作為智能金融服務商PINTEC（品鈦）旗下研究機構，品鈦研究院專注金融科技、數據科學、人工智能、智能借貸、智能投顧、商業機構及金融機構的智能化轉型等領域研究。
近期，品鈦研究院為《零售銀行》雜志（2019年8月第116期）撰文封面專題，原文標題《借力金融科技，做活小微信貸》。文章系小微智能信貸系列“技術應用篇”，品鈦研究院科普了傳統小微企業信貸難點，探討金融科技在傳統小微企業信貸中的應用。
本文對金融科技助力小微信貸進行詳述。
經《零售銀行》雜志授權，品鈦轉發原文。下為正文。
目錄
1.市場的聲音：不被“接受”的小微
1.1.個體戶被卡在“門外”
1.2.小店大概率被拒
2.銀行的無奈：成本之高難以覆蓋
3.運用金融科技重構信貸流程
3.1.貸前：多環節并行
3.2.貸中/后：實時動態管理
4.總結
近年來，國內政策大力鼓勵銀行踐行普惠金融，支持小微企業發展，然而小微企業“融資難、融資貴”的問題卻長久以來沒有得到有效解決。究其原因，核心在于其和銀行業金融機構之間的信息不對稱。
從需求的角度看，小微企業通常都有高頻的小額融資需求，市場規模毫無疑問是客觀存在的。
但是從供給的角度看，銀行等傳統金融機構在信貸業務中出于風控考量，需要從財務、非財務等一系列具體的指標出發去地評估業務風險，而小微企業在這些數據上不如大型企業來得齊全和規范，銀行需要耗費大量的成本做風險評估。僅此一個環節就給銀行帶來成本負擔，何況銀行傳統放貸流程之復雜，業務本身帶來的利潤無法覆蓋這過程中需要投入的人力物力等資源成本。
因此，倘若能夠解決供需雙方的信息不對稱問題，銀行不必遵照以往的繁瑣流程，省去大量成本，那么小微信貸業務或有可能迎來爆發式增長。如此來看，通過合理運用金融科技工具，如品鈦等金融科技公司，可提供智能解決方案，解決上述供需雙方的信息透明度問題，將較大程度上改善小微企業融資難的局面，也給銀行的大零售板塊注入了無限活力，可謂一舉多得。
一、市場的聲音：不被“接受”的小微
小微客戶分很多種，典型的比如幾家分店的餐館、支持第三方支付的奶茶店、流動的煎餅攤。簡單來講，體量越小的小微企業，其信貸業務對銀行的挑戰是遞增的。相較于銀行的對公業務來說，小微信貸痛點頗多：數據分散，風險太高，成本耗費高，利潤太薄，所以一直處于額度小、難度高、批貸難的困境。
1.1.個體戶被卡在“門外”
從典型的小小微企業——也是銀行最難解決的個體戶談起。
假設現在一家煎餅攤“葛大媽”老板向銀行提出借貸申請， 她唯一的可變現資產是一輛可移動工作間——這在銀行是很難被認可的。她的“企業”沒有政府認可的注冊，日常記賬都是記在自己的小賬本，在央行沒有征信記錄，也無法進入信用卡的準入門檻。有點殘忍地說，他在提交資料時可能就不被接待了。
1.2.小店大概率被拒
當然還有好一點的情況。倘若葛大媽不僅僅有一個攤位，她可能有一間小店，有營業執照，但注冊資本金小，稅務不規范，有一些經銷記錄等等。葛大媽想要和銀行借5萬元裝修一番——大概率還是會被銀行拒絕。因為五萬元的信貸，刨除銀行的觸客、盡調、錄入、初審、終審等成本，銀行是虧損的。她心一狠，那借20萬呢？傳統銀行又會認為難以給一間小店批貸20萬。
這樣一來，葛大媽這樣的小微商戶往往會認為銀行嫌貧愛富，看不上個體戶。
二、銀行的無奈：成本之高難以覆蓋
上文談到典型個體戶的融資困境的問題，其實不是銀行看不上。
從金融邏輯來講，銀行一經測算，倘若這類業務的NPV若為負，即不能盈利，寧肯不做。（編者注：Net presevt value, 凈現值，指的是在指定期限內，按行業基準折現率或其他設定的折現率計算的各期凈現金流量現值的代數和。NPV＜0，表示，投資或項目未能達到預期收益，可能存在虧損。）
商業銀行從“商業”角度考慮問題也無可厚非，但一邊是大的政策導向，一邊是業務成本之高，眼看著潛在的市場，也束手無策，十分無奈。
以往銀行開展小微企業貸款的風控模式主要為擔保模式、IPC模式和信貸工廠模式三種。擔保模式下，小微企業需要提供抵押、擔保，很多小微企業資質不足。IPC模式（編者注：德國微貸IPC技術，專門針對小微企業經營性貸款的一套測試技術，核心是評估客戶償還貸款的能力。）則重視信貸員實地調查和信息驗證，在客戶獲取、客戶服務方面具備優勢，但對人員經驗要求高，且容易產生道德風險。信貸工廠模式，指銀行根據小微企業特點，像工廠制造標準化產品一樣對信貸業務實行批量處理，運營效率有提升，但額度較低，且需要的團隊大。相比于前兩者，信貸工廠模式較標準化，流程相對最簡單，一般可細分為7步：
整個流程下來，最快也要一周時間。盡調人員去商戶處調查時還可能遇到一些特殊情況，比如商戶老板需要調查改期、賬本準備的不好、某材料還沒批下來等，還會延長審核周期。
