中小企業融資中大數據技術應用研究

田春強

摘 要 互聯網技術的革新與大數據信息產業的迅速發展為中小企業融資帶來了改革式的春天，通過將大數據技術應用于企業融資中，能夠有效解決中小企業融資難的問題。文章闡述了大數據的內涵，分析大數據技術應用于緩解中小企業融資難，再論述我國金融業的大數據運用現狀，并對未來進一步發展進行思考。

關鍵詞 中小企業 融資 大數據技術 金融業

中圖分類號：F752 文獻標識碼：A

2013年7月5日，國務院辦公廳發布《關于金融支持經濟結構調整和轉型升級的指導意見》明確指出，當前，我國經濟運行總體平穩，但結構性矛盾依然突出。金融運行總體是穩健的，但資金分布不合理問題仍然存在，與經濟結構調整和轉型升級的要求不相適應。另一方面看，不可否認，我國政府近年來在解決中小企業融資難問題上的努力是空前的，創業板和中小板的設立、新老非公經濟36條等的出臺都是為緩解中小企業資金融通問題所做出的有益嘗試。但在過去3年中，中型企業選擇民間借貸的比重為48.3%，而小型企業選擇民間借貸的比例則高達67.8%。中小企業的發展資金主要局限于傳統原始積累和民間借貸，通過現代化的直接或間接融資（如向金融機構借貸）手段獲取資金的比例依舊不高。因而如何破解中小企業融資困境，是當前一個亟待解決的問題，值得進一步研究。

1大數據的內涵

隨著信息技術的發展和互聯網時代的到來，“大數據熱”也漸漸興起，大數據被越來越廣泛地運用在各行各業，為人們更全面了解事物提供幫助。大數據從字面意義上看，可以理解為“龐大的數據量”，但這種簡單的定義顯然不能概括大數據的全部內涵，目前，國內外尚無一個公認的定義來解釋大數據，基本都是從大數據的特征出發，來挖掘其內涵。它的特點主要是數據體量巨大、數據類型繁多、價值密度低、處理速度快。大數據是具有更強的決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資產。它為人們提供了一種新的方式，讓過去我們無法完全利用的海量數據得到有效分析，獲得有巨大價值的產品和服務。目前，很多企業都在利用大數據的優勢為其服務。

2大數據技術應用于緩解中小企業融資難的分析

（1）解決存儲介質和計算能力的限制，挖掘能得到邏輯與規律的信息。過去企業只能采用統計抽樣的方法來分析數據，但是這樣的方法有其不可避免的局限性。大數據正在嘗試打破這種成本與收益難以平衡的僵局，大數據與信貸業務結合的核心優勢在于重塑信息結構，削減業務成本，電子商務平臺與社交化網絡的發展積累了海量數據，大數據發掘的信息更具備真實性，因而具有巨大的社會經濟價值。

（2）大數據時代通過混雜性統計概率，可以有效降低風險管理的成本。大數據不再一味追求精確，反之混雜性變成了一種標準途徑，用概率說話成為常態。對一組借貸方案，只要透過全數據分析，在概率上它是能夠長期穩健盈利的即可被資金融出方考慮采納。信用評級與貸后管理完全由量化模型自動分析完成，大數據經過云計算后得到動態的風險定價和違約概率分析結果，將風險管理的成本降至最低。

（3）大數據改變了傳統個的風控理念，更是有效提高企業的融資率促進經濟的快速發展。隨著信息結構的改變，大數據時代的風險控制理念將發生根本性變化，過去在風險回避理念驅使下，銀行等金融機構提高資金價格（高利率）或要求企業提供抵押擔保來補償覆蓋風險損失，而現在變為對企業穩健經營、創造現金并還款的能力作為持續監控和考核的重點。基于大數據挖掘的系統處理與實時監控顯著縮短了業務流程，提升了信貸業務效率，符合中小企業貸款需求靈活性、多樣性、隨時性的特點。綜上分析，大數據技術可以有效緩解中小企業融資難的問題。

3我國金融業的大數據運用現狀及展望

2014年7月22日，阿里巴巴與中國銀行、招商銀行、平安銀行、建設銀行、興業銀行、郵儲銀行、上海銀行等7家銀行宣布推出全新B2B互聯網金融產品——網商貸高級版。該產品是以阿里巴巴平臺大數據為基礎的純信用款，最高授信額度達1000萬元，無抵押、無聯保，平均月利率低于1%，是阿里大數據價值在傳統金融行業的一次應用嘗試，也是幫助中小外貿企業解決融資難題的實踐途徑。對傳統銀行而言，這是首次嘗試運用大數據和信用體系推出無抵押無擔保的純信用貸款。總結阿里巴巴的做法主要是“信用=財富”，傳統的信用自證貸款難點在于中小企業難以證明自身信用，無法降低銀行放貸風險。而一達通平臺上的沉淀，這些真實數據可以反映出企業的經營狀況，而這正是銀行對企業考量的重要依據。大數據還解決了貸后管理的難題，銀行可以對企業的動向進行及時而準確的把控，這樣大大降低了銀行的風險。因而，大數據在金融業的融資方面運用嘗試，算是初步嘗到了美味的果實。

除了阿里巴巴，為迎接大數據時代的到來，中國的一些金融企業也著手制定相關的計劃，已經或即將推出具體措施。比如，中國民生銀行籌劃在今后三年中逐步完善自身的數據業務體系，2013年建設數據標準和大數據基礎平臺，2014年建設實時的數據集成平臺，2015年建立完備的企業數據服務以支持智能化的服務。對于現階段的銀行等金融機構來說，更多的還是依靠與第三方數據挖掘平臺合作，對包含信息流，物流，資金流等供應鏈系統核心環節的數據挖掘，經過對數據進行分析整理，對實用數據進行分析整合，最后計算出企業的信用等級、信用額度，甚至預測未來的成長性及安全性。概括起來，基于這樣的數據挖掘和分析，銀行最終獲得的信息可以用三個維度來表示：一是對過往數據，如訂單、回款、庫存等進行統計，并匯總所有的原始數據計算企業信用得分；二是根據企業日常經營過程中資金的運用狀況及信用得分，計算信用額度；三是通過物流、資金流等重要環節的變化，著力貸后動態監管，實時追蹤企業的信用情況。

大數據時代的金融企業既要面對技術升級問題，還將面對業務管理理念轉變等問題。樹立業務管理人員和實際操作人員的風險意識和創新意識是當務之急。大數據對金融行業員工的挑戰要求員工具備大數據分析所需要的多學科知識，多層次的專業素質，具備對新技術的學習和駕馭能力，復合型人才將成為大數據時代金融行業從業人員的共同追求。此外，如何建設和維護好一個鼓勵中小企業提供真實可靠數據的行業生態環境，也是政府部門在“大數據戰略”的頂層設計中需要考慮的問題。

參考文獻

[1] 巴曙松.大數據可解小微企業融資瓶頸[J].中國經濟報告，2013（06）.

[2] 閆冰竹.大數據時代的銀行業發展[J].中國金融，2013（10）.endprint