大數(shù)據(jù)對(duì)解決小微企業(yè)融資難的啟示

李延?xùn)|鄭小娟

[摘 要]融資難一直是困擾小微企業(yè)發(fā)展的“痼疾”，歸根結(jié)底在于市場信息不對(duì)稱，銀行無法對(duì)小微企業(yè)進(jìn)行有效篩選。隨著客戶篩選進(jìn)入全面風(fēng)險(xiǎn)管控時(shí)代，以ZestFinance為代表的互聯(lián)網(wǎng)金融公司通過大數(shù)據(jù)技術(shù)為小微企業(yè)建立經(jīng)營情況“畫像”，有效緩解了小微企業(yè)融資市場信息不對(duì)稱，這為解決我國小微企業(yè)融資難題提供了有益借鑒。

[關(guān)鍵詞]信息不對(duì)稱；客戶篩選；經(jīng)營畫像；非結(jié)構(gòu)化數(shù)據(jù)

[DOI]10.13939/j.cnki.zgsc.2016.16.135

我國小微企業(yè)數(shù)量眾多，對(duì)GDP的貢獻(xiàn)率已達(dá)到25%以上。特別是在當(dāng)前經(jīng)濟(jì)下行的背景下，小微企業(yè)在解決就業(yè)、增加稅收、穩(wěn)定國民經(jīng)濟(jì)等方面具有重要作用。但“融資難、融資貴”長期以來一直制約小微企業(yè)發(fā)展，國家不斷出臺(tái)優(yōu)惠政策，鼓勵(lì)金融機(jī)構(gòu)增加小微企業(yè)資金供給，雖然取得了一定成效，但小微企業(yè)在融資中的“弱勢地位”并沒有改變，一些具有發(fā)展?jié)摿Φ男∥⑵髽I(yè)依然難以獲得融資支持。

1 小微企業(yè)融資難的表象及根源

小微企業(yè)融資難的表面原因是小微企業(yè)數(shù)量眾多、資金需求量大，而金融機(jī)構(gòu)的資金供給有限，市場供不應(yīng)求，導(dǎo)致較多小微企業(yè)的融資需求難以滿足，致使融資成本提高。但表象下存在兩個(gè)問題，一是并非所有小微企業(yè)的貸款需求都有效，大部分小微企業(yè)僅有貸款意愿而無還款能力，貸款意愿和還款能力兩者必須同時(shí)滿足才構(gòu)成有效的貸款需求；二是目前我國貨幣供給總量較大，2016年1月末，M2余額達(dá)141.63萬億元，同比增長14%。尤其是近年來國家先后推出取消存貸比、定向降準(zhǔn)、抵押補(bǔ)充貸款等政策工具，針對(duì)小微企業(yè)的信貸資金相對(duì)充足。由此可見，資金總供給并不是導(dǎo)致小微企業(yè)融資難的關(guān)鍵，真正制約小微企業(yè)融資的核心問題是金融機(jī)構(gòu)如何將資金分配給具有有效需求的小微企業(yè)。如果將社會(huì)可貸資金作為蓄水池，那么金融機(jī)構(gòu)就相當(dāng)于控制小微企業(yè)資金供給的閥門，其不僅控制著小微企業(yè)獲得的資金總量，更重要的是，還對(duì)小微企業(yè)進(jìn)行篩選，以保證資金的還款安全。

