大數據視閾下中小微企業金融服務研究

趙德治 李海峰 楊海英

摘要：傳統金融模式下，中小微企業一直面臨融資難和融資貴的問題，銀行也難以開拓自己的中小微金融市場。本文分析了銀行和中小微企業間資金錯配的原因，研究了大數據技術在解決中小微企業金融服務中成本、風險和信用優勢，并在此基礎上提出商業銀行運用大數據技術改善中小微企業金融服務的路徑。

關鍵詞：中小微企業；融資難；商業銀行；大數據

中圖分類號：F832.2

文獻標識碼：A

文章編號：1003-9031（ 2018 ）09-0024-05

一、文獻綜述

沈澤洋（ 2016）認為我國的中小微企業主要為個體工商戶和鄉鎮企業，存在風險高、規模小、企業財務不規范、缺乏合適擔保和抵押物等特點，同時對資金的需求又是“短、頻、快、急”。徐峻峰（ 2017）從銀行的角度看，銀行很難在短時間內把握中小微企業的實際經營狀況并判斷其發展前景，所以在風險和信貸成本控制方面存在很大的挑戰。鄭璐（ 2016）和陳曉明（2016）都認為中小微企業的融資閑難，表面上看是融資渠道不暢、資金供需不平衡的問題，而更深層次的原因是企業與銀行間信息不對稱所導致的信貸配給問題。基于大數據技術的應用，銀行對中小微企業的金融服務和產品體系不斷改善，中小微企業與銀行間信息不對稱的問題有了很大改觀，中小微企業所面臨的的融資困境正在逐步得到解決。

在大數據背景下，葉婷等（ 2016）指出信用大數據可以有效地解決銀行和中小微企業間信息不對稱的問題，從而解決中小微企業融資難的閑境，甚至改變整個信用領域的業態。肖萍（ 2015）認為依靠大數據的信息高效處理，傳統意義上商業銀行將近80%的資金貸給了約占企業總數20%的大型企業的“二八定理”將會被極大的弱化。林輝和楊旸（2016）從成本的角度分析，互聯網金融和大數據技術可以降低銀行的信息成本和交易成本，從而放寬對中小微企業的貸款限制。李先瑞（ 2015）從信用的角度分析，信息這一虛擬資本作為信用資本具有極高的價值，非結構化和半結構化的信息都可以作為授信的依據。丁振輝（2014）基于大數據下的信用評級，指出大數據能有效剔除人為因素的干擾，從而解決逆向選擇和道德風險等一系列問題。

二、中小微企業融資難、融資貴的原因分析

（一）中小微企業無擔保，缺乏有效抵押物

多數中小微企業處于初創期，存續時間不確定且自有資金匱乏，雖然都具有較高價值的無形資產，如知識產權、發明專利和品牌價值等，但缺乏有形資產，如廠房、設備、寫字樓等固定資產和實物資產。銀行在考慮發放貸款時，通常并不會把無形資產視為有效的抵押物，即使這一無形資產具有極高的價值，銀行為了控制風險也會硬性的要求有形資產來作為抵押物。黃子健（2016）所指出的“小微企業的融資悖論”，即金融放貸機構提出了在小微企業信用貸款服務上本不該提出的要求，但此要求又是金融放貸機構為了控制自身信貸風險必須滿足的內在要求。同時，我國的第三方擔保機構原則上可以為缺乏抵押物的中小微企業提供擔保，降低銀行所面臨的信貸風險，但我國的第三方擔保機構發展緩慢、數量有限且費用較高，無法為銀行和中小微企業間的資金供需問題提供解決辦法，很難起到作用。

（二）企業融資渠道不暢，中小金融機構匱乏

一是地方性的融資市場不健全。近些年來一些省份興起了地方性的融資市場，但是在大環境下，其效率遠低于銀行而成本卻相對較高，資金供給量也十分有限，難以滿足中小微企業對資金的巨大需求。二是民間借貸存在著障礙。民間借貸的平均成本通常是銀行信用貸款正常水平的的三到四倍，搜索成本、合同成本、議價成本等都比較高，這會增加中小微企業的經營成本，且在現行的金融體制下，民營資本轉化為金融資本仍存在法律和體制上的障礙。三是中小金融機構匱乏。由于政府管制、資金原因和歷史原因，我國的中小金融機構發展緩慢，無法滿足中小微企業的融資需求。銀行依然是中小微企業資金來源最主要的渠道，但在傳統模式下，銀行通過存貸利差就能獲得可觀的收益，銀行沒有動力對中小微企業進行金融產品和服務的研發提升。

