金电联行：中小微贷搭车互联网 大数据里淘信用

金电联行：中小微贷搭车互联网 大数据里淘信用。

“当前小微企业的贷款难主要还是难在信息不对称。银行在取得小微企业信息的时候，它的相对成本要高于中等企业和大型企业的成本。”3月11日举行的两会记者会上，银监会主席尚福林一语道破企业融资难的根本症结。

信息？信息！在信息大爆炸的互联网时代，跨过这个鸿沟有没有可能？

为信用定价

“90%的民营企业在发展中最大瓶颈是资金紧张，占比99%的中小企业融资难度大，约60%的民营企业在银行贷不到款……”，在北京参加全国两会的全国工商联这一次带来的提案中，透露了这样的一组数据。

这也是目前中小微企业融资难的一个现实写照。当然，这组数据也意味着一次机会：谁能服务好这个群体，就能抢占下一块市场。

围绕中小微企业的贷款需求，已经形成了竞争的态势，一方面是银行纷纷发力，成立专门的事业部门、推出有针对性的产品；另一方面，小额贷款公司等力量也已经形成了一定的服务规模：2013年末，全国共有小额贷款公司7839家，贷款余额8191亿元，全年新增贷款2268亿元。最新加入战团的是与互联网对接的P2P,短短几年间，就涌现出超过600家网贷平台。

无抵押、无担保是这些竞争中醒目的口号，但是这对应的是相对较高的贷款利率和融资条件。

“对银行而言，中小企业的各种信息最终汇集是形成一个信用，作为评估其融资的依据。但是在中国，中小企业可用于评估的信息非常有限。这使得企业的风险被充分定价，但企业信用没能得到合理的估价。”益百利大中华区决策分析业务与运营总裁殷虹表示，“但大数据的应用，让这些限制的突破成为可能。”

益百利目前是全球最大的征信局，他们已经与国内一家互联网融资平台达成合作，试图在评估企业和个人信用风险的过程中引入大数据的评测。

这只是近期互联网和金融的众多联姻中的一桩，但相比与直接的产品合作，这种基于数据的合作，正在成为一股趋势。

范晓忻是金电联行(北京)有限公司(以下简称金电联行)创始人兼董事长，记者见到他时，他刚从中关村科技园管委会回来。

“他们希望我们能为园区的企业做风险评估，以便对这些企业的资金应用效率和风险做出预判。”他说。

一家创立不过6年的企业为何能得到国内首屈一指的大园区管委会的信任？范晓忻的答案是：“让数据说话。”

金电联行的做法是在公司的供应链管理系统中接入由金电联行研发的“数据挖掘机器人”，从企业供应链管理系统中挖掘数据。机器人重点挖掘的数据有12大项，包括下订单、生产、物流、入库、出库、生产线上线、下线、增值税发票确认、结账、付款等。这些数据通过“大数据客观信用指标模型”，自动生成企业经营情况的评估报告。截止到2013年底，合作银行通过这种途径发放的资金已经超过30亿元。

显然，就在国外巨头暌违国内市场的同时，本土信息挖掘服务提供商也在加快与金融业的合作。

让数据自己说话

2007年前，范晓忻做的是汽车零配件管理系统，在发现零部件生产商总是在为流动资金短缺苦恼后，他开始意识到供应链数据中的金融价值尚未被充分开发。

“绝大多数银行的贷款均需要抵押物，很多汽车零部件优质供应商尽管本身订单充足，只是缺少短期资金购买原材料，但受制于抵押物不足，很难获得贷款。”这让他想到如果能向银行提供这些供应商的实际交易情况，银行能不能因为他的信用状况而另眼相待呢。金电联行就成立于这个背景下。

当时，银行也正在探索现在已经普遍的供应链金融。不过，在银行这里传统的思维还是占了上风：即通过分散风险来控制风险。普遍采取的方式是中小企业通过与核心大企业的供货订单等获取应收账款类的贸易融资，引入的数据的价值主要是审核贸易的真实性和大企业的信用背书。

范晓忻和他的团队走的是另一条路：利用大数据，将企业信用信息量化。

金电联行的团队实地走访了3800多家企业和几十家银行，汇总实际信息需求后，在涉及的模型中设立了500多项指标，通过这些指标之间的关联性，来勾画出企业的运行状况，并且做出信用度的评分。

