构建信用评价体系对中小企业信用保险的促进作用

叶 萍 刘春晓

中元保险经纪有限公司



构建信用评价体系对中小企业信用保险的促进作用

叶 萍 刘春晓

中元保险经纪有限公司

随着信息时代的发展，云技术、大数据等不断被推广和运用，技术的发展已经影响到了社会发展的各个领域。近两年来，互联网金融的创新和发展，使传统的金融领域产生颠覆性的改变。“阿里小贷”就是最好的互联网金融的创新产物之一，它为中小企业的融资问题带来了时代性的变革。运用大数据分析对中小企业进行信用评级，并用信用评价体系为信用保险保驾护航，推进中小企业融资需求是时代的趋势。

一、传统信用评价体系对中小企业信用保险的重要性及局限性

中小企业融资难是一直存在的老问题，各家银行也推出了一系列专门针对中小企业的融资产品。然而，中小企业无抵押资产、现金流不稳定等因素影响了银行对其的授信。为更好地对企业进行风险评级、信用评价，采用什么样的方式增加中小企业的风险评级，成为银行、保险公司扶持中小企业发展过程中的重要命题。

案例：美的空调的一级经销商“北京明辉”是一家注册资本金在2000万元左右的中小企业。该公司为了扩大业务量向银行提出融资需求，银行在对其进行企业整体评价后，认为其资产有限，但是企业发展前景良好。这时“国内短期贸易信用险”适时诞生。保险公司对北京明辉及其上下游企业进行了全面的信用分析，最终决定对其下游买家1亿多元的应收账款进行有选择的担保批复近8000万元。北京明辉将保险公司信用险保单中的8000万元担保批复用于向银行借款，银行针对其应收账款和保险公司的批复额度，以基准利率对其进行授信，解决了其短期融资问题。

上述案例可以证明，信用保险在中小企业融资过程中的重要性。企业通过投保信用保险以降低其风险评级，这成为企业向银行融资过程中强有力的担保方式，也成为银行判断企业还款能力的最主要的渠道。

信用保险的保险标的是个人或者企业的信用，而无论企业还是个人，它的信用水平都不易调查。保险公司只能通过过去的信用记录来判断其信用风险的大小，但这种方法误差比较大。

由此可见，构建企业的交易数据、行业信息和实际业务数据平台，对信用保险的发展具有现实意义。

传统的信用评价方法在信用评价体系发展初期起到了一定的作用，但在实际的企业经营过程中有很多特殊因素并不能根据传统的几个要素判断，因此，传统的评价体系已经无法全面客观地反映客户的真实情况。同时，企业会根据圈定的要素指标进行数据的美化和修饰，存在逆向选择，导致在信用险和融资过程中的企业信用评级产生很大误差和风险。

二、大数据分析对中小企业信用评价的影响及作用

大数据信用分析体系采集千倍于传统体系的数据量，以电子化监管取代人工监管，大大提高了效率和准确性。

(一)大数据分析可提高信用评价的时效性

通过对海量数据的探索性分析比较发现，企业交易行为有无拖欠、交易欺骗，或在企业生产、销售、管理和日常运营过程中有无信用问题或变异行为，甚至企业的日常垃圾处理等微小环节，都可以作为企业信用的判断依据，而企业法人或经营者的行为和方法也是大数据探索性分析的一种方式。

德国在线Kreditech是一家提供在线短期小额贷款的初创企业。Kreditech 的短期小额贷款业务不需要客户提供信用证明，而是通过大数据分析各种公开来源的信息，来判断借贷者欺诈、欠账与及时还款的可能性，整个判断过程只需数秒钟。在审核过程中，Kreditech 要求能访问用户的 eBay 主页、 Facebook 主页等，通过了解其电子商务购物行为、手机的使用情况以及位置数据等来分析客户信用度。Kreditech 希望用户提供尽可能多的信息，信息越多，预测越精确，客户的信用额度越高。审核通过后，理想情况下客户 15 分钟内就能收到借款。Kreditech 提供的贷款额度最高为 500 欧元，目前客户的平均贷款额为109 欧元。