（三）中小微企業管理不規范，銀行授信成本高

中小微企業本身的規范管理意識較薄弱，企業多以個人、家庭、家族式的管理模式為主，信息透明度很低，相應的財務狀況、管理狀況、經營狀況等信息缺乏可信度，甚至一些中小微企業本身就存在經營財務數據造假、欠債不還、騙取貸款等問題。傳統意義上，商業銀行在對中小微企業進行信用評估的時候，信息的排列、整理、提取、鑒別是非常耗時耗力的，需要花費大量的人工成本和時間成本，即使委托第三方事務所進行信息核驗也需要支付不菲的費用，這既增加了中小微企業的融資成本，也增加了商業銀行的經營成本。

（四）銀行和中小微企業間的信息不對稱

我國的信用信息體系尚不完善，缺乏專業且具有公信力的第三方征信機構，更缺乏征信業普遍采納的行業信息技術標準。征信主要依托于銀行，這就要求企業定期的向銀行更新自己的信用信息，而絕大多數的中小微企業信用意識淡薄，對于政府的政策要求和金融機構的制度安排很少關注。通常并沒有專門的人員負責信用信息的更新，信息質量也難以保證，信用評級困難。在貸款前的信息不對稱會造成逆向選擇的風險，往往是風險越高的中小微企業更愿意支付較高代價來獲得貸款；貸款后的信息不對稱會造成道德風險，在貸款后銀行對于款項的使用很難做到實時的監督，這就存在中小微企業將款項挪作他用，甚至是進行高風險的投機項目。在風控成本高企不下情況下，銀行通常不愿意貸款給中小微企業。

三、大數據技術解決“融資難、融資貴”的創新優勢

金融業本身就是基于數據和信息的產業。通過大數據技術，依托金融的底層基礎設施的代際升級，能夠通過各種信息對資產進行精準快速的定價，從而實現資產端的高效配置。

（一）差異化下數據分析，降低中小企業金融服務成本

銀行作為公眾型的金融機構覆蓋了社會中所有層次的人群，所積累的數據量是其他機構無法比擬的。但傳統的數據分析挖掘技術十分獨立且效率低，無法對金融機構海量數據進行細分，而先進的數據庫和大數據技術彌補了這一缺陷，可以對中小微企業客戶實現多維度的細分。通過對風險和價值的分析，將存貸、投資、保險等金融活動的風險和盈利程度相當的企業劃分為一個客戶群；或者通過對行為特征的分析，將交易金額、頻率、文字數據等長期穩定的企業劃分為可信客戶；還可以通過行業的發展潛力，將高新技術的科技型企業、服務型企業、高能耗高同質化競爭的企業劃分為不同的客戶群體。針對不同的客戶群體，對客戶的交易行為、消費偏好、社會關系、以及賬戶的實時變動等進行整合分析，在精確化定位的基礎上，結合不同類型的企業金融需要，向客戶提供個性化的產品和服務，并在客戶的使用過程中不間斷地進行信息分析，實時調整產品和服務，提高客戶的忠誠度。在大數據背景下，銀行網絡化的運營和客戶的粘性化維護，加上機器自主學習、云計算等技術在信用審核、貸款發放和貸后管理中的應用，銀行的管理成本、時間成本等大大降低，相應的中小微企業的融資成本也在大幅度下降。

（二）信用資本、信用抵押優化了征信體系

大數據背景下，信用不僅表現為物質資本，更體現為虛擬資本。信用資本成為了小微企業獲得信任的資格與手段，同時也是小微企業獲得社會資源配置的新依據和新方式。傳統的企業信用評價主要是以實物資產、財務數據等“硬信息”為核心。在大數據背景下，企業的信用不僅僅依賴于擔保物和抵押物的價值，更在于各種明細數據（訂單記錄、社保記錄、繳費記錄等）、非結構化數據（社交記錄、瀏覽歷史、客戶評價等）所形成的信用資本中。非傳統數據的“軟信息”被納入到了信用評估體系中，全樣本的分析法取代了抽樣分析法，征信的數據重心從精確性向相關性轉移，銀行可以對貸款對象的信用水平和潛在風險進行全面深入的考量。大數據技術對于征信體系的優化有以下幾個重要特征。一是覆蓋范圍大，數據來源廣，從而擺脫了傳統意義上必須與銀行發生直接借貸關系，才能從全國征信數據庫查詢信用記錄的局限性。二是數據截面時間展開，實時性強。區別于傳統征信的數據少，時效性差，大數據征信的海量數據實時分析，使得信用評價的處理速度和決策的效率更加有效。三是多元變量分析，結果更加全面準確。傳統征信主要是針對企業的歷史財務數據為核心的單一變量分析，在大數據背景之下，大數據征信的分析模型可以容納更多的變量，海量的數據分析成為了可能。

