一、引言

近幾年國內小微信貸業務呈現快速發展勢頭，筆者因為工作原因有幸與國內四五十家銀行有過小微信貸方面的合作或溝通，不論是傳統國有大行、股份制銀行，還是一直定位服務中小企業的城商行、農商行，亦或是新進的互聯網民營銀行，在合作溝通中能發現一些值得學習的點，如全行戰略方向、組織架構、管理機制、激勵制度、產品創新、數據應用、風險控制理念、創新營銷模式、精細化運營等各方面。中國廣袤的市場空間，誕生了多樣化的小微信貸業務模式，無論是之前的IPC微貸、信貸工廠、六專機制，還是現在的大數據信貸模式，都是中國銀行業持續探索解決“小微信貸不可能三角”所做出的種種努力與嘗試，作為一項世界性難題，中國小微信貸從業者也書寫出具有中國現代化特色的答卷。筆者作為眾多踐行小微信貸從業者中的一員，自身也倍感榮幸；榮幸之余，卻一直在思考各家銀行開展小微信貸業務的核心競爭力到底是什么，本文嘗試探索一二。

二、探索

綜合國內各家銀行已知的小微信貸業務發展歷程，本文總結出可能影響核心競爭力的因素列舉如下：

1、市場環境的分析把控能力；

2、小微戰略、所屬地域經濟發展水平、科技實力、資金成本、政策扶持等資源因素；

3、基礎客群；

4、區域覆蓋度、分支機構、線下網點及人員數量；

5、管理團隊及人才資源；

6、互聯網平臺及創新營銷渠道；

7、產品開發及運營能力；

8、風險控制能力。

以上是筆者在與各家銀行溝通中，總結出的各家銀行開展小微信貸業務上的特點，但特點不一定就是優點，甚至當時的優勢，不一定是未來的優勢；即使坐擁海量客戶資源，若不思進取，也只會被攙行奪市；市場的規律會讓現在的優勢蕩然無存，因此上述列出的點看似千頭萬緒，小微信貸業務核心競爭力的回答也是見仁見智，筆者嘗試提出自己的觀點，未來小微信貸業務的核心競爭力是：數據源的獲取及數據挖掘應用能力。

三、數據獲取及數據挖掘應用

隨著《征信業務管理辦法》的實施，以及監管對于數據“斷直連”的要求，政府監管部門不管是出于數據安全的考慮，還是要求金融機構自主風控的需要，整治的源頭便是數據。今后能直接獲取到的明細類數據將越來越少，包括消費金融領域的數據源減少、各地稅務局“銀稅互動”數據字段的減少均是此背景下的必然結果，而實現自主風控的關鍵點在于數據，“巧婦難為無米之炊”，因此不僅得“有好菜”，還要會“做好菜”。這是筆者提出小微信貸業務的核心競爭力是數據源的獲取和數據挖掘應用能力的原因之所在。

目前小微信貸領域應用最多的數據是人行征信、工商、司法、反欺詐、多頭、黑名單、稅務、發票、銀聯流水、ERP、各B2B平臺交易數據、物流數據。除此之外各地方政府主導的政務數據平臺、地方征信平臺數據也同樣值得關注。總之，應在能力范圍內，盡最大可能接入合法合規的數據，同時對數據的接入，要遵循合規性、真實性、可用性、連續性、穩定性原則，選擇有征信牌照的機構合作。隨著國內對于征信立法的完善及監管的加強，過去混亂的數據市場將永遠被禁錮，切勿心存僥幸嘗試不合規數據源，否則一旦監管查出，或出現連續性問題，已開展業務會遭受致命性的打擊。

數據的來源目前多是從外部合作機構獲得，基本都是由外部合作機構加工整理成標準字段供銀行直接使用，但需注意數據的真實性，去除惡意篡改之外，數據合作方的數據加工并非完全沒有錯誤，因此在數據源接入時通過其他維度交叉佐證數據的真實準確性尤其重要。目前數據多以結構化或半結構化數據為主，對于非結構化的數據，如圖像、音頻、視頻的應用同樣不容忽視，小微信貸產品形態不只局限于線上（參見筆者之前文章《淺析影響銀行小微信貸業務精細化發展的六大要素》），對于有線下環節的產品，線下獲得的拍照、錄音對話、錄像等非結構化數據的處理對于實現產品自動化審批來講是必須攻克的，目前頭部互聯網銀行已開始嘗試客戶通過拍照方式自證經營性的非結構化數據運用。

而對于傳統銀行機構而言，在與互聯網機構競爭對比中最大的優勢就是廣泛布局的網點及人員優勢。線下網點及人員不僅只用于業務推廣，未來更大的作用可能是數據信息的收集，如黑名單、行業景氣度、民間借貸、實際控制人、實際經營地、開工復產率等各項數據信息，更有日常客戶拜訪溝通中產生的巨量非結構化數據。參照互聯網電商、團購等領域從線上到線下一店一小區的白熱化競爭。線上數字化信貸模式經過一定的發展，必然會融合線下的因素，這也是筆者不厭其煩強調小微信貸線上線下相結合的原因之一。

