"

治病救人,講究對症下藥。但對症下藥亦非究竟,若對症不對因,就是頭疼醫頭、腳疼醫腳,治標不治本。小微企業亦然,融資難、融資貴是症狀表現,廣拓融資渠道、降低貸款利率即是對症治療,可緩一時之急;與此同時,還需追根溯源,探析病因。對因下藥,方是治本之策。

從經濟轉型的角度來看,服務業與科創型企業才代表未來方向;從當前行業的實踐來看,針對此類企業,信用貸款遠比質押貸款更有效率。而信用貸款,只能靠數據——低成本、批量化獲得企業真實經營數據(或能反映經營狀況的數據)。因此,能否低成本、批量化獲得小微企業真實的貸前貸後數據,成為解決當前小微企業融資難的根本出路。

從這個角度來說,小微金融的社會價值,不僅僅止步於發放了多少貸款,更大的價值在於為多少小微企業建立了信用檔案。

探因小微企業融資難

眾所周知,小微企業融資難,難在風控。

我國小微企業平均壽命只有3年,跨過這個坎,有望晉身大中型企業;邁不過去,就死掉了。對銀行來講,面對平均只能活3年的群體,風險管理就很難辦——在3年時間裡經歷生老病死,企業經營狀況半年一小變、一年一大變,很可能申請貸款時一切正常,貸款剛發放,企業就由盛轉衰、行將就木了。

所以,做小微金融,貸前調查很重要,貸後管理更關鍵——要實時追蹤企業經營狀況,對於潛在風險早發現、早應對。但貸前調查就已不易,實時監測更是難上加難。淘寶、蘇寧等平臺企業,對線上商戶可實時監測,銀行沒這便利條件,若靠客戶經理實時盯防,人力成本太高,在商業上不可行。

問題是,小微企業是一塊大市場,政策層面又有要求,不能不做,怎麼辦?抵質押擔保。抵押物在手,貸款發放後,企業經營狀況變好變壞不再重要,大不了處置抵押物。此時,小微金融風控難題迎刃而解——不僅貸後管理壓力減小,連貸前審查也輕鬆不少。

基於此,抵質押擔保成了銀行小微金融業務的主流模式。據央行數據,截至2018年末,銀行單戶授信500萬元以下的小微企業貸款中,抵質押擔保貸款佔比87.5%,信用貸款佔比僅為12.5%。

但是,能提供抵質押物的企業畢竟是少數。從規模上看,小企業大概率還有些可供抵質押的資產,微型企業就難了;從行業上看,製造企業有設備廠房,生產性(/生活性)服務業、科創類企業則是輕資產,沒啥東西可供抵押。

恰恰,從規模上看,普惠金融的重點在微型企業;從經濟轉型角度看,服務業與科創型企業才代表未來方向。所以,銀行業若不改變抵質押擔保的模式,繼續發力小微金融,數據層面可以很好看,貸款資金卻未必給到該扶持的企業。

這麼看,發力信用貸款,才有可能讓資金流向科創型企業以及生產性(/生活性)服務業。

能提供抵質押物的小微企業成了座上賓,銀行爭相拋出橄欖枝,敗下陣來的銀行只好去做信用貸款,卻只把小微金融看作硬指標,放貸憑一腔熱情。貸款放出去了,3年後小微企業死掉了(因為小微企業平均壽命只有3年),壞賬來了、客戶沒了,只能重新開發新客戶。之後,三年又三年,客戶不斷歸零、壞賬不斷累積,越做越差,步入死衚衕。

要做信用貸款,只能靠數據——低成本、批量化獲得企業真實經營數據(或能反映經營狀況的數據)。從這個角度看,不能低成本、批量化獲得小微企業真實的貸前貸後數據,才是制約當前小微企業融資難的根本原因。

對因治療,數據為藥

對因治療,數據為藥——發掘實時數據,隨小微企業經營狀況實時調整信貸策略,才能深入小微金融又不被高風險所傷。這條路,金融機構都知道,也做了探索。從數據層面看,主要有這幾個維度:產業鏈數據、政務數據,以及金融機構內生數據等。

產業鏈數據

基於產業鏈數據,衍生出供應鏈金融的進化與創新。在供應鏈金融中,金融機構基於對信息流、資金流、物流的把控實現風險定價與分散。

早期,供應鏈金融仍然依賴核心企業擔保、依賴應收賬款質押,這些年,隨著產業互聯網化尤其是物聯網等新技術的應用,供應鏈金融有了新的玩法。

一是平臺模式崛起。以電商(包括B2C平臺和B2B平臺)為典型代表,全面掌握商戶經營數據、區域分佈、季節經營特徵、賬期及付款方式等信息,貸前可預知融資需求,貸後可自動化監測風險,解決了小微企業融資難題。