（三）數據實時動態演進，有效地防范風險

在傳統金融模式下，商業銀行面臨的信息不對成稱的風險主要來自于兩個層面，事前的逆向選擇風險和事后的道德風險。在大數據背景下，經濟體的日常活動越來越多的在網絡上留下痕跡，這些痕跡會以電子數據的形式儲存下來，商業銀行可以運用大數據技術對客戶行為進行獲取和分析，作為其風險控制活動的有效補充。大數據風險控制的優勢主要體現在信息的高效利用上。銀行針對中小微企業的風險評估結果可以動態地進行實時調整，大數據技術可以每時每刻不間斷的抓取各種信息，再將信息輸入到模型中，得到每個時點上的結果，這樣的風險評估結果具有很強的連續性。銀行據此可預測出中小微企業的發展路徑，通過各時點上數據的差異化對比分析，降低中小微企業數據造假的可能性，并對企業的貸款用途進行后續的實時監督。同時，基于前期海量數據的積累，客戶數據的范圍和維度都在不斷的擴大，通過機器自主學習技術、人工智能的應用，風險模型可以不斷的基于數據進行自我優化，隨著風險評估模型的多樣化，風險得以量化評估，銀行的風險防控甚至可以前置到各種金融產品中。

四、商業銀行應用大數據技術的路徑

利用大數據技術，商業銀行可以實現數據采集方面的創新，不斷優化數據分析能力，將信息數據轉化為信用資本，改善中小微企業的融資服務。

（一）創新數據采集

在大數據背景下，數據的來源非常多元化，半結構化和非結構化的信息往往更能反映借貸行為背后的線索和聯系。銀行可以與多部門多機構合作，構建大數據信息平臺來獲取多維度的征信信息。一是加強銀行各網點的數據共享，傳統模式下由于技術原因的限制，即使是同一銀行的各個支網點，數據庫也存在割裂的情況。大數據時代下，銀行各網點可以更加高效地整合企業往來數據。二是在用戶授權和嚴格保密的前提下，銀行與政府部門合作，收集有關企業的細節數據，如政府部門的法律記錄、水電繳費記錄、住址信息、納稅記錄等比較隱秘，更能反映企業的經營狀況和信譽水平的信息。三是加強和互聯網公司合作收集數據。線上交易非常普遍，互聯網公司積累了海量各類實時交易數據。銀行可以通過瀏覽記錄、搜索量、甚至是消費者評論來分析和挖掘企業的歷史記錄和發展潛力，準確預測客戶的借貸能力。四是銀行與其他中小金融機構、保險公司、第三方擔保公司以及行業協會等進行協同的數據收集。中小金融機構在融資市場上通常是作為銀行貸款服務的補充，在信息的收集上與銀行具有互補性；保險公司與銀行在信息甄別上具有同源性，銀行和保險公司的數據收集共享，將使得大數據技術的應用更加深化和廣化；和第三方擔保公司和行業協會合作收集數據，也可以作為大數據信息平臺的擴展。

（二）優化數據分析

大數據分析主要就是將海量的數據進行分布式大數據自動挖掘，從關聯性的角度出發對數據進行轉換，并在關聯性的基礎上將變量重新整合成為各種測量指標，每一種指標都對應著借款人的某種特性，如預期收益率、償債能力和詐騙風險等。之后再將各種指標變量輸入到不同的模型中去，提取特征變量形成特征值。最后將各個模型輸出的結果，按照預先設定的百分比進行加總，形成信用分數。大數據技術分析流程如下：一是銀行通過統計分析技術和自然語言處理技術，對中小微企業的數據進行初步篩選。通過統計分析技術對中小微企業的搜索量、搜索關鍵詞以及評論信息等進行頻率數排序，然后通過自然語言技術對文本信息進行提取，得到企業的消費需求和市場潛力等基本的信息。二是運用數據挖掘技術，對數據進行關聯分析、聚類分析、分類和預測，對中小微企業的多元信息進行萃取，發現其中的規律，初步形成企業形象的刻畫和分析模型。三是運用機器學習技術，對中小微企業的風險模型和信用評估模型進行優化，實時的輸出計算結果，將海量的抽象信息直觀的表達/H來，形成完善的企業畫像。四是確定各種指標的權重，形成信用評分。大數據背景下的指標權重確定是通過在層次分析法（ AHP）的基礎之上，采用模糊性的關系定義，將模糊數學法與層次分析法有機結合起來，通過構造兩兩比較的模糊判斷矩陣，有效地反映信息模糊程度對判斷結果的影響，提供更加準確的指標權重計算結果，銀行再通過各項指標的權重對客戶進行整體的信用評分。