雖然，銀行創立了信貸工廠模式實現“流程標準化”，但因為每個步驟都需要“人”來完成并且流程與流程的銜接需要“人”來傳遞，所以不論怎么優化，也難以再提高速度。
運營成本也掣肘效率提升。銷售、錄入、預審、運營、審批等團隊需要幾十人，這樣規模的團隊已經是很精簡的。一天大概處理不到20單。如果業務量要翻番，意味著團隊人員也需要翻番。這是真實存在的問題，由于排隊者太多，有的客戶申請后必須排隊到第二天、第三天，貸款申請才開始被接收處理。
正因為成本如此之高，5萬元的信貸需求，利息不能覆蓋運營成本，對銀行而言是虧本生意。
雖然葛大媽這類的客戶是傳統銀行難以覆蓋的客戶，但卻也是小微企業下沉用戶的典型目標群體之一，所以銀行也是十分無奈。
三、運用金融科技重構信貸流程
既然需求存在，但苦于傳統方法成本之高而無法響應需求，那么只要有工具和途徑讓成本降低，讓供需雙方的信息不對稱性降低，也就能夠促成有效供給增加，金融科技便一個很重要的工具。
通過金融科技力量注入，傳統的小微信貸流程能夠得到改善甚至重構，對于個體戶或者小微企業5萬元甚至更低的信貸額度需求銀行都完全可以響應。
信貸最簡單地可以被分為貸前、貸中、貸后，金融科技能夠在信貸全流程釋放能量，尤其能夠大大加速小微企業信貸生命周期運轉。
3.1.貸前：多環節并行
在貸前階段，相比于上述的傳統的信貸工廠模式，金融科技的數據獲取、加工、處理、分析都是并行的，極大程度上提高了審批效率。
葛大媽老板在銀行申請時需要準備一堆材料，跑4、5個機構。但在金融科技的幫助下，只要客戶授權，品鈦等一眾金融科技公司可以幫助銀行做到15分鐘完成從收集到授信的全流程：采集的數據依次進入數據湖沉淀，再經由中間層進行數據清洗，通過數據挖掘和機器學習加工出爐小微企業用戶多緯度的特征變量和用戶畫像。
各類電商交易、物流數據、線上流水等數據資產產生，為小微企業的贏得銀行貸款提供了破冰的可能，不少銀行已經具備多維度的用戶畫像能力，能夠利用金融科技為小微商戶進行用戶畫像并授信，完成一個從企業到企業主的更為全面的信用判斷。
以前文“葛大媽”為例，我們通過GPS定位到葛大媽在北京某城區，可以從通話城市，收款位置，住址信息等多維度交叉驗證和比對來鎖定用戶的生活和經營地址，而傳統機構提供住址/經營地租賃合同或者水電煤氣繳費單據的方法，不僅繁瑣且作假容易。
在移動支付普及的時代下，最了解小店經營情況的可能是各大電商平臺和“聚合支付”背后的支付公司。小商戶會在電商平臺開店，所以平臺會有小商戶的交易流水數據。線下交易方面，小商戶會通過聚合支付工具，進行支付寶、微信支付等線下交易的收款，所以支付公司有大量線下交易信息。在后臺引擎中，就可以清楚的掌握了這門“小生意”的交易流水、商品銷量、客單價、交易頻次、淡旺季特征等，并與其他同類商戶做對比，評價其經營水準。
表面上，客戶的申請流程變得十分精簡，原本傳統金融機構信貸工廠模式中的7大步驟被整合為1步。事實上這背后是金融科技力量作為支撐。在數據驅動決策系統內部，每天近萬級的數據顆粒采集，幾千次的指標計算，500多個特征變量分析。
在這樣的模式之下，可能銀行的審批員還沒有見到“葛大媽”，銀行就已經為她完成了授信，甚至通知相關機構放款了。
3.2.貸中/后：實時動態管理
在小微信貸的貸中貸后環節，在金融科技的幫助之下，銀行能夠實現客戶生命周期的實時管理。
以往一個客戶是否被予以授信，銀行往往是基于申請者在提出申請的那一刻的靜態經營與財務狀況進行評估。但實際上，企業每一年的變化并不小，小微客戶更是如此。銀行可以利用品鈦等金融科技公司的技術，用數據觀察客戶生命周期，客戶在借款過程中的動態趨勢可以實時反應風險的變化。
具體來說是通過線上數據監控用戶的欺詐風險與經營風險的動態改變。比如我們可以根據客戶的類別，監測其在授信以后的業務數據。
舉例來說，“葛大媽”的經營范圍發生了變化，本來煎餅攤，變成了賣衣服、賣玩具，甚至賣手機了。銀行無需去現場驗證，可以通過后臺數據的業務數據、商品信息進行分析，就可得知這類變化，從而掌握經營動態風險。
假如商戶經營惡化，通過收款產品收到的交易額在減少，此時這個商戶還要借一筆錢，那銀行對此時的資金用途就要進行仔細判斷。
在運用金融科技基礎上，銀行可以根據用戶類別，設置一系列預警指標并實時交互獲取，依賴數據指標進行預警監控，作為貸后催收策略的指導。
總結：
綜上，借助品鈦等金融科技公司的力量，基于金融科技手段對小微企業信貸業務流程的重構，運用數據驅動決策降低了運營成本，即使申請量大大增加，對銀行響應小微信貸需求的成本影響微乎其微；此外，立體化的、動態的用戶畫像，能夠全流程幫助銀行更好地進行數據收集、驗證授信、預先窺見風險，成為銀行小微信貸業務正向循環的動力。