二是SaaS模式崛起。在小微金融數據化大潮下,服務於企業日常經營的ERP、SaaS及各類數據軟件公司等,也憑藉對信息流的掌握切入供應鏈金融業務。

三是物聯網帶來產業鏈中物的覺醒。通過物聯網技術,實現物品識別感知、位置定位和跟蹤監控,金融機構可實時掌控企業經營活動、監控抵押物最新狀況,為信息訂閱、監控報警、數據可視化等服務提供支撐,為供應鏈金融打開新的想象空間。

政務數據

稅務、工商、行政處罰;醫保、社保、環保;水錶、電錶、海關報表等,這些散落在政務部門的數據,可間接反映企業經營狀況,是近年來銀行發力信用小微貸款的主要抓手。

不少銀行的明星小微貸款產品,如建行小微快貸、工行經營快貸、農行微捷貸、微眾銀行微業貸、蘇寧銀行稅e貸等,背後都以稅務數據為核心,疊加其他公共事務數據、徵信數據甚至企業主信息等進行大數據建模。

如據《中國小微企業金融服務報告(2018)》,江蘇省金融機構將融資產品與政府扶持政策、企業公共信用信息、融資需求等數據整合,構建金融服務信息共享平臺,破解中小微企業融資難題。截至2018年末,已有90餘家金融機構接入平臺,面向9萬多家註冊企業提供服務,成功授信4.2萬筆,涉及金額近6000億元。

金融機構內生數據

企業生產經營離不開金融產品支持,賬戶、存款、支付、代發薪等基礎金融服務中,沉澱了大量有價值數據。只是,一則這些數據分散在不同銀行,二則即便同一家銀行數據也被分散在不同的部門,缺乏有效整合,難以發揮合力。

央行徵信數據,是金融機構內生數據的最典型代表,也是集大成者。通過整合不同銀行的信貸數據,央行徵信成為金融機構信貸決策中當之無愧的指路明燈。

支付數據,是另一塊寶藏。銀行以收單數據為抓手,開發了POS貸(基於商家POS流水進行放貸);支付機構基於支付數據,也打通風控解決方案對外輸出之路。其中,最具代表性的是支付寶,通過遍佈線下的收款二維碼,倡導“多收多貸”,已向600多萬線下小微企業(商戶)發放小額貸款。

"

治病救人,講究對症下藥。但對症下藥亦非究竟,若對症不對因,就是頭疼醫頭、腳疼醫腳,治標不治本。小微企業亦然,融資難、融資貴是症狀表現,廣拓融資渠道、降低貸款利率即是對症治療,可緩一時之急;與此同時,還需追根溯源,探析病因。對因下藥,方是治本之策。

從經濟轉型的角度來看,服務業與科創型企業才代表未來方向;從當前行業的實踐來看,針對此類企業,信用貸款遠比質押貸款更有效率。而信用貸款,只能靠數據——低成本、批量化獲得企業真實經營數據(或能反映經營狀況的數據)。因此,能否低成本、批量化獲得小微企業真實的貸前貸後數據,成為解決當前小微企業融資難的根本出路。

從這個角度來說,小微金融的社會價值,不僅僅止步於發放了多少貸款,更大的價值在於為多少小微企業建立了信用檔案。

探因小微企業融資難

眾所周知,小微企業融資難,難在風控。

我國小微企業平均壽命只有3年,跨過這個坎,有望晉身大中型企業;邁不過去,就死掉了。對銀行來講,面對平均只能活3年的群體,風險管理就很難辦——在3年時間裡經歷生老病死,企業經營狀況半年一小變、一年一大變,很可能申請貸款時一切正常,貸款剛發放,企業就由盛轉衰、行將就木了。

所以,做小微金融,貸前調查很重要,貸後管理更關鍵——要實時追蹤企業經營狀況,對於潛在風險早發現、早應對。但貸前調查就已不易,實時監測更是難上加難。淘寶、蘇寧等平臺企業,對線上商戶可實時監測,銀行沒這便利條件,若靠客戶經理實時盯防,人力成本太高,在商業上不可行。

問題是,小微企業是一塊大市場,政策層面又有要求,不能不做,怎麼辦?抵質押擔保。抵押物在手,貸款發放後,企業經營狀況變好變壞不再重要,大不了處置抵押物。此時,小微金融風控難題迎刃而解——不僅貸後管理壓力減小,連貸前審查也輕鬆不少。

基於此,抵質押擔保成了銀行小微金融業務的主流模式。據央行數據,截至2018年末,銀行單戶授信500萬元以下的小微企業貸款中,抵質押擔保貸款佔比87.5%,信用貸款佔比僅為12.5%。

但是,能提供抵質押物的企業畢竟是少數。從規模上看,小企業大概率還有些可供抵質押的資產,微型企業就難了;從行業上看,製造企業有設備廠房,生產性(/生活性)服務業、科創類企業則是輕資產,沒啥東西可供抵押。

恰恰,從規模上看,普惠金融的重點在微型企業;從經濟轉型角度看,服務業與科創型企業才代表未來方向。所以,銀行業若不改變抵質押擔保的模式,繼續發力小微金融,數據層面可以很好看,貸款資金卻未必給到該扶持的企業。