（三）改善中小微企業融資服務

一是銀行以大數據為基礎開發新型金融產品。銀行可依托大數據，對不同發展時期、不同地域狀況、不同行業的中小微企業開發個性化的金融產品，增加中小微企業的融資渠道，降低其融資成本。二是發展第三方信用信息征集公司。我國的第三方征信機構發展不健全，借助行業協會的力量，銀行和政府參股控股的信用信息征集公司，更符合中國市場的實際狀況.市場化運作能充分滿足市場化的需求，提高公司的效率和積極性；政府銀行監督，能有效的消除以盈利為目的的種種弊端；行業協會具有本地區企業的大數據信息優勢。銀行和政府合作參股能夠保障各種分析結果的可靠性和保密性，且政府可以保障各種規章制度的有效實施，銀行可對企業提供針對性服務，并對企業管理提供修改建議。三是銀行為主體與互聯網公司的“三流合一”模式，實現銀行、網絡第三方服務平臺（線上融資平臺、支付平臺、電子商務平臺等）、企業三者間的無縫對接。第三方服務平臺利用大數據技術對企業的日常商務活動信息進行收集；企業在第三方平臺提出融資申請后，由平臺進行初步審核；平臺將初審結果提供給銀行，銀行審核通過后提供資金；第三方平臺對資金使用進行貸后實時監控；一旦發生違約，會受到銀行和平臺的聯合懲罰。四是銀行和保險公司進行合作，應對中小微企業“信用資本”還未形成前的風險控制。基于“大數據”的思想，保險公司可以將個體的不確定性風險轉化為群體的確定性風險，采用“集約投保”和“集團承保”模式將單位風險集中后對信貸風險進行切分，降低銀行貸款風險，同時自身獲得一筆不小的收入。 五是銀行與財政部合作建立專門的中小微企業服務銀行，或者以銀行為主體成立中小微企業服務聯盟。利用大數據，參考國家開發銀行、中國進出口銀行、中國農業發展銀行的建設，針對中小微企業設立專門的政策性銀行，差異化的提供產品和服務。

五、結語

在新的金融業態下，大數據技術為銀行和中小微企業帶來了新的發展機遇，其信息收集與處理能力是過去無法想象的，銀行能夠通過大數據擴展以往難以觸及的中小微資金市場業務，并進一步升級轉型。對于中小微企業而言，大數據技術有效的解決了其自身缺乏抵押物、缺乏擔保、管理不規范等問題。通過大數據技術形成“信用資本”，并實時的對中小微企業的風險和信用狀況進行審核監督，信息不對稱的問題在很大程度上得到了解決，企業本身也更愿意努力提高自己的經營管理效率，以期獲得銀行貸款上的便捷和優惠。中小微企業融資難、融資貴問題解決的同時，銀行也能優化業務結構，形成一種良性循環。

參考文獻：

[1]陳曉明，當前中小企業“融資難、融資貴”問題辨析D].金融與經濟，2016（10）：34-38.

[2]丁振輝.大數據背景下的小微企業信用評級研究[J].征信，2014，32（11）：45-49.

[3]黃子健，王羹，大數據、互聯網金融與信用資本：破解小微企業融資悖論[J].金融經濟學研究，2015（1）：55-67.

[4]劉葉婷，唐斯斯，梁明，信用大數據的形成、應用價值與提升策略[J].南方金融，2016（11）：47-53.

[5]林輝，楊旸.互聯網金融及其在中小企業融資中的應用研究[J].華東經濟管理，2016，30（2）：8-13.

[6]李先瑞，芻議大數據征信在小微企業融資中的應用[J].財務與會計，2015（13）：55-57.

[7]沈澤洋，中小微企業融資難的成因與對策研究[J].經濟研究參考，2016（19）：53-57.

[8]徐峻峰，大數據技術下的小微金融服務與產品創新[J].武漢金融，2017（5）：9-12.

[9]肖萍.互聯網金融與中小企業融資困境的化解途徑[J].河南師范大學學報（哲學社會科學版），2015（4）：77-80.

[10]鄭璐.中小微企業融資困境與對策[D].天津：天津師范大學，2016.