这种大数据信用评级方法完全颠覆了传统的信用评级体系，提高了信用评级的时效性、科学性。

(二)大数据分析可提高风险管控效率，加快业务创新

银行利率市场化改革已经起步，利率市场化必然会对银行业提出精细化管理的新要求。运用大数据支持服务创新，通过对客户消费行为模式进行分析，提高客户转化率，开发出不同的产品以满足不同客户的需求，实现差异化竞争，也降低了人为审核的道德风险。

目前，大数据信用分析在我国商业银行中也有运用。民生银行、招商银行、建设银行等的信贷管理系统都已经升级换代并有信息服务商在背后支持，浦发银行的“信贷工厂”、中国平安的“贷贷通”等产品和系统都是依靠信息技术的金融大数据进行分析和运用的。

(三)大数据分析可推进金融领域发展

目前大数据应用已经在银行业逐步推开，形成一些较为典型的业务类型，如小额信贷、精准营销等。

在小额信贷方面，阿里巴巴和建设银行在2007年合作推出一个专注于小企业的贷款计划—— e贷通。阿里巴巴拥有大量用户信息，并汇集了他们的详细信用记录，利用淘宝等交易平台掌握交易数据，通过大数据技术自动分析判定是否给予贷款；而建设银行坐拥巨额资金，希望贷款给毫无信用污点的企业。2011年，双方合作到期后没有续约，而选择了各自发展。到2012年年底，“阿里小贷”累计服务小微企业已经超过20万家, 发放贷款300多亿元，坏账率仅为0.3%左右，低于同期商业银行的坏账率水平。

在精准营销方面，各大金融机构纷纷开始行动。招行通过数据分析识别出招行信用卡高价值客户经常出现在星巴克、麦当劳等场所后，通过“多倍积分累计”“积分店面兑换”等活动吸引优质客户；通过对客户交易记录进行分析，有效识别出潜在的小微企业客户，并利用远程银行和云转介平台实施交叉销售，取得了良好成效。

金融大数据分析和运用，打破了传统的信用评价思维，由此改变单纯的抵质押、担保等信贷模式，开拓更为新颖的信贷产品。如浦发银行专为中小企业开发的“信贷工厂”对数据批量上传和管理、贷款审核等进行系统化操作，提高了效率，改变了单一、传统的信贷模式。

三、金融大数据平台下信用评价体系的构建

(一)金融大数据平台下信用评价体系构成要素

1．大量的数据源

大数据平台下丰富而巨大的数据量是信用评价体系中的基础要素，数据的来源和种类多种多样，判断的角度也是不一样的，大部分数据来自于互联网，并且从互联网上收集、筛选数据，提取的过程是简单的。

2． 固定的平台载体

大数据平台下，诸如阿里、腾讯、百度等网络点击量巨大的用户平台载体也是信用评级体系中重要的要素之一。大数据讲究的是流量数据，从某一个平台载体上获取的数据是真实而有效的，但大数据平台的特点是，评价分析的主体和在大数据平台上获取的数据可能并不具有直接关联性，因为大数据的平台载体是多样而不确定的。

3．合理的评价方法

按照不同的标志，信用评级方法有不同的分类，如定性分析法与定量分析法、主观评级法与客观评级法、模糊数学评级法与财务比率分析法、要素分析法与综合分析法、预测分析法与违约率模型法等。这些方法相互交叉，各有特点，并不断演变。

4．科学的评价模型

评价模型的构建需要看用户的精准化需求，比如中小企业授信需求，在评价模型中关于融资需求的财务指标一定是模型中比较重要的架构。

(二)大数据平台下中小企业信用评价架构及指标体系

在金融大数据平台下，银行能够对企业综合情况进行全维度的考量。电子化信息记录可以判断企业流动性、支付能力、资产负债情况、交易对手情况、业务稳定性等，有效提高对客户的精准把控，降低风险。信用保险也将在大金融信用评级体制下完全改变保险的承保机构对客户的信用评级手段和方法。