這麼看,發力信用貸款,才有可能讓資金流向科創型企業以及生產性(/生活性)服務業。

能提供抵質押物的小微企業成了座上賓,銀行爭相拋出橄欖枝,敗下陣來的銀行只好去做信用貸款,卻只把小微金融看作硬指標,放貸憑一腔熱情。貸款放出去了,3年後小微企業死掉了(因為小微企業平均壽命只有3年),壞賬來了、客戶沒了,只能重新開發新客戶。之後,三年又三年,客戶不斷歸零、壞賬不斷累積,越做越差,步入死衚衕。

要做信用貸款,只能靠數據——低成本、批量化獲得企業真實經營數據(或能反映經營狀況的數據)。從這個角度看,不能低成本、批量化獲得小微企業真實的貸前貸後數據,才是制約當前小微企業融資難的根本原因。

對因治療,數據為藥

對因治療,數據為藥——發掘實時數據,隨小微企業經營狀況實時調整信貸策略,才能深入小微金融又不被高風險所傷。這條路,金融機構都知道,也做了探索。從數據層面看,主要有這幾個維度:產業鏈數據、政務數據,以及金融機構內生數據等。

產業鏈數據

基於產業鏈數據,衍生出供應鏈金融的進化與創新。在供應鏈金融中,金融機構基於對信息流、資金流、物流的把控實現風險定價與分散。

早期,供應鏈金融仍然依賴核心企業擔保、依賴應收賬款質押,這些年,隨著產業互聯網化尤其是物聯網等新技術的應用,供應鏈金融有了新的玩法。

一是平臺模式崛起。以電商(包括B2C平臺和B2B平臺)為典型代表,全面掌握商戶經營數據、區域分佈、季節經營特徵、賬期及付款方式等信息,貸前可預知融資需求,貸後可自動化監測風險,解決了小微企業融資難題。

二是SaaS模式崛起。在小微金融數據化大潮下,服務於企業日常經營的ERP、SaaS及各類數據軟件公司等,也憑藉對信息流的掌握切入供應鏈金融業務。

三是物聯網帶來產業鏈中物的覺醒。通過物聯網技術,實現物品識別感知、位置定位和跟蹤監控,金融機構可實時掌控企業經營活動、監控抵押物最新狀況,為信息訂閱、監控報警、數據可視化等服務提供支撐,為供應鏈金融打開新的想象空間。

政務數據

稅務、工商、行政處罰;醫保、社保、環保;水錶、電錶、海關報表等,這些散落在政務部門的數據,可間接反映企業經營狀況,是近年來銀行發力信用小微貸款的主要抓手。

不少銀行的明星小微貸款產品,如建行小微快貸、工行經營快貸、農行微捷貸、微眾銀行微業貸、蘇寧銀行稅e貸等,背後都以稅務數據為核心,疊加其他公共事務數據、徵信數據甚至企業主信息等進行大數據建模。

如據《中國小微企業金融服務報告(2018)》,江蘇省金融機構將融資產品與政府扶持政策、企業公共信用信息、融資需求等數據整合,構建金融服務信息共享平臺,破解中小微企業融資難題。截至2018年末,已有90餘家金融機構接入平臺,面向9萬多家註冊企業提供服務,成功授信4.2萬筆,涉及金額近6000億元。

金融機構內生數據

企業生產經營離不開金融產品支持,賬戶、存款、支付、代發薪等基礎金融服務中,沉澱了大量有價值數據。只是,一則這些數據分散在不同銀行,二則即便同一家銀行數據也被分散在不同的部門,缺乏有效整合,難以發揮合力。

央行徵信數據,是金融機構內生數據的最典型代表,也是集大成者。通過整合不同銀行的信貸數據,央行徵信成為金融機構信貸決策中當之無愧的指路明燈。

支付數據,是另一塊寶藏。銀行以收單數據為抓手,開發了POS貸(基於商家POS流水進行放貸);支付機構基於支付數據,也打通風控解決方案對外輸出之路。其中,最具代表性的是支付寶,通過遍佈線下的收款二維碼,倡導“多收多貸”,已向600多萬線下小微企業(商戶)發放小額貸款。

破局小微企業融資難,對症下藥還是對因治療?

