大数据视阈下中小微企业金融服务研究

赵德治 李海峰 杨海英

摘要：传统金融模式下，中小微企业一直面临融资难和融资贵的问题，银行也难以开拓自己的中小微金融市场。本文分析了银行和中小微企业间资金错配的原因，研究了大数据技术在解决中小微企业金融服务中成本、风险和信用优势，并在此基础上提出商业银行运用大数据技术改善中小微企业金融服务的路径。

关键词：中小微企业；融资难；商业银行；大数据

中图分类号：F832.2

文献标识码：A

文章编号：1003-9031（ 2018 ）09-0024-05

一、文献综述

沈泽洋（ 2016）认为我国的中小微企业主要为个体工商户和乡镇企业，存在风险高、规模小、企业财务不规范、缺乏合适担保和抵押物等特点，同时对资金的需求又是“短、频、快、急”。徐峻峰（ 2017）从银行的角度看，银行很难在短时间内把握中小微企业的实际经营状况并判断其发展前景，所以在风险和信贷成本控制方面存在很大的挑战。郑璐（ 2016）和陈晓明（2016）都认为中小微企业的融资闲难，表面上看是融资渠道不畅、资金供需不平衡的问题，而更深层次的原因是企业与银行间信息不对称所导致的信贷配给问题。基于大数据技术的应用，银行对中小微企业的金融服务和产品体系不断改善，中小微企业与银行间信息不对称的问题有了很大改观，中小微企业所面临的的融资困境正在逐步得到解决。

在大数据背景下，叶婷等（ 2016）指出信用大数据可以有效地解决银行和中小微企业间信息不对称的问题，从而解决中小微企业融资难的闲境，甚至改变整个信用领域的业态。肖萍（ 2015）认为依靠大数据的信息高效处理，传统意义上商业银行将近80%的资金贷给了约占企业总数20%的大型企业的“二八定理”将会被极大的弱化。林辉和杨旸（2016）从成本的角度分析，互联网金融和大数据技术可以降低银行的信息成本和交易成本，从而放宽对中小微企业的贷款限制。李先瑞（ 2015）从信用的角度分析，信息这一虚拟资本作为信用资本具有极高的价值，非结构化和半结构化的信息都可以作为授信的依据。丁振辉（2014）基于大数据下的信用评级，指出大数据能有效剔除人为因素的干扰，从而解决逆向选择和道德风险等一系列问题。

二、中小微企业融资难、融资贵的原因分析

（一）中小微企业无担保，缺乏有效抵押物

多数中小微企业处于初创期，存续时间不确定且自有资金匮乏，虽然都具有較高价值的无形资产，如知识产权、发明专利和品牌价值等，但缺乏有形资产