1.评价方法——核心数据分析法

数据分析评级法将是新型分析方法中核心的分析方法。利用海量数据设定模型，采用核心数据和偏好数据综合分析客户财务状况、业务状况以及上下游关联企业的信用水平，以帮助决定商业银行和保险机构对客户的信用评价，以此判定承保金额和授信金额。

阿里巴巴是利用金融大数据开展小贷业务的领先者之一。首先，它面对的客户的准入条件为注册时间满6个月的“诚信通”会员或者中国供应商会员；申请人为年龄18至65周岁的中国公民(不含港澳台)，且为企业法定代表(个体版“诚信通”为实际经营人)；拥有经过实名认证的个人支付宝账户。

“诚信通”是阿里巴巴管理企业会员和个体会员的基础信息数据评级系统，它为每个在阿里巴巴上开设网店的用户发放一块身份牌照。这些卖家的交易数据等核心信息都是在互联网线上完成，所以有了这个身份牌照，阿里巴巴可以收集会员客户的所有在阿里巴巴网站上的往来数据，再加上其实名认证的支付宝账户信息，更可以收集到企业及个人的信用信息。阿里巴巴无疑运用的就是数据分析方法来作出客户信用评级。

2.评价过程

首先在数据模型框架下对基础数据进行筛选，以此确定客户基本经营情况、业务发展规模、资金情况、还款能力等，通过数据分析得出客户风险信用等级，判断是否授信和承保、授信额度、期限、担保情况等。

(1)信用评价方法

以阿里巴巴为例，在阿里金融的微贷中，风险控制是核心环节之一。在管理会员客户的过程中，它对“诚信通”会员作如下定位：

会员区分为企业经营和个体经营；根据在线销售额区分供应等级(以个性化钻石来标注)；经营模式分厂家和代理(可设举报机制)；所在地区标注；买家保障的先行赔付机制；企业营业执照实名验证；客户满意度显示等其他信息。

(2)信用评价过程

在阿里巴巴的信用评级过程中主要是运用数据采集、分析，通过客体指标筛选定位。首先，将企业按基本要素分类；其次，根据企业融资需求定位，决定是否符合申请需求，判断企业内部信用等级，并输入数据模型；最后，输出评级指标，给定信用额度。

3.评价指标

大数据金融平台下企业信用评价指标有客户基础信息、资产、现金流、交易频率和金额、金融产品投资偏好等计量信息。

阿里的信用评级指标包括销售额、成交笔数、销售重复率、发货速度、退款率、投诉率、交易满意度评价指标和交易对手数据。阿里巴巴网站对每个卖家的评级指标每天进行数据更新并进行后台实时记录，当客户提出融资需求时，系统会自动进行评级指标的筛选，评价出该商户在阿里巴巴平台上的信用评级，并匹配相应的授信额度、期限、贷款利率。“阿里小贷”日趋成熟的经验数据表明，在大数据环境下的企业信用评级体系完全可以更客观、更快速、更实时、更准确。

四、大数据平台下信用评价机制在信用保险中的运用

(一)大数据平台下信用保险信用评价的数据来源

大数据分析技术在信用保险评级机制中的运用也有别于传统的评价指标，保险人在核保过程中更多地是利用金融大数据分析技术，通过核心数据分析法，从以下几方面来作出对被保险人的信用评价。

1.来自工商税务等政府行政管理部门数据

如今政府部门都采取政务公开，通过工商、税务等网站可以查询企业的征信记录、有无受过处罚、是否在政府支持的企业范围内、在经营时间内企业交易往来的真实情况、基础的备案登记信息等。这些信息有助于被保险人在投保信用险的过程中成为其保险人决定是否承保、费率高低、信用规模大小的依据。