反觀我國的小微企業(yè)，大多數(shù)管理體系不規(guī)范，缺乏完善的財(cái)務(wù)制度，信息透明度低，無法提供金融機(jī)構(gòu)認(rèn)可的“硬信息”，而且大部分企業(yè)征信信息分散，諸如P2P平臺(tái)借貸、民間借貸等信息甚至無法查詢，導(dǎo)致小微企業(yè)融資市場存在嚴(yán)重的信息不對(duì)稱，銀行無法通過財(cái)務(wù)報(bào)表等常規(guī)材料辨別“好客戶”和“壞客戶”。在此情況下，金融機(jī)構(gòu)只有兩種選擇，一是為使利潤覆蓋風(fēng)險(xiǎn)，提高所有小微企業(yè)客戶的貸款利率，這會(huì)超出“好客戶”的承受能力，使“好客戶”退出市場，而違約風(fēng)險(xiǎn)高的“差客戶”對(duì)利率并不敏感，往往選擇留在市場，這一逆向選擇類似于“劣幣驅(qū)逐良幣”，市場最終充斥著“差客戶”，貸款利率只能不斷升高。二是要求小微企業(yè)提供必要的抵押物和擔(dān)保，這樣雖然可以在較低利率水平下降低不良率，但能提供抵押和擔(dān)保的小微企業(yè)數(shù)量較少，小微企業(yè)信用評(píng)估和信用增級(jí)也會(huì)帶來一些利息外支出。據(jù)估算，綜合擔(dān)保服務(wù)費(fèi)和其他隱形費(fèi)用后的貸款成本一般在10%以上，而大量制造業(yè)小微企業(yè)的利潤率僅為3%～5%。大部分“好客戶”仍然無法承擔(dān)如此高額的貸款成本。

2 客戶篩選技術(shù)的發(fā)展

第一階段是人工定性審批。人工審批是傳統(tǒng)的授信審批方式，審批人員根據(jù)信貸政策對(duì)客戶的申請(qǐng)材料逐項(xiàng)進(jìn)行審核，對(duì)于授信政策中未明確規(guī)定的事項(xiàng)主要依靠經(jīng)驗(yàn)和主觀判斷，且審批流程通常需要步步上報(bào)、層層簽批。該手段雖有效控制了風(fēng)險(xiǎn)，但并不適應(yīng)小微企業(yè)融資的特點(diǎn)，一是該方式主要以抵押、擔(dān)保等手段控制風(fēng)險(xiǎn)，對(duì)小微企業(yè)有資產(chǎn)、抵押、擔(dān)保等方面要求，輕資產(chǎn)的服務(wù)型和科技型小微企業(yè)很難滿足要求；二是對(duì)金融機(jī)構(gòu)來說，小額貸款和大額貸款的審批成本基本相同，但小額貸款的收益遠(yuǎn)遠(yuǎn)小于大額貸款，單筆貸款成本較高，同時(shí)，人工審批耗時(shí)過長，小微企業(yè)難以及時(shí)獲得貸款。

第二階段是評(píng)分卡審批。1956年，美國工程師William Fair和數(shù)學(xué)家Earl Isaac成立了FICO公司，從數(shù)理統(tǒng)計(jì)的角度出發(fā)，通過對(duì)美國信用局的外部數(shù)據(jù)和銀行的貸款數(shù)據(jù)進(jìn)行挖掘，從幾十個(gè)變量中選擇15～20個(gè)變量，建立評(píng)分卡模型，并以最終評(píng)分作為對(duì)客戶風(fēng)險(xiǎn)預(yù)測的結(jié)果。評(píng)分卡技術(shù)的推出，大大提高了小額貸款的審批效率，金融機(jī)構(gòu)通過評(píng)分將“好客戶”和“壞客戶”區(qū)分開來，在提高審批效率的同時(shí)，降低了違約率，在此基礎(chǔ)上，“信貸工廠”的概念應(yīng)運(yùn)而生。該方法至今仍是歐美國家信貸審批中最常用和最普遍的方法。但該方法也存在缺陷，評(píng)分卡主要是通過申請(qǐng)人的征信信息判斷客戶的“好壞”，這些信息主要是結(jié)構(gòu)化信息，只是個(gè)人或企業(yè)資信的一部分，而申請(qǐng)人的行為表現(xiàn)等非結(jié)構(gòu)信息并沒有納入其中，申請(qǐng)人可以通過尋找評(píng)分卡規(guī)律，規(guī)避負(fù)面信息，人為提高評(píng)分卡評(píng)分。同時(shí)，一些具有發(fā)展?jié)摿Φ男∥⑵髽I(yè)，由于沒有征信記錄或是暫時(shí)經(jīng)營困難導(dǎo)致征信記錄中出現(xiàn)負(fù)面信息，也無法通過評(píng)分審核。

