网站首页 >> 电子会刊 >> 2014年第3期 >> 大数据信用开创中小微企业信贷新模式

大数据信用开创中小微企业信贷新模式

添加时间:2014-9-11 14:10:46 | 点击次数:3436

中小微企业贷款难既是我国实体经济面临的一个严峻问题,也商业银行无法回避的难题。

据统计,全国中小微企业创造了80%的就业、60%的GDP和50%的税收,而小微企业获得的贷款在全部贷款中的比例仅20%多一点。为了破解中小微企业贷款难,尽管从中央到地方政府都出台政策,甚至成立了专项基金和专门信贷机构,探索各种解决方案,但收效甚微。银行中小微企业贷款难,究竟难在哪儿?

从表面上看,中小微企业贷款难是由于许多企业没有足够的抵押资产,规范可信的会计账目,以及缺少信用记录等问题,造成了与金融服务对接的难度。商业银行对中小微企业的偏见,产品、业务、审批流程等也不能满足中小微企业贷款的需要。此外,担保、信用、信息等中介服务体系,配套法律法规体系不完善等都是加剧了中小微企业贷款难的情况。

但实际上,中小微企业贷款难的关键是以财报为核心,人力分析为主导的传统信用评价模式,对财报信息不充分,信用积累和抵押资源不充足的中小微企业信用风险难以进行有效的评价。因此,解决中小微企业贷款难必须创新信用评价模式。

2013年7月15日,在《全国小微企业金融服务经验交流电视电话会议》上,马凯副总理指出,“小微企业融资难,表面上看是缺钱,实质上是缺信息、缺信用。通过第三方提供信息和增信服务,解决好“两缺”问题,从而形成“小微企业-信息和增信服务机构-商业银行”利益共享、风险共担的新机制,是破解小微企业融资难的关键举措之一。”

“解决缺信息问题,就是要通过平台建设和机制安排,将小微企业的生产、经营、技术、人才、交易等信息记录下来,使之规范化、数字化、公开化,变无规律为有规律,变不可考为有证查,变不可知为能可知。一句话,就是成为银企双方的共享共知信息。”

“人民银行要加快建立小微企业信用征集体系、评级发布制度和信息通报制度;地方政府要搭建小微企业综合信息共享平台,整合注册登记、人才技术、纳税缴费、劳动用工、用水用电、节能环保等信息资源;银行业金融机构要不拘泥于财务指标等“硬信息”,注重用好人才技术等“软信息”,专门建立针对小微企业的信用评审机制,提高信用评价的真实性。”

马凯副总理的讲话提出了为中小微企业带来没有抵押、没有担保的贷款新理念——大数据信用。

一、大数据信用的特点

大数据信用是大数据理论与云技术在金融和信用领域的一种革命性应用。它信用不依赖财务数据,不依靠人的主观分析,从数据采集、清洗、分析、评价全部通过计算机完成信用评价模式,不仅能有效地化解中小微企业会计信息失真,没有信用积累和抵押资源难以进行信用评价的难题,大大降低信用评价的人为操作与道德风险,最大程度地保证了评价过程中的客观性,还可以同时对上万甚至数十万家企业进行评价,并开展实时的风险监控,极大地提高银行的信贷规模和贷后监管效率,是一种大批量、高效能、全风控、低成本的纯信用贷款模式。

与传统信用评级相比,大数据信用具有如下十个特点

1、数据来源的不同。

传统评级主要以被评级企业提供的数据为主;大数据信用评价是从政务平台、产业链挖掘数据,数据更客观真实。

2、使用的主要数据不同。

传统评级以财务数据为主;大数据信用评价以企业的社会、商务活动产生的自然数据为主,数据总量一般会达到数万甚至数十万个,数据范围更广,数量更大,变化性更强。

3、数据功能不同。

传统评级数据一般仅用于评级分析;大数据信用评价由于采用大数据分析原理,数据之间具有交互的验证功能,能够纠正数据偏差,识别财务数据等主观填报的数据的真伪。

4、评级方法不同。

传统评级以定性为主、定量为辅;大数据信用评价是基于大数据数学模型的,数量化评级,所有结果均由计算产生。

5、量化标准不同。

传统评级方法的量化指标的标准通常是固定的,即使有变化也是根据数据分析师的经验进行调整;大数据信用评价所有量化指标标准都是随着数据的变化而自我调整变化的。

6、预测方法不同。

传统评级的预测更多靠人的主观判断来预测,并且预测以群体为主;大数据信用评价是依靠大数据基础进行数据预测,即包括预测群体也包括预测个体。

7、操作风险不同。

传统评级的数据采集、风险分析、等级评定等都依靠人来进行;大数据信用评价的主要数据采集依靠云端数据挖掘机器人,分析定级通过计算机实现,全过程没有人为干扰,减少了道德风险。