"

治病救人,講究對症下藥。但對症下藥亦非究竟,若對症不對因,就是頭疼醫頭、腳疼醫腳,治標不治本。小微企業亦然,融資難、融資貴是症狀表現,廣拓融資渠道、降低貸款利率即是對症治療,可緩一時之急;與此同時,還需追根溯源,探析病因。對因下藥,方是治本之策。

從經濟轉型的角度來看,服務業與科創型企業才代表未來方向;從當前行業的實踐來看,針對此類企業,信用貸款遠比質押貸款更有效率。而信用貸款,只能靠數據——低成本、批量化獲得企業真實經營數據(或能反映經營狀況的數據)。因此,能否低成本、批量化獲得小微企業真實的貸前貸後數據,成為解決當前小微企業融資難的根本出路。

從這個角度來說,小微金融的社會價值,不僅僅止步於發放了多少貸款,更大的價值在於為多少小微企業建立了信用檔案。

探因小微企業融資難

眾所周知,小微企業融資難,難在風控。

我國小微企業平均壽命只有3年,跨過這個坎,有望晉身大中型企業;邁不過去,就死掉了。對銀行來講,面對平均只能活3年的群體,風險管理就很難辦——在3年時間裡經歷生老病死,企業經營狀況半年一小變、一年一大變,很可能申請貸款時一切正常,貸款剛發放,企業就由盛轉衰、行將就木了。

所以,做小微金融,貸前調查很重要,貸後管理更關鍵——要實時追蹤企業經營狀況,對於潛在風險早發現、早應對。但貸前調查就已不易,實時監測更是難上加難。淘寶、蘇寧等平臺企業,對線上商戶可實時監測,銀行沒這便利條件,若靠客戶經理實時盯防,人力成本太高,在商業上不可行。

問題是,小微企業是一塊大市場,政策層面又有要求,不能不做,怎麼辦?抵質押擔保。抵押物在手,貸款發放後,企業經營狀況變好變壞不再重要,大不了處置抵押物。此時,小微金融風控難題迎刃而解——不僅貸後管理壓力減小,連貸前審查也輕鬆不少。

基於此,抵質押擔保成了銀行小微金融業務的主流模式。據央行數據,截至2018年末,銀行單戶授信500萬元以下的小微企業貸款中,抵質押擔保貸款佔比87.5%,信用貸款佔比僅為12.5%。

但是,能提供抵質押物的企業畢竟是少數。從規模上看,小企業大概率還有些可供抵質押的資產,微型企業就難了;從行業上看,製造企業有設備廠房,生產性(/生活性)服務業、科創類企業則是輕資產,沒啥東西可供抵押。

恰恰,從規模上看,普惠金融的重點在微型企業;從經濟轉型角度看,服務業與科創型企業才代表未來方向。所以,銀行業若不改變抵質押擔保的模式,繼續發力小微金融,數據層面可以很好看,貸款資金卻未必給到該扶持的企業。

這麼看,發力信用貸款,才有可能讓資金流向科創型企業以及生產性(/生活性)服務業。

能提供抵質押物的小微企業成了座上賓,銀行爭相拋出橄欖枝,敗下陣來的銀行只好去做信用貸款,卻只把小微金融看作硬指標,放貸憑一腔熱情。貸款放出去了,3年後小微企業死掉了(因為小微企業平均壽命只有3年),壞賬來了、客戶沒了,只能重新開發新客戶。之後,三年又三年,客戶不斷歸零、壞賬不斷累積,越做越差,步入死衚衕。

要做信用貸款,只能靠數據——低成本、批量化獲得企業真實經營數據(或能反映經營狀況的數據)。從這個角度看,不能低成本、批量化獲得小微企業真實的貸前貸後數據,才是制約當前小微企業融資難的根本原因。

對因治療,數據為藥

對因治療,數據為藥——發掘實時數據,隨小微企業經營狀況實時調整信貸策略,才能深入小微金融又不被高風險所傷。這條路,金融機構都知道,也做了探索。從數據層面看,主要有這幾個維度:產業鏈數據、政務數據,以及金融機構內生數據等。

產業鏈數據

基於產業鏈數據,衍生出供應鏈金融的進化與創新。在供應鏈金融中,金融機構基於對信息流、資金流、物流的把控實現風險定價與分散。

早期,供應鏈金融仍然依賴核心企業擔保、依賴應收賬款質押,這些年,隨著產業互聯網化尤其是物聯網等新技術的應用,供應鏈金融有了新的玩法。

一是平臺模式崛起。以電商(包括B2C平臺和B2B平臺)為典型代表,全面掌握商戶經營數據、區域分佈、季節經營特徵、賬期及付款方式等信息,貸前可預知融資需求,貸後可自動化監測風險,解決了小微企業融資難題。

二是SaaS模式崛起。在小微金融數據化大潮下,服務於企業日常經營的ERP、SaaS及各類數據軟件公司等,也憑藉對信息流的掌握切入供應鏈金融業務。

三是物聯網帶來產業鏈中物的覺醒。通過物聯網技術,實現物品識別感知、位置定位和跟蹤監控,金融機構可實時掌控企業經營活動、監控抵押物最新狀況,為信息訂閱、監控報警、數據可視化等服務提供支撐,為供應鏈金融打開新的想象空間。

政務數據

稅務、工商、行政處罰;醫保、社保、環保;水錶、電錶、海關報表等,這些散落在政務部門的數據,可間接反映企業經營狀況,是近年來銀行發力信用小微貸款的主要抓手。

不少銀行的明星小微貸款產品,如建行小微快貸、工行經營快貸、農行微捷貸、微眾銀行微業貸、蘇寧銀行稅e貸等,背後都以稅務數據為核心,疊加其他公共事務數據、徵信數據甚至企業主信息等進行大數據建模。