第三階段是全面風(fēng)險(xiǎn)管理。自2000年之后，隨著大數(shù)據(jù)技術(shù)興起，金融機(jī)構(gòu)的數(shù)據(jù)挖掘和建模能力有了巨大的進(jìn)步，極大地?cái)U(kuò)展了征信信息的采集范圍，小微企業(yè)的信息來源不只是局限于傳統(tǒng)的征信數(shù)據(jù)，而且包括借貸人的行為方式、社交、興趣愛好等非結(jié)構(gòu)化數(shù)據(jù)。基于全面收集、儲(chǔ)存的小微企業(yè)信息，征信公司利用大數(shù)據(jù)技術(shù)分析海量、多元化的大數(shù)據(jù)源，從多維度對(duì)小微企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行考核，這些信息不但從數(shù)據(jù)上反映了小微企業(yè)的經(jīng)營結(jié)果，更重要的是對(duì)企業(yè)發(fā)展軌跡、行為特征、經(jīng)營風(fēng)格等經(jīng)營過程進(jìn)行評(píng)價(jià)，為金融機(jī)構(gòu)描繪出詳細(xì)的小微企業(yè)經(jīng)營“畫像”。由于該方法所涉及的數(shù)據(jù)極為豐富且可以進(jìn)行交叉驗(yàn)證，小微企業(yè)基本沒有造假的可能，這一方法基本上解決了融資過程中信息不對(duì)稱問題，使金融機(jī)構(gòu)較為準(zhǔn)確的甄別小微企業(yè)資質(zhì)。在控制風(fēng)險(xiǎn)方面，金融機(jī)構(gòu)也不再局限于抵押和擔(dān)保，而主要采用信用貸款方式。

3 Zestfinance公司在小微企業(yè)融資中的突破

ZestFinance旨在利用大數(shù)據(jù)技術(shù)，通過提供信用評(píng)估服務(wù)，使原先傳統(tǒng)信用評(píng)估服務(wù)無法覆蓋的申請(qǐng)人可以獲得金融服務(wù)，并降低其借貸成本。美國大行銀行一般只接受評(píng)分卡得分在650分以上的客戶，對(duì)于評(píng)分較低的申請(qǐng)人將會(huì)被認(rèn)為是高風(fēng)險(xiǎn)人群，其貸款必須支付較高利率，或直接被拒絕。ZestFinance認(rèn)為傳統(tǒng)的評(píng)分卡評(píng)分考察維度較為單一，對(duì)客戶的篩選欠準(zhǔn)確，特別是2008年的金融危機(jī)后，評(píng)分卡審批通過的客戶出現(xiàn)大量壞賬，F(xiàn)ICO評(píng)分卡受到廣泛質(zhì)疑。就我國而言，傳統(tǒng)征信數(shù)據(jù)覆蓋面更為有限，目前人行征信系統(tǒng)只有3億多自然人的信貸記錄，無法覆蓋廣大個(gè)體工商戶群體。對(duì)于無征信信息的申請(qǐng)人，評(píng)分卡很難判斷其風(fēng)險(xiǎn)。

ZestFinance的基本理念是利用一切客戶數(shù)據(jù)，挖掘客戶信用信息。在數(shù)據(jù)采集方面，ZestFinance在延續(xù)評(píng)分卡決策變量的基礎(chǔ)上，導(dǎo)入了大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，包括借款人的消費(fèi)、納稅等信息，以及借款人輸入習(xí)慣、網(wǎng)頁瀏覽時(shí)間、日常關(guān)注的網(wǎng)站等極邊緣信息。傳統(tǒng)的評(píng)分模型大約收集了500個(gè)數(shù)據(jù)項(xiàng)，而ZestFinance大約需要收集1萬條信息，認(rèn)為這些看似和借款沒有關(guān)系的信息，是借款人真實(shí)狀態(tài)的表現(xiàn)，對(duì)預(yù)測違約概率具有重要參考價(jià)值。

