可能会通过各种方式知晓银行的授信规则,从而利用规则的漏洞来进行欺诈。比如交易数据相关的信贷产品,买方和卖方可能合谋虚增交易来扩大授信,套取银行信贷资金。税务数据相关的信贷产品,根据纳税额确定授信额度,授信额度是纳税额的数倍,部分客户可能通过主动多缴税来套取银行信贷资金。
对客户的约束较少。商业银行经过长年的发展,已经积累了一整套贷后管理的政策和办法,但是数字普惠业务的发展对过去的办法构成了挑战。客户支用贷款、使用信贷资金完全通过网络实现,商业银行难以做到事前管理、事后监控。虽然普惠金融贷款的违约情况也纳入征信,但是征信情况难以对小微企业进行约束,形成不良后,企业实际控制人可以通过新设立的企业来开展业务,逃脱征信的制裁。而小微企业的实际控制人不一定真实,而且可以随时更换,也难以对实际控制人进行约束。
1.加强平台场景建设,构建综合化的金融生态。
商业银行已经不可能去建设、淘宝、这样的高频交易平台。而只能满足客户单一、低频需求的平台,最终又肯定会被市场淘汰。事实上,对客户本身来说,并没有天然的高频、低频交易区分,综合了大量低频的交易,本身就变成了高频。要获得持续的竞争能力,必须以客户为中心,构建综合化的生态场景。
深化互联网平台的合作。互联网头部企业拥有的小微企业数据范围最广、门类最齐、数量最多、真实性最可靠。在当前互联网企业监管趋严的背景下,互联网企业的金融功能相比以前将有一定程度的弱化,大量数据资源难以充分发挥作用。银行应该加强与互联网平台的合作,以专业金融理念和风控手段工具与互联网企业的科技力量、海量交易数据进行对接,共同搭建互联网场景,打造风险可控、符合监管要求的。当然,互联网的头部企业不一定愿意将数据完全与银行共享,在这种情况下,双方可以联合建模,通过数据可用不可见的方式,共同进行产品研发、信贷投放。当前相关机构正在研究建立面向金融业的大数据平台,商业银行应该积极研究,大力推动大数据平台的建设,同时应该提前做好相关的准备工作。
强化产业互联网的建设。在当前“放管服”的背景下,小微企业受到政府部门的规制管理较少,政府部门掌握的小微企业经营方面的数据占比较低,并且还将出现占比下降的趋势。小微企业大量的数据将产生于上下游的交易中、产业的互动中。而且企业客户对安全性、私密性、对公账户和财务管理的规范性要求较高,在对公业务方面,与互联网公司的合作较少。因此银行应加强与产业龙头企业、大型核心企业平台的合作,加快产业互联网的建设,通过平台为小微企业提供全方位金融服务。
通过低代码开发为中小企业提供数字化解决方案。在某种意义上,通过连接第三方来获取小微企业的数据,不如直接与小微企业连通。银行可以开发标准化,适合小微企业财务、供应、生产、销售、综合管理的数字化系统,通过标准化的接口在云端与小微企业连接。系统要满足小微企业的日常生产经营需要,连接要简单,对不同的客户不需要额外的软件开发。这样做既能推动小微企业的数字化转型,又能营销一大批优质企业,还能通过连接获得小微企业真实可靠的信息流、物流、资金流信息。
推进平台场景整合。要特别关注政府平台的整合,随着数字政府和智慧政务工作不断推进,最终高阶层的平台将整合低阶层的平台,全国的平台将整合地方性的平台,大的平台将整合小的平台。商业银行要着眼于长远利益,对平台、场景的进入和合作有目的、有规划,要主动营销,建设全国级平台。同时要统一小微企业流量入口。现在仍然有大量的交易分布在各类机构、各种平台,APP众多,智能手机能够实现随时随地操作,但是安装APP的数量有限。应该将大量交易整合成为一个大的入口,客户能够通过统一的入口进入各种生态系统中,连续性地完成一系列的交易,外建的平台场景也要能通过这个统一的入口进入。不同的平台,可以共享入口,可以共享用户名和密码,只要没有禁止性条款,不同平台可以实现共享。不同平台的建设要求、数据标准要尽量统一,同时要预留平台进一步整合的可能。
2.推进大数据与传统信贷分析方法的融合,全面科学评估小微企业。
互联网公司、P2P机构的技术实力要强于部分银行,但是在信贷业务方面,他们都遇到了很大的困难,有的风险频发,尤其是P2P机构。这也说明,技术不是万能的,单纯的数据技术不能解决所有问题。对银行来说,不能抛弃传统的信贷常识和逻辑,不是用大数据来取代传统信贷方法,而是通过数字化的方法来完善信贷分析技术。