“有两家供应商每年供货值都是1000万元，一家公司每个月都有100~110万元的订单，另一家企业可能上半年有500万订单，但最后500万元的订单其实是最后一个月拿到的， 或者前一家企业总是在还款日期前一周就已经销售回款达标了，但后一个企业却是在还款日期前应收账款还未到位，在评估系统里，前者的信用值评分就会高于后者，因为前者更稳定。”范晓忻举了这个例子来说明如何用大数据来量化企业的信用现状。

很显然，两种风控的思路是不一样的。如果说银行是通过控制具体的交易信息审核来辨识风险，金电联行的模式更像是先通过海量的数据汇总出一幅中小企业运行情况的生命图谱，上面动态数据勾勒出了运行不同阶段的风险等级和触发点，实际只需要将具体企业的运行状况与这幅图谱进行验证，即可提前预知其风险。

“这也是我们所说的‘数据自己会说话’的原因。” 据范晓忻透露，这套系统已经在汽车、医药、商超等行业中运行，目前他们提示最早能6个月之前向银行提示风险。

让风险可量化、让风险可评估的同时，让优质企业的信用也可量化、可评估，是金融与数据联姻的放大效应。而对于银行而言，这可以大大降低其对于中小企业贷款的服务成本。

“银行不愿意向中小企业提供贷款，很重要的原因是服务中小企业的成本太高了。”深圳一达通服务有限公司副总经理肖锋表示。与中国银行合作的他们正是凭借自己建立的信息系统，帮助中国银行降低了对进出口企业贸易融资的服务成本，而帮助上万家中小企业提升了融资效率，实现了订单的成倍增长。

迎接动态信用的时代

在金电联行的模式中，动态信用成为一个关键，而这也为这场金融与互联网的邂逅提供了后续更广阔的想象空间。

“看历史、看现状、看未来”范晓忻用这三个词来总结金电联行业务的意义。

2013年底，他们与上海市嘉定区安亭镇政府达成合作，辖区内的企业的贷款审批过程中，都将引入金电联行的大数据客观信用模型。

“我们在和地方园区的合作调研发现，制造业的融资需求只是中小企业融资需求的一部分，目前国内经济在向服务业转型，大量的创新型企业、服务型企业涌现，他们同样存在融资难的问题。”范晓忻表示。

这其中尤其以科技创新企业比较突出。赛迪经智城市投融资咨询中心高级分析师江晶晶在接受《中国产经新闻》记者采访时表示：“一方面直接融资渠道上，上市门槛相对较高，大量中小科技企业无法达到上市标准 ，另一方面，而发债融资的适用范围较窄，以商业银行为代表的债权类金融机构也缺乏向科技企业提供资金的动力。”

创新科技型的企业区别于制造型企业的重要一点是：他的业务核心不是建立在制造流程上，而主要集中于人才的知识创造上，这一点用传统的风险评估方式显然也是很难覆盖的。

“包括中关村科技园也是面临同样的问题，我们从2013年下半年开始针对这类企业进行了调研，主要对于人力资本的信用和风险评估进行了建模，这得益于我们模型所具备的自学习能力。这部分我们已经收集了上千家企业的信息。”范晓忻说。

“如果能实现这种企业信用的动态监控，不仅将解决企业的融资问题，对于园区支持基金的利用效率也会有提升。”天津一开发区管委会融资办负责人表示，园区为吸引企业进驻，通常会许以优惠的条件，但在实际审核中，只能依据企业提供的材料做一个简单的测评，这其中难免有些企业会有弄虚作假的情况。“如果这套系统可以像‘体检’一样出具一个企业资质的评估报告，我们就能让这些优惠条件被用在最需要的地方。”上述负责人表示。

解决融资难的问题，最后还是要回到问题的原点：解决融资的风险控制。问题的核心，依旧是如何让中小企业真实的经营情况得到应有的估值。

互联网+金融=？

这个公式的右边已经填上了很多词：余额宝、理财通、网上银行……但显然，未来在等号的右边可添加的内容还有很大的空间。