四、措施思考

國內數字化信貸最先應用于消費金融領域。在消費金融領域，頭部互聯網金融公司能迅速做大規模，除了客群優勢之外，在產品創新及風險控制方面，數據是至關重要的因素。小微信貸領域大規模的數字化應用是在原銀監會、稅務總局2015年96號文《關于開展“銀稅互動”助力小微企業發展活動的通知》下發之后取得迅速發展。很多銀行都想做下沉客群的個體戶經營性貸款，由于個體戶經營規范性較差，目前能獲取到的經營性數據有限，僅憑現在銀行掌握的數據無法解決個體戶信貸中的“信息不對稱”問題。做好這類客群的機構需具備豐富的替代數據，如電商、外賣、出行、賬戶流水、社交、航旅、電信等領域的數據，這些豐富的替代數據可以從個人及經營主體兩方面綜合進行風險控制及產品設計，而這些替代數據集中在各家互聯網公司中，正因如此，近幾年互聯網金融公司和傳統銀行小微“聯合貸”取得快速的發展。但監管對于互聯網貸款包括聯合貸的管理日漸趨緊，要求合作銀行必須進行獨立風控，要想做獨立風控，就勢必要爭取數據源的接入。

另一點值得注意的是數據挖掘。數據挖掘應緊緊圍繞業務目標進行，遵循全面、深度、關聯、可用原則。以人行征信數據為例，各家機構間的應用能力差距較大，征信數據是最直觀最重要的信貸數據，對于征信數據的挖掘不應淺嘗輒止，更切勿因噎廢食，將精力重心放在新接入數據源的挖掘，而忽視了人行征信這一最重要的數據。但數據的挖掘絕不僅僅是簡單的特征數量的挖掘，盲目吹噓特征變量的數量，只會陷入無盡的數據海洋而渾然不知，數據的挖掘是為了更好的服務于業務，對此筆者有以下幾點思考：

1. 數據挖掘應用不僅是風險部門的事情，更是業務部門的重點。數據的應用分析對于客群的定位、產品要素的調整、產品流程及產品體驗的優化、白名單客群的確定、營銷推廣措施的回顧、激勵制度的改進、存量客戶的維護等業務上的各方面都有較大的促進作用，因此建議在業務部門配備數據分析人員，有條件的可直接在業務部門建立數據分析團隊。
2. 打破前中臺之間的數據管控壁壘。除了核心風控策略與模型之外，在確保數據安全的前提下（制度、設備及措施），實現業務與風險部門間數據共享，共同進行小微業務的數據分析。筆者見過不少銀行業務部門無法獲取產品用到的數據源明細數據，業務部門不掌握客戶的明細數據，怎能做好業務。
3. 深刻掌握數據的釋義。對于銀行之前不熟悉的領域的數據，應多學多思，需自身掌握場景下數據的釋義，完整深度地理解數據，才能與業務更好的結合。
4. 數據的分層管理。按重要性和使用度劃分為基礎數據與場景類數據，基礎數據是本機構每個小微信貸產品都會使用到的數據，如征信、工商、司法、反欺詐等，場景類數據是特定產品下使用的數據。對于基礎數據應重點研究，逐項攻破，形成本機構對于每種基礎數據的良好應用能力。場景類數據有時可以轉化為基礎類數據，如某些銀行已將之前場景化稅貸的稅務數據應用到所有小微信貸產品中，此時稅務數據便成為基礎類數據，隨之應加大和重視對稅務數據的挖掘。
5. 場景化數據的運用。需詳細分析場景，剖析場景的流程步驟，識別場景下的客戶需求和風險特征，然后抓取每個流程上的核心數據維度；將場景數據與上文所述基本數據合理、辯證地結合使用。
6. 數據運用形式的多樣化。數據的應用形式有明細數據、預篩選形式、核驗形式。如上文所述，隨著直連數據源的減少，想全部直接獲得明細數據會越來越難。此時不應局限在明細數據獲取這單一形式上。可采用前置模型的核驗形式，或者結果導向的預篩選形式。近幾年各地方政府大力發展政務數據平臺匯集各個局委辦的數據，但由于之前各個部門數據治理的差異，像稅務數據一樣采用實時明細獲取很難行得通，多數政府部門的數據治理標準遠達不到金融信貸應用的要求，此時便可以采取前置模型部署在政務平臺或地方征信公司的形式，實現數據的最大化應用。

文/楊燦（深圳微眾智能科技服務有限公司總經理）

原創作品，轉載請注明作者信息