來源/消金界

《通知》要求大型銀行與股份制銀行須進一步健全普惠金融事業部的專門機制，向欠發達地區的小微企業傾斜信貸支持，在普惠小微貸上發揮更大的作用。由此可見，2022年各大銀行在小微企業貸上還將發力。

對于商業銀行而言，想要做好扶助小微的金融工作并不易。尤其是線上掌握可識別需求的數據資源有限，還須提升線上的風控與營銷能力。

因此，探索線上小微融資模式，降低獲客門檻、精準識別需求，對于落實相關政策、進一步發展普惠金融具有重要意義。

?01?

商業銀行的挑戰

由于商業銀行線上小微融資由大型國有商業銀行引領，受市場青睞，風險低，純信用、小額化特征明顯，因此線上小微融資業務發展迅猛，取得了良好的社會效益。

但隨著業務的深入推進，服務客戶數的日益增多，也面臨客戶下沉難、客戶觸達難、客戶需求識別難、欺詐風險高、貸后管理難等新挑戰。

比如，受限于銀行當前掌握的數據，難以對更多下沉客戶進行風險評估，使得商業銀行進一步服務下沉客戶遇到較大瓶頸；由于銀行自身線上渠道交易頻次低，客戶黏性不高，因此，小微貸款營銷模式并未發生根本變化，營銷覆蓋邊界仍然主要依賴于銀行的網點布局，限制了銀行服務邊界。

再比如，線上業務依賴大數據識別客戶需求，掌握可識別需求的數據資源十分關鍵，由于銀行缺乏發票、水、電等企業經營的大數據，銀行很難精確識別出企業對資金的具體需求時間點、需要多少金額以及需要借多長時間，往往容易造成需求與貸款金額的錯配。

同時，線上小微貸款模式主要依托生物識別、大數據等手段識別企業及申貸行為的真實性，面臨的欺詐風險相對線下可能更高，如，隨著大量的互聯網貸款平臺退出，銀行的線上貸款很容易成為專業欺詐團伙的新目標，欺詐風險防范壓力增大。

此外，線上信貸產品的便捷性及突破區域的服務能力，使得銀行服務客戶數快速增長，小微企業客戶遍布全國各地，也給貸后管理帶來了新的挑戰。

隨著客戶數的急速增長，一名客戶經理往往要維護幾十甚至幾百個客戶，客戶經理的管理能力面臨瓶頸，難以避免的會出現草草應付的情況，導致貸后管理信息收集不及時、不準確，客戶出現違約風險不能進行及時的干預。

?02?

商業銀行的應對之策

針對上述困境，商業銀行需要打破傳統以自我為中心的產品研發模式及營銷服務模式，以小微企業需求為中心，以大數據為抓手，對現有產品及營銷服務模式進行創新改進，打造基于大數據智能風控的集信貸、經營顧問為一體，支持跨界開放合作的全新產品模式以及泛在的營銷服務模式。

一是推進產品模式創新，破解客戶需求識別、欺詐風險防范以及貸后管理難題。

從小微企業資金運用、經營決策等需求出發，基于多種維度的大數據識別企業資金和經營管理需求，科學評價客戶的還款能力、還款意愿，在此基礎上，根據大數據識別的企業資金需求及還款能力，為企業提供個性化的貸款額度、利率及貸款期限。

基于大數據識別的企業經營管理需求，為企業提供個性化、智能化的在線財務顧問服務及經營數據分析等增值服務，形成以融資服務為核心，以賦能型經營顧問服務為輔助的體系化、智能化的線上融資服務模式。

同時，通過為企業提供財務顧問、經營分析等增值服務，有助于與企業建立更緊密的業務關系，有助于銀行動態的識別企業的經營情況，提升貸后管理的針對性和有效性。

二是抓住培育數據要素市場的機遇，廣泛開展數據連接，夯實新模式基礎。

2020年，中共中央、國務院印發了《關于構建更加完善的要素市場化配置體制機制的意見》，提出加快培育數據要素市場。國家“十四五”規劃也明確提出要大力發展數字經濟，推動數字產業化和產業數字化，商業銀行可以充分利用全社會數字化機遇，在合法合規的前提下，與政府部門、核心企業等小微企業數據資源擁有者以相互精準引流、定制產品等方式，探索利用區塊鏈、聯邦學習等技術手段，實現數據資源的合法共享，夯實產品創新的數據基礎。