如據《中國小微企業金融服務報告(2018)》,江蘇省金融機構將融資產品與政府扶持政策、企業公共信用信息、融資需求等數據整合,構建金融服務信息共享平臺,破解中小微企業融資難題。截至2018年末,已有90餘家金融機構接入平臺,面向9萬多家註冊企業提供服務,成功授信4.2萬筆,涉及金額近6000億元。

金融機構內生數據

企業生產經營離不開金融產品支持,賬戶、存款、支付、代發薪等基礎金融服務中,沉澱了大量有價值數據。只是,一則這些數據分散在不同銀行,二則即便同一家銀行數據也被分散在不同的部門,缺乏有效整合,難以發揮合力。

央行徵信數據,是金融機構內生數據的最典型代表,也是集大成者。通過整合不同銀行的信貸數據,央行徵信成為金融機構信貸決策中當之無愧的指路明燈。

支付數據,是另一塊寶藏。銀行以收單數據為抓手,開發了POS貸(基於商家POS流水進行放貸);支付機構基於支付數據,也打通風控解決方案對外輸出之路。其中,最具代表性的是支付寶,通過遍佈線下的收款二維碼,倡導“多收多貸”,已向600多萬線下小微企業(商戶)發放小額貸款。

破局小微企業融資難,對症下藥還是對因治療?

破局小微企業融資難,對症下藥還是對因治療?

數據價值評鑑

上述三大數據源,有的是生產經營一手數據,如產業鏈數據,是企業經營狀況的直接反映;有的屬於二手數據,如政府公共事務數據和金融機構內生數據(支付數據是例外,既是金融機構內生數據,也是產業鏈中資金流數據,本質上也是一手數據),是企業經營狀況的間接反映。無論直接數據,還是間接數據,都能在小微金融領域發揮大作用,問題是,不同的數據,獲取難度和可用數據規模差異很大。

產業鏈數據,核心企業和行業平臺信息密度最高,催生了供應鏈金融模式,更多地數據則散落於各處,規模化利用尚需時間。

政務數據,散落於不同部門,尚需整合。此外,基於數據報送門檻及國家對小微企業的減稅降費等措施,很大一部分小微企業數據並未被有效覆蓋。

金融機構內生數據,含金量高,但金融機構本身太過分散,導致數據分散、難以整合,如截至2018年末,我國僅銀行業金融機構就有4588家。央行徵信將銀行信貸數據整合起來,成為整個金融體系信用風險防控的定海神針,其他有價值的數據,如支付、存款、理財等,仍有待整合發掘。

近年來,商業銀行紛紛上線基於數據的小微貸款產品,強調自動化審批,從貸款客戶數看,差異卻很大。截止2018年末,網商銀行累計貸款客戶數1277萬戶(2019年6月已超過1700萬戶),在同業中遙遙領先,原因就在於背後數據量的不同。

就網商銀行而言,線上貸款客戶來自阿里電商渠道,對應國內最大電商平臺;線下為支付寶收單商戶,對應最大的移動支付工具,入口集中度高,客戶輻射能力強悍。其他銀行的小微貸產品,則以稅務等政務數據為主,數據分散於各地政府機構,整合難度較大,很難快速上量。

小微金融,難在數據;數據獲取之難,難在入口分散,孤島效應難以消除。而支付領域尤其是B2C支付,市場集中度高,入口效應明顯,無疑為小微金融批量化、規模化拓展開闢了一條新路。

兩大支付巨頭均手握幾乎全域用戶,合計佔據90%以上市場份額,與幾乎所有2C端小微商戶都能打上交道。以支付為入口最廣泛觸達小微企業客戶,再輔以理財、保險、貸款、數字化經營、社區交流甚至進貨渠道、物流支持等服務,逐漸黏住小微企業,獲取多元數據,風控自然不在話下。

網商銀行的實踐,已經證明此路可行。截止2019年6月,網商銀行已累計為1700萬小微企業(商戶)發放貸款超過3萬億元。

徵信外溢,價值輸出

受益的不僅僅是1700萬家小微企業(商戶),也不僅僅是網商銀行和310模式(3分鐘申請、1秒鐘放款、0人工介入)下的合作銀行,貸款數據納入徵信,徵信具有外溢效應,整個小微金融生態均可受益。

據央行數據,截至2018年,央行徵信累計為261萬戶中小微企業建立了信用檔案,累計幫助54萬戶中小微企業獲得銀行貸款,餘額達11萬億元。遺憾的是,央行徵信採集的是商業銀行歷史數據,解決的是有貸戶的二次、三次申貸問題,無法解決首貸問題。

小微企業融資難,難在首次貸款。首次貸款後可建立信用檔案,第二次獲得貸款的概率可提升至75%以上。首次貸款,只能靠金融機構主動探索,對央行徵信覆蓋不了的小微客戶伸出橄欖枝。