以唯一的ID为基础对客户进行精准画像。小微企业在平台中是用户,在不同的场景中扮演不同的角色,但是对银行来说,应该还原成活生生的个性化客户。银行需要加强数据中台建设,将不同平台、不同场景的用户以及交易行为抓取出来,构建一个完整的、有着不同标签的金融客户。其中最为关键的是为客户提供一个全局唯一的ID,将各渠道、各平台的用户数据整合起来。这个ID不仅要能够关联出用户的信息,还应该能够关联出用户的所有交易信息。要依托大数据技术应用,完善客户标签体系,加强客群细分、客户特征剖析,全面分析客户行为,完善企业客户画像。
进一步完善财务数分析方法。经过长期的发展,财务分析方法逐步完善,到目前为止,财务分析是最全面、最准确的分析方法,在大数据时代也是如此。在普惠金融方面,仍然有不少的产品是依靠单纯的用电数据或者纳税数据来确定客户的授信额度,也有的产品采用了评分卡的模式。这些技术手段,是在财务数据不够全面、不够真实的现实情况下,从节约成本的角度考虑,对财务进行了简化处理。虽然解决了部分问题,但是不能完全还原小微企业的真实生产经营情况,信息不对称的情况仍然比较严重,不能完整准确识别风险,特别是蕴含了较大的欺诈风险。在大数据时代,银行获取数据、处理数据的成本大幅度降低了,具备了依靠大数据自动化全面分析小微企业财务状态的现实条件。因此应该充分依靠大数据,在精准画像的基础上,依靠金融科技,形成核心算法,全面准确分析小微企业,科学评估小微企业的还款意愿和能力,合理确定小微企业的授信额度。在条件具备的情况下,以单一或者较少数据确定客户授信额度的信贷产品要尽快转为评分卡模式或者数字化的财务分析模式,要完善模型的维度和评分规则,建立标准统一又适应范围广的小微企业综合评价标准,依托大数据,自动化、批量化评估小微企业还款意愿和还款能力。
做好客户线下数据的收集。即使在大数据时代,也不是小微企业所有的信息都能数据化,不是所有有用的信息都及时有效地传递到商业银行能够接触到的网络上。而且,商业银行尤其是大型商业银行,线下渠道的覆盖面比较广,客户经理对身边的客户能够及时了解到一些有用的信息。因此商业银行要坚持线上、线下相结合的分析方法,在商业银行普惠金融业务的系统中,要留有人工通道,让客户经理能及时录入相关信息,对部分存疑的信息、相关风险信号也可以要求客户经理线下去了解核实。同时商业银行要留有通道,让客户经理、风险经理能够根据自己的判断及时去终止或者否决部分存疑的业务。
3.强化数据管理,提升风险管理能力。
数字化、金融科技一方面因其内含的技术要素提高了金融资本的配置效率,提升了金融业的风险管理能力,降低了风险的集中度; 但另一方面,由于其并没有改变金融业本身具有的脆弱性和风险属性,风险仍然存在,而且数字技术本身也带来了新的风险。因此,在数字普惠金融业务领域,要研究新的风险形态,进一步加强风险管理。
做好平台的选择和评价。平台的搭建虽然能减少信息不对称,但是如果平台本身如果选择不当,信息不对称的情况可能会更加突出。商业银行要建立一套合作平台评价的标准,对平台要执行线下调查、线下审批流程,根据调查的结果合理确定合作风险限额。同时要有负面的约束条款,数据真实性出现问题,或者不良达到一定的额度,要中止与平台的合作。
完善反欺诈规则。针对包装借款人条件、伪造借款人身份和信息、恶意虚增额度、隐瞒关联关系、团组授信等主要欺诈场景,结合产品特点,设置差别化管控规则,包括拒绝、提示及贷后预警。推进内外部风险数据共享,加强数据交叉验证,打造“交互式反欺诈引擎”,利用税、水、电等经营数据与客户的AUM值、结算流水等授信数据进行交叉验证,对客户信息失真、关键数据异常等情形进行甄别诊断。
强化交易数据的安全性。在数字普惠中,不同平台相互连接,不同的数据交织在一起,数据安全尤其重要。对客户来说,需要建立一整套事前授权、事中跟踪、事后补救的机制,让客户掌握决定自身数据开放程度的绝对优先权。对内,建立高层级的数据管理制度,各条线、各部门、各产品线都要严格遵守,并不断完善平台搭建、数据收集、收据处理、数据使用的规则。对外,要呼吁和参与国家建设数据共享开放平台,在充分保护用户隐私和保障数据安全的前提下,按照统一的规则有序开放共享数据资源。
本文首发于微信公众号:看懂经济。文章内容属作者个人观点,不代表和讯网立场。投资者据此操作,风险请自担。
(责任编辑:张洋 HN080)
北京市海淀区北三环西路甲18号中鼎大厦B座7层
北京市海淀区万寿路西路2号文博大厦二层北侧