三是構建企業需求識別、風險評價等模型生態體系，推進模型的組件化應用，實現產品服務的個性化與智能化。

首先，通過建立定期市場調研機制及大數據客戶需求推斷模型體系相結合的方式，構建企業需求識別模型體系。

市場調研是累積數據的重要手段之一，銀行需要建立定期市場調研機制，通過持續廣泛、深入地開展市場調研，及時了解行業、區域的企業狀況、企業經營行為變化、新業態模式等，建立市場調研信息庫，為建立、優化大數據模型奠定基礎。

基于市場調研信息，依法合規與外部數據源開展合作，獲取宏觀經濟數據、行業數據及企業工商、稅務、海關、水、電等經營數據，結合銀行自身掌握的企業結算數據，利用大數據技術，建立客戶需求推斷模型體系，精準推斷企業資金需求時點、需求金額、需求時長等，有效識別企業需求特征。

其次，細化小微企業風險評價模型體系。

在了解了企業需求之后，銀行還需要了解企業的信用歷史、履約能力等，才能決定最終是否給企業貸款以及貸多少金額。

銀行現有的小微線上融資風控體系主要使用傳統邏輯回歸構建模型，變量因子選擇比較有限，對小微企業經營性特征考慮的深度和廣度還有待提升，在筆者新上市的《重新定義風控：從0到1建設小微信貸大數據智能風控體系》一書中提出，需要進一步結合小微企業本身特點，細化大數據風控模型，構建宏觀、微觀相結合的新型風控模型體系。

宏觀層面，基于互聯網輿情數據、統計局數據、天氣數據、大宗商品價格數據、零售品市場價格數據等，構建企業輿情監測、價值鏈成本傳導預測、價值鏈風險傳導預測、行業景氣指數、區域景氣指數等宏觀風險預警模型，一方面支持商業銀行制定信貸政策，另一方面支持貸前自動審批及貸后風險預警。

微觀層面，小微企業經營好壞與企業主息息相關，銀行可分別針對小微企業及企業主本身細化風控模型體系，結合工商、稅務、水、電等數據，在細化企業分群基礎上，基于機器學習、圖計算等前沿技術，構建小微企業競爭力推估、破產預測、成長力推估、現金流推估、風險傳染預測等企業經營風險評價模型；結合企業主學歷、從業年限、社會關系網絡、風險偏好等數據畫像，構建企業主經營能力推估、企業主社會資本推估、企業主欺詐風險評價、企業主信用風險評價等模型。在此基礎上，結合小微企業需求識別模型，優化或重構現有的小微企業欺詐風險評估模型，進一步增強貸前風險企業識別能力，提升貸后風險預警精細化水平。

再次，組合應用大數據需求識別模型體系以及小微企業風險評價模型體系，科學制訂策略，配套個性化產品與服務。

通過組合應用，精準識別小微企業需求與企業風險狀況，結合業務經驗，制訂相應業務策略，為小微企業配套個性化的產品與服務。

在產品方面，基于銀行可承受風險及企業可承受能力，給予不超過其需求金額、需求時長的授信。

同時，結合企業資金運用過程中的保值增值需求，建立企業智能財務顧問模型，為企業開展智能化的資金規劃服務，提升企業資金利用效率。

四是打造泛在的營銷服務模式。

一方面，結合企業主的渠道偏好，以開放的心態，探索走出銀行自有渠道，尋找客群資源豐富的機構跨界合作，通過聯合建模建立精準營銷模型，對客戶開展個性化的服務。

另一方面，結合企業的經營場景，通過聯合建模、定制產品等方式接入企業納稅、水電費繳納、電商平臺等企業經營場景，為企業提供即時服務。