從這個角度看,小微金融的社會價值,不僅僅止步於發放了多少貸款,更大的價值在於為多少小微企業建立了信用檔案。輻射的小微企業數量越多,小微金融的生態基礎就越紮實。

2018年以來,在各方推動下,國內小微金融迎來階段性高潮。為贏得各方配套的獎勵補貼政策,一些金融機構把小微業務視作硬指標,不能上強上,運動式做小微,引來了一些質疑。

其實,站在信用建設角度看,這並非壞事。原來不敢做的客戶,現在放開了,做了之後就會有結果,無論好壞,都是寶貴的數據。


"

治病救人,講究對症下藥。但對症下藥亦非究竟,若對症不對因,就是頭疼醫頭、腳疼醫腳,治標不治本。小微企業亦然,融資難、融資貴是症狀表現,廣拓融資渠道、降低貸款利率即是對症治療,可緩一時之急;與此同時,還需追根溯源,探析病因。對因下藥,方是治本之策。

從經濟轉型的角度來看,服務業與科創型企業才代表未來方向;從當前行業的實踐來看,針對此類企業,信用貸款遠比質押貸款更有效率。而信用貸款,只能靠數據——低成本、批量化獲得企業真實經營數據(或能反映經營狀況的數據)。因此,能否低成本、批量化獲得小微企業真實的貸前貸後數據,成為解決當前小微企業融資難的根本出路。

從這個角度來說,小微金融的社會價值,不僅僅止步於發放了多少貸款,更大的價值在於為多少小微企業建立了信用檔案。

探因小微企業融資難

眾所周知,小微企業融資難,難在風控。

我國小微企業平均壽命只有3年,跨過這個坎,有望晉身大中型企業;邁不過去,就死掉了。對銀行來講,面對平均只能活3年的群體,風險管理就很難辦——在3年時間裡經歷生老病死,企業經營狀況半年一小變、一年一大變,很可能申請貸款時一切正常,貸款剛發放,企業就由盛轉衰、行將就木了。

所以,做小微金融,貸前調查很重要,貸後管理更關鍵——要實時追蹤企業經營狀況,對於潛在風險早發現、早應對。但貸前調查就已不易,實時監測更是難上加難。淘寶、蘇寧等平臺企業,對線上商戶可實時監測,銀行沒這便利條件,若靠客戶經理實時盯防,人力成本太高,在商業上不可行。

問題是,小微企業是一塊大市場,政策層面又有要求,不能不做,怎麼辦?抵質押擔保。抵押物在手,貸款發放後,企業經營狀況變好變壞不再重要,大不了處置抵押物。此時,小微金融風控難題迎刃而解——不僅貸後管理壓力減小,連貸前審查也輕鬆不少。

基於此,抵質押擔保成了銀行小微金融業務的主流模式。據央行數據,截至2018年末,銀行單戶授信500萬元以下的小微企業貸款中,抵質押擔保貸款佔比87.5%,信用貸款佔比僅為12.5%。

但是,能提供抵質押物的企業畢竟是少數。從規模上看,小企業大概率還有些可供抵質押的資產,微型企業就難了;從行業上看,製造企業有設備廠房,生產性(/生活性)服務業、科創類企業則是輕資產,沒啥東西可供抵押。

恰恰,從規模上看,普惠金融的重點在微型企業;從經濟轉型角度看,服務業與科創型企業才代表未來方向。所以,銀行業若不改變抵質押擔保的模式,繼續發力小微金融,數據層面可以很好看,貸款資金卻未必給到該扶持的企業。

這麼看,發力信用貸款,才有可能讓資金流向科創型企業以及生產性(/生活性)服務業。

能提供抵質押物的小微企業成了座上賓,銀行爭相拋出橄欖枝,敗下陣來的銀行只好去做信用貸款,卻只把小微金融看作硬指標,放貸憑一腔熱情。貸款放出去了,3年後小微企業死掉了(因為小微企業平均壽命只有3年),壞賬來了、客戶沒了,只能重新開發新客戶。之後,三年又三年,客戶不斷歸零、壞賬不斷累積,越做越差,步入死衚衕。

要做信用貸款,只能靠數據——低成本、批量化獲得企業真實經營數據(或能反映經營狀況的數據)。從這個角度看,不能低成本、批量化獲得小微企業真實的貸前貸後數據,才是制約當前小微企業融資難的根本原因。

對因治療,數據為藥

對因治療,數據為藥——發掘實時數據,隨小微企業經營狀況實時調整信貸策略,才能深入小微金融又不被高風險所傷。這條路,金融機構都知道,也做了探索。從數據層面看,主要有這幾個維度:產業鏈數據、政務數據,以及金融機構內生數據等。