北京市朝阳区南沙滩66号院1-2-3
北京市东城区珠市口东大街6号珍贝大厦西侧3层
北京市海淀区北三环西路甲18号中鼎大厦B座8层
天津市和平区合生财富广场b座6楼
天津市和平区合生财富广场b座6楼
石家庄市新华区中山西路83号东方大厦11层
石家庄市新华区中山西路83号东方大厦11层
河北省保定市竞秀区天鹅西路333号世纪大厦3层
太原市小店区亲贤街体育路口茂业天地对面7层
太原市小店区学府街长治路口高新国际A座24层
运城市盐湖区槐东路槐东大厦一层(禹都人民医院旁,维也纳酒店对面)
大连市高新园区汇贤园七号 腾飞软件园二期一楼
沈阳市沈河区大西路1号文峰大厦10层
沈阳市沈河区大西路1号文峰大厦7层
吉林省长春市南关区卫星广场成基商务A座27楼
哈尔滨市南岗区中兴大道,哈西万达写字楼B1座3层
内蒙古呼和浩特市新城区瑞德福大厦三楼
上海市徐汇区华山路2018号汇银广场7楼735室
上海市徐汇区南丹东路300弄亚都商务楼16楼
上海市浦东新区商城路518号内外联大厦21楼
南京市秦淮区中山东路532-2号 南工院金蝶大学科技园A2栋2楼
南京市雨花台区软件大道66号华通科技园一楼105室
南京市秦淮区中山东路532-2号 南工院金蝶大学科技园A5栋2楼
苏州市沧浪区东吴北路221号惠康新地5楼
无锡市新区湘江路2-3金源国际大厦A座1506
浙江省杭州市西湖区教工路23号百脑汇科技大厦15楼1508
浙江省杭州市西湖区文三路259路昌地火炬大厦1楼14层
浙江省杭州市西湖区教工路23号百脑汇科技大厦1522
浙江省杭州市下沙经济开发区科技园路65号杭州服务外包大楼1~4层
浙江省温州市鹿城区新城大道中通大厦二楼达内科技
浙江省宁波市工程学院A座8楼
合肥蜀山区环球金融广场B座8楼
合肥市包河区马鞍山路又一居1幢112号
济南市历下区山大路47号数码港大厦A座1层
济南市历下区花园路189-2号历下软件园E座丁楼4层
青岛市市北区金坛路17号服务外包基地A座5-6楼
山东省潍坊市奎文区阳光100城市广场7号楼113号一楼
烟台市芝罘区海港路25号阳光100城市广场A座403室【大悦城对面】
福建省福州市鼓楼区杨桥东路3号三友大厦5楼
福建省厦门市思明区软件园二期观日路18号404
江西省南昌市西湖区北京西路156号洪城大厦10层
郑州市金水区文化路与优胜北路交叉口向西50米芯互联大厦17楼
郑州市中原区嵩山北路222号天龙大厦A座18层(建设路与嵩山路交叉口)
郑州市金水区文化路与优胜北路交叉口向西50米芯互联大厦17楼
河南省洛阳市西工区芳林路与丽春路交叉口芳林大厦商务楼1401
长沙市雨花区韶山中路18号中机国际大厦B栋11楼
长沙市岳麓区望城坡街道长沙西中心T1栋8楼
武汉市洪山区虎泉街271号杨家湾天地大厦16层
武汉市武昌区欢乐大道75号骏业财富中心B栋10楼(地铁4号线铁机路站D出口)
佛山市禅城区祖庙路33号百花广场的副楼12楼全层(地铁祖庙站A口)
深圳市龙华新区和平路金銮国际商务大厦19层
深圳市宝安区福海街道宝安大道6259号同泰广场4栋3层
深圳市龙岗区横岗力嘉路2013文化创客园A栋5层
广州市天河区天河路351号广东外经贸大厦2楼
广州市天河区天源路五号之三天河新天地C座六楼;地铁天河客运站D口
广州市海珠区新港中路354号珠影大院珠影蓝谷2栋1楼
广东省珠海市香洲区翠微金嘉创意谷5栋1楼
广东省东莞市东城街道东平街君豪商业中心北门20楼
中山市石歧区安栏路2号中恳商业大厦13楼BCDE座
南宁市西乡塘区高新区科园东四路远信大厦5楼
重庆九龙坡区袁家岗中新城上城五号楼a栋36楼
重庆市渝北区嘉州协信中心A栋18楼
四川省成都市锦江区东方广场C座16楼
四川省成都市锦江区东方广场C座16楼
四川省成都市高新区孵化园9号园区E座7楼
四川省成都市锦江区布后街11号四川日报大厦A区3楼311
贵阳市云岩区延安西路42号汇金国际广场14楼(汇金星力城)
昆明市官渡区春城路62号证券大厦附楼6楼(地铁塘子巷站D口)
昆明市五华区五一路如安三号商务厅二楼达内科技
陕西省西安市碑林区长安北路8号(省体育场)陕西高速大厦18层
陕西省西安市碑林区长安北路8号(省体育场)陕西高速大厦15层南门
甘肃省兰州市城关区张掖路时代广场大厦9楼
地址:臺北市中正區忠孝西路一段 102 號 10 樓