2.来自保险人自身系统的历史数据

保险公司本身就拥有强大的数据库，国内外的保险公司历史承保过的企业数不胜数。以中国人保为例，作为成立于1949年的保险公司，国内的企业几乎都购买过该公司的保单。对保险人来讲，历史承保数据就是一块很大的资源，通过企业财产险保额的变化可以看出企业的成长性，为企业信用保险的购买提供了基础信用数据来源。这也是大数据分析方法的魅力所在。

3.来自企业互联网的留存数据

互联网数据是目前保险人在对企业信用评级过程中最为核心的和具有探索性的数据来源。目前信用保险行业最为知名的资信评级机构之一“新华信”，也在探索运用大数据分析对信用保险的投保机构进行全新的资信评级。其资信评级过程中减少了财务数据所占的比重，也减少了企业提供的信息。资信评级机构通过互联网技术从网络上获取大量和企业相关的行为数据，全面分析企业在经营过程中可能的信用风险点，判断企业真实的信用情况，并得出结果，最终决定信用保险的额度、费率等投保要素。

(二) 大数据平台下信用保险信用评价的基本方法

在企业向保险人提出投保信用保险的需求时，保险人利用强大的信息资源评价投保人及其业务交易过程中的日常业务量和信用等级，以此作为决定是否承保的重要依据。

常规的财务报表等基础信息很难反映企业的信用评级的真实情况，所以保险人在针对中小企业信用评级过程中也更多地运用大数据分析方法来对中小企业进行风险评级。

大数据信用保险评价方法如下：

1.基础信息申报(申报内容如表所示)

2.输入信用保险信用评级系统

3.通过互联网或政府工作平台搜集一切与企业有关的信息

4.核心数据提取并得出相应指标

5.对核心数据进行探索性分析

6.得出信用评级结论

(三)大数据平台下信用保险信用评价的技术架构

在信用保险的核保过程中，对成长性比较好、业务规模和发展空间巨大的中小企业，通过新型的手段和方法来实现中小企业的信用评级。在实际操作中，通过技术手段的革新，可以构建多层次应用平台、数据平台和管理平台的技术架构，来完成对企业的信用评级(如图所示)。

(四)大数据平台下信用评价机制运用于信用保险

如今电商队伍随着网络的发展兴起。企业海量的营业电子数据以及客户散单、订单量通过大数据分析，可以看出企业的成长性和稳定性。

表 信用评价基础信息申报的8项内容

图 信用保险大数据平台技术架构

为匹配线上金融产品， 信用保险的投保过程须在银行放贷前或同时完成显得非常重要，而大数据下的信用评级机制也恰恰能匹配信用保险审核过程中对企业的信用评级，所以大数据下信用评级机制运用于信用保险是适时而应景的。

信息技术的发展已经在不断改变人类的生活，大数据在金融行业的发展必将迎来新的机遇，中小企业融资难也必将在金融大数据洪流中得到更为客观的解决。

五、总结

2014年是互联网金融发展的春天，以电商为主的小贷公司、P2P线上金融模式、第三方支付等都对传统金融行业产生着冲击。

伴随着金融大数据的发展，构建中小企业的信用评级体系的过程将更为客观、科学，并不断地趋向合理。在金融混业经营的大环境下，利于中小企业融资的信用保险也在基于大数据平台下的信用体系中受益。

本文针对大数据平台下中小企业信用评价体系的构建提出，使用大数据环境下的核心数据探索性分析方法对中小企业信用评级体系进行研究和构建。对中小企业融资性需求进行了调研，对信用保险在中小企业融资过程中的作用和发展现状进行了调查，对在大数据平台下信用评级体系的作用和具体方法作了呈现，对大数据平台下的信用评价体系如何影响和作用于信用保险作了深入研究。对上述问题的阐述和研究，为解决中小企业融资信用评价问题提供了较好的方法和手段。

但是本文对大数据时代的信用体系的研究也仅仅局限在中小企业中，未来如何更好地利用大数据资源服务于银行、基金、信托、保险的发展是更有价值的研究和创新。