在數(shù)據(jù)處理方面，ZestFinance建立了基于機(jī)器學(xué)習(xí)的分析模型，從超過1萬條信息中抽取超過7萬個(gè)變量進(jìn)行分析，尋找數(shù)據(jù)間的關(guān)聯(lián)性，將相關(guān)變量整合成反映申請(qǐng)人特征的測量指標(biāo)，根據(jù)不同分析模型的需要，選取相應(yīng)的指標(biāo)，最后根據(jù)模型的測算結(jié)果，運(yùn)用投票的原則得出最終結(jié)果。ZestFinance不斷完善和增加信用評(píng)估模型，目前已達(dá)到14個(gè)，模型的類型也由原先的信貸審批模型，向市場營銷、助學(xué)貸款、法律催收等方面擴(kuò)展。

4 對(duì)我國小微企業(yè)融資的啟示

第一，要建立完善的信用體系。互聯(lián)網(wǎng)金融的特點(diǎn)在于自由、開放、共享，全面、及時(shí)的信息是ZestFinance賴以生存的土壤。在我國具有最全面消費(fèi)者信息的央行征信數(shù)據(jù)只向銀行類放貸機(jī)構(gòu)開放，廣大第三方平臺(tái)掌握了大量消費(fèi)者信息，但是相互合作的意愿不強(qiáng)，“數(shù)據(jù)孤島”現(xiàn)象普遍存在，導(dǎo)致大數(shù)據(jù)模型開發(fā)只局限在某一方面，嚴(yán)重影響了模型預(yù)測的準(zhǔn)確性。監(jiān)管機(jī)構(gòu)應(yīng)在保護(hù)用戶信息安全和隱私權(quán)益的基礎(chǔ)上，允許互聯(lián)網(wǎng)金融機(jī)構(gòu)獲得個(gè)人征信報(bào)告，并在央行的征信報(bào)告中納入申請(qǐng)者在互聯(lián)網(wǎng)金融平臺(tái)的信息。同時(shí)，加強(qiáng)征信市場化進(jìn)程，鼓勵(lì)有互聯(lián)網(wǎng)背景和特色數(shù)據(jù)資源的征信企業(yè)進(jìn)入市場，建立相應(yīng)的利益激勵(lì)機(jī)制，實(shí)現(xiàn)客戶信息的互聯(lián)互通。

第二，加強(qiáng)數(shù)據(jù)分析。ZestFinance的成功在于其強(qiáng)大的數(shù)據(jù)處理和建模能力。金融機(jī)構(gòu)特別是商業(yè)銀行客戶數(shù)據(jù)優(yōu)勢明顯，應(yīng)加強(qiáng)數(shù)據(jù)系統(tǒng)建設(shè)，增加信息技術(shù)的軟硬件投入；合理引進(jìn)外部數(shù)據(jù)，提升數(shù)據(jù)的多樣性和精細(xì)化；提升非結(jié)構(gòu)化數(shù)據(jù)的處理能力，通過數(shù)據(jù)清洗、數(shù)據(jù)篩選、建立模型等手段，結(jié)合業(yè)務(wù)發(fā)展的規(guī)律，發(fā)掘隱藏在數(shù)據(jù)背后的發(fā)展規(guī)律。同時(shí)，信息分析的關(guān)鍵是數(shù)據(jù)分析師，據(jù)Accenture研究院的報(bào)告顯示，包括中國在內(nèi)的七國銀行業(yè)的數(shù)據(jù)分析人才嚴(yán)重短缺。因此，金融機(jī)構(gòu)未來還需注重?cái)?shù)據(jù)分析隊(duì)伍的培養(yǎng)，組建大數(shù)據(jù)分析團(tuán)隊(duì)，通過具體項(xiàng)目培養(yǎng)技術(shù)人才。

參考文獻(xiàn)：

[1]劉新海，丁偉.美國ZestFinance公司大數(shù)據(jù)征信實(shí)踐[J].征信，2015（8）：27-32.

[2]劉榮，崔琳琳.大數(shù)據(jù)技術(shù)在中小企業(yè)信用體系建設(shè)中的應(yīng)用[J].征信，2015（5）：40-43.

[3]王義增.淺析互聯(lián)網(wǎng)金融潮流下銀行的發(fā)展方向[J].經(jīng)濟(jì)視野，2014（20）：30-33.