8、作业规模不同。

传统评级每个项目通常由1-3个分析师完成,同时开评项目的数量由分析师的数量决定;大数据信用评价同时作业规模由计算机软硬件的配置所决定,在条件具备的情况下,只需少数人管理便可同时对上万个,甚至数十万个项目同时进行评价。

9、作业效率不同。

传统评级完成每个项目通常需要一周左右的时间;大数据信用评价在数据到位的情况下,一个到数万个项目的评价时间只有几小时。

10、跟踪评级的频度不同。

传统评级的信用跟踪通常按照半年、一年来进行;大数据信用评价是实时跟踪,24小时进行风险分析、预警、预测。

可以说,大数据信用以技术创新了信用服务模式,继而改变信用信息服务行业,为解决我国社会信用体系建设中信用信息采集难、辨伪难、评价难、跟踪难等问题,提供了有效的解决方案。

二、大数据信用在信贷业务中的应用

针对我国信息采集难、辨伪难、评价难、跟踪难等问题,国内开展比较好的大数据信用服务机构——金电联行专门建立了一套客观信用评价体系,从中小微企业融资入手,打破了以财务信息为核心的固有信用评价思维,改变了以抵押担保为主的传统信贷方式,创建一个低成本、大批量、高效能、全风控的纯信用贷款管理模式,成功破解了我国中小微企业信用融资的难题,开创了我国信用服务的大数据时代。

评价体系以云数据挖掘、云信用计算和云结构服务三大核心技术,通过对信用主体行为数据全自动、全天候的挖掘、分析与评价,以及实时的跟踪监测,实现了信息采集、数据运用、分析计算、评价结果和风险预警的高度客观性、智能性和高效性。 

作为中国民生银行、招商银行、浦发银行、中国建设银行、中国邮政储蓄银行等的信贷管理服务商,金电联行已经为1000多家中小微企业提供了总规模达40亿元的非抵质押信用融资服务,未发生过一笔不良贷款。目前,国家发改委、工信部主管的信用服务平台认定的信用体系建设和中小微企业信用融资评价机构。

金电联行的大数据信用与银行合作的信贷业务主要有贷前批量信贷企业筛选、贷中全过程客观信用评价、贷后实时的风险监控管理服务三种。

1、贷前批量信贷企业筛选:

可在短时间对成千上万家中小微企业进行海量信用优选,为银行提供丰厚、优质、规模化的信贷资源,提高银行信贷规模30%;

批量信贷企业来源主要有两个方面:

银行委托筛选的信贷企业;

金电联行从地方经济开发区和供应链系统的企业集群中筛选的信贷企业。

2、贷中全过程客观信用评价:

通过对企业留存在电子交易系统和政务平台的明细记录,进行全计算化的信用分值、授信额度、还款期限等评价,提供给商业银行向中小微企业进行无抵质押和担保的纯信用贷款;

3、贷后实时的风险监控:

通过全天候的云数据挖掘和云计算等技术,为银行提供对贷后客户的成批量、实时的风险监控服务,可降低银行贷后监管成本2/3。

监控信贷企业来源主要有两个方面:

金电联行为银行信贷评价,并辅助开展风险监控的信贷客户

银行委托进行风险监控的存量信贷客户。

三、大数据信用作业模式

大数据信用评价模式的特点是从信息采集、数据运用、分析计算、评价结果和风险预警的全自动化作业,具有高度的客观性、智能性和高效性,结果应用也以系统终端视窗展示为主,出具纸质报告为辅。

(一)作业流程

以“信用信息云服务平台”为载体,大数据信用通过创新的技术方式收集企业信用信息,并进行有效的识别、整理和分析,对企业信用做出评分或评价。作业全程由计算机系统平台完成,具体过程如下:

平台数据的工作流程:数据采集—数据加工—数据计算—监管预警

1、数据采集

通过数据挖掘机器人从企业产业链电子系统或政务信息平台采集企业相关数据,并结合企业导入数据,完成信息采集。三种主要采集的数据如下:

(1)数据挖掘机器人

在相应的中小企业产业链电子系统上安装数据挖掘机器人客户端,用来采集企业产业链上的相关数据,如订单、入库、出库等明细信息。通常至少挖掘客户1年的,一般为3-5年甚至更长时间的所有交易信息,通过这些信息来反映财富创造的过程,从而了解企业经营的效率、稳定性以及活跃程度。

(2)政务B2G信息平台

使用政务信息平台如税收、人力、房产等信息,通过这些信息来体现企业经营中财富创造的结果,数据的变化反映了企业不同时期的现金的支配能力和企业发展的大方向。

(3)企业导入数据

现实情况中的一些数据是需要企业来自行导入的,特别是没有电子化交易系统的企业更需要自行导入数据,当然这些数据会与系统数据、银行流水等多维度进行交叉比对和检验,同时,这又是一条考察企业主自身是否守信的衡量标准。

2、数据加工

系统后台对数据先进行初步的归类、剔除、清洗,再进行相关的分析和检验,最后进行数据纠偏;

企业1-3年甚至更长时间的所有交易信息明细数据量会非常大,结构复杂需要对数据进行清洗工作。首先,系统后台根据已有的相关规则,对不符合要求的数据进行初步的归类、剔除、清洗;然后,对第一步清洗之后的数据,系统会分别按照数据所属类型进行相关的分析和检验,系统会利用庞大的行业数据对该企业的所有数据进行纠偏,如有异常状态,系统后台会出现出错提示,相关工作人员会查询数据异常原因,并进行相应纠正处理。

3、数据计算

平台系统通过相应的数学模型计算出评价分值和信用额度;

(1)信用分值计算

平台系统把已处理完毕的数据形成指标,再通过相应的数学模型计算出评价分值。

(2)信用额度计算

基于类别指标计算出企业的信用额度,包括企业整体额度和基于交易项下的单笔额度,作为贷款额度审批的依据。

信用额度计算根据类别指标认可的不同程度,选择认可的类别指标,所有选择项被计入额度计算规则内。类别指标的认可程度,金融机构可以提出相关需求,在系统后台予以设定。

4、监管预警

通过安装在贷款企业电子交易系统上的数据挖掘机器人客户端,对企业的交易情况进行实时监测,通过数学模型计算信用额度,预测未来3-6个月企业的发展趋势,依据关键指标进行预警。通过预警和预测来帮助金融机构控制和防范风险。

监管预警分为:评分项监督预警和指标项监督预警。在指标项监管中有十几个大项,每一个大项中还有十几个甚至数十个小项的指标。各指标根据规范的相应阈值进行预警提示,出现预警并不直接表示企业本身出现问题。

由于指标项繁多,平台还设定了评分项监管预警,以分值的形式来显示监管预警的结果,此种方式可以直观的反应企业各方面的情况。

(二)结果应用

金电联行的大数据信用评价结果主要通过平台系统终端视窗查询、出具报告两种形式服务市场。

1、平台系统终端视窗查询

金融机构、政府单位、企业等通过公司的云服务平台,或嵌入客户的展示系统,向客户提供定向的评价结果查询服务。

2、出具订制信用报告

对金融机构提供订制的报告服务。由于每份报告所用的数据内容不同,报告模式也有一定的变化。同时,因为大数据信用报告分析量巨大,所写入的内容均为分析摘要。

可以说,大数据信用改变社会对信用,特别是以中小微企业为主体的实体经济信用的认识,改变以信贷为代表的金融市场以抵质押和担保贷款为主的传统方式,改变以财务信息为核心的传统信用评价思维,创建基于大数据理论与云计算技术所形成信用评级风险评价体系,建立了一个低成本、大批量、高效能、全风控的纯信用贷款管理模式,为破解商业银行中小微企业信贷难开创了一个新天地。


主办单位:
中国人才研究会金融人才专业委员会
通讯地址:
北京市西城区车公庄大街9号五栋大楼B2座1402室
邮政编码: 100044
责任编辑:周晓曦
电话:(010)881317731
传真:(010)88139525
投稿信箱:Edit#ft.org.cn
准印证号:京内资准字9907-L0675号