產業鏈數據

基於產業鏈數據,衍生出供應鏈金融的進化與創新。在供應鏈金融中,金融機構基於對信息流、資金流、物流的把控實現風險定價與分散。

早期,供應鏈金融仍然依賴核心企業擔保、依賴應收賬款質押,這些年,隨著產業互聯網化尤其是物聯網等新技術的應用,供應鏈金融有了新的玩法。

一是平臺模式崛起。以電商(包括B2C平臺和B2B平臺)為典型代表,全面掌握商戶經營數據、區域分佈、季節經營特徵、賬期及付款方式等信息,貸前可預知融資需求,貸後可自動化監測風險,解決了小微企業融資難題。

二是SaaS模式崛起。在小微金融數據化大潮下,服務於企業日常經營的ERP、SaaS及各類數據軟件公司等,也憑藉對信息流的掌握切入供應鏈金融業務。

三是物聯網帶來產業鏈中物的覺醒。通過物聯網技術,實現物品識別感知、位置定位和跟蹤監控,金融機構可實時掌控企業經營活動、監控抵押物最新狀況,為信息訂閱、監控報警、數據可視化等服務提供支撐,為供應鏈金融打開新的想象空間。

政務數據

稅務、工商、行政處罰;醫保、社保、環保;水錶、電錶、海關報表等,這些散落在政務部門的數據,可間接反映企業經營狀況,是近年來銀行發力信用小微貸款的主要抓手。

不少銀行的明星小微貸款產品,如建行小微快貸、工行經營快貸、農行微捷貸、微眾銀行微業貸、蘇寧銀行稅e貸等,背後都以稅務數據為核心,疊加其他公共事務數據、徵信數據甚至企業主信息等進行大數據建模。

如據《中國小微企業金融服務報告(2018)》,江蘇省金融機構將融資產品與政府扶持政策、企業公共信用信息、融資需求等數據整合,構建金融服務信息共享平臺,破解中小微企業融資難題。截至2018年末,已有90餘家金融機構接入平臺,面向9萬多家註冊企業提供服務,成功授信4.2萬筆,涉及金額近6000億元。

金融機構內生數據

企業生產經營離不開金融產品支持,賬戶、存款、支付、代發薪等基礎金融服務中,沉澱了大量有價值數據。只是,一則這些數據分散在不同銀行,二則即便同一家銀行數據也被分散在不同的部門,缺乏有效整合,難以發揮合力。

央行徵信數據,是金融機構內生數據的最典型代表,也是集大成者。通過整合不同銀行的信貸數據,央行徵信成為金融機構信貸決策中當之無愧的指路明燈。

支付數據,是另一塊寶藏。銀行以收單數據為抓手,開發了POS貸(基於商家POS流水進行放貸);支付機構基於支付數據,也打通風控解決方案對外輸出之路。其中,最具代表性的是支付寶,通過遍佈線下的收款二維碼,倡導“多收多貸”,已向600多萬線下小微企業(商戶)發放小額貸款。

破局小微企業融資難,對症下藥還是對因治療?

破局小微企業融資難,對症下藥還是對因治療?

數據價值評鑑

上述三大數據源,有的是生產經營一手數據,如產業鏈數據,是企業經營狀況的直接反映;有的屬於二手數據,如政府公共事務數據和金融機構內生數據(支付數據是例外,既是金融機構內生數據,也是產業鏈中資金流數據,本質上也是一手數據),是企業經營狀況的間接反映。無論直接數據,還是間接數據,都能在小微金融領域發揮大作用,問題是,不同的數據,獲取難度和可用數據規模差異很大。

產業鏈數據,核心企業和行業平臺信息密度最高,催生了供應鏈金融模式,更多地數據則散落於各處,規模化利用尚需時間。

政務數據,散落於不同部門,尚需整合。此外,基於數據報送門檻及國家對小微企業的減稅降費等措施,很大一部分小微企業數據並未被有效覆蓋。

金融機構內生數據,含金量高,但金融機構本身太過分散,導致數據分散、難以整合,如截至2018年末,我國僅銀行業金融機構就有4588家。央行徵信將銀行信貸數據整合起來,成為整個金融體系信用風險防控的定海神針,其他有價值的數據,如支付、存款、理財等,仍有待整合發掘。

近年來,商業銀行紛紛上線基於數據的小微貸款產品,強調自動化審批,從貸款客戶數看,差異卻很大。截止2018年末,網商銀行累計貸款客戶數1277萬戶(2019年6月已超過1700萬戶),在同業中遙遙領先,原因就在於背後數據量的不同。

就網商銀行而言,線上貸款客戶來自阿里電商渠道,對應國內最大電商平臺;線下為支付寶收單商戶,對應最大的移動支付工具,入口集中度高,客戶輻射能力強悍。其他銀行的小微貸產品,則以稅務等政務數據為主,數據分散於各地政府機構,整合難度較大,很難快速上量。

小微金融,難在數據;數據獲取之難,難在入口分散,孤島效應難以消除。而支付領域尤其是B2C支付,市場集中度高,入口效應明顯,無疑為小微金融批量化、規模化拓展開闢了一條新路。

兩大支付巨頭均手握幾乎全域用戶,合計佔據90%以上市場份額,與幾乎所有2C端小微商戶都能打上交道。以支付為入口最廣泛觸達小微企業客戶,再輔以理財、保險、貸款、數字化經營、社區交流甚至進貨渠道、物流支持等服務,逐漸黏住小微企業,獲取多元數據,風控自然不在話下。

網商銀行的實踐,已經證明此路可行。截止2019年6月,網商銀行已累計為1700萬小微企業(商戶)發放貸款超過3萬億元。

徵信外溢,價值輸出

受益的不僅僅是1700萬家小微企業(商戶),也不僅僅是網商銀行和310模式(3分鐘申請、1秒鐘放款、0人工介入)下的合作銀行,貸款數據納入徵信,徵信具有外溢效應,整個小微金融生態均可受益。

據央行數據,截至2018年,央行徵信累計為261萬戶中小微企業建立了信用檔案,累計幫助54萬戶中小微企業獲得銀行貸款,餘額達11萬億元。遺憾的是,央行徵信採集的是商業銀行歷史數據,解決的是有貸戶的二次、三次申貸問題,無法解決首貸問題。

小微企業融資難,難在首次貸款。首次貸款後可建立信用檔案,第二次獲得貸款的概率可提升至75%以上。首次貸款,只能靠金融機構主動探索,對央行徵信覆蓋不了的小微客戶伸出橄欖枝。

從這個角度看,小微金融的社會價值,不僅僅止步於發放了多少貸款,更大的價值在於為多少小微企業建立了信用檔案。輻射的小微企業數量越多,小微金融的生態基礎就越紮實。

2018年以來,在各方推動下,國內小微金融迎來階段性高潮。為贏得各方配套的獎勵補貼政策,一些金融機構把小微業務視作硬指標,不能上強上,運動式做小微,引來了一些質疑。

其實,站在信用建設角度看,這並非壞事。原來不敢做的客戶,現在放開了,做了之後就會有結果,無論好壞,都是寶貴的數據。


破局小微企業融資難,對症下藥還是對因治療?


就以不良率問題來講。當前,小微貸款暴露出不良率高企的問題,如截止2018年末,單戶授信500萬元以下的小微企業貸款不良率為5.5%,比大型企業高出4.17個百分點。若我們換個角度,不良率高並非全是負面因素。

不良率高,恰恰說明金融機構真正深入到不熟悉的領域,以高不良為代價,不斷拓寬客戶服務邊界,在這個過程中,有一些壞客戶,也發現了好客戶。

舉例來說,金融機構新拓展了100個小微企業客戶,其中10家出現問題,是會帶來一些損失,但反過來看也發掘了90家有能力還款的好客戶。這90家企業變成有貸戶後,數據可供整個金融體系查詢共享,可以輕鬆地獲得二次貸款、三次貸款。這才真正體現了普惠金融的價值所在,也是高不良背後的潛在價值。

當然,小微金融要堅持商業可持續原則,不能一味任由不良率高企。但降低不良的最佳方法,不是不做、少做,而是努力消除信息不對稱,讓小微企業信用從不可知到可評估,在所謂高風險群體中,把低風險客戶挑出來,不斷拓寬小微金融的客戶邊界。

標本兼治

當前,小微金融量增價降,已取得明顯成效。截至2018年末,小微企業法人貸款授信237萬戶,同比增加56萬戶,增長30.9%;普惠小微主體授信1793萬戶,較2017年末增加467萬戶,增長35.2%。2018年12月,全金融機構新發放的500萬元以下小微企業貸款平均利率為6.16%,同比下降0.39個百分點。

若以“融資難、融資貴”為症狀,症狀已明顯緩解。對症治療救急,對因治療除根。現階段,仍有必要繼續對症治標,更要積極對因治本——不斷夯實數據基礎。

圍繞數據驅動,還有很多事情可做:

打破數據孤島,推動政務數據共享,這塊硬骨頭還要接著啃;

基於支付入口的廣覆蓋模式,積極發掘其徵信價值和空間;

激活核心企業掌握的數據,繼續拓展供應鏈金融空間;

利用物聯網、區塊鏈等技術,積極推動產業互聯網升級和小微企業數字化經營,讓更多地產業鏈數據可收集、可利用;

……

最後,還要改善營商環境,延長小微企業壽命。美國中小企業平均壽命是8年,日本中小企業平均壽命是12年,我國小微企業壽命只有3年,還有很多空間。

小微企業每多活一年,金融機構就少許多風險。不多要,小微企業平均壽命若能從3年延長至5年,很多融資難題自可迎刃而解。

近日,支付寶宣稱要加大對小商家的支持力度,在現有基礎上為小商家推出免費數字化運營工具、免費收單工具等一攬子扶持計劃,未來3年,至少為它們節省成本500億。

提高其數字經營能力,降低其綜合運營成本,讓數據可得,讓壽命更長,一舉兩得、標本兼治。

"

相關推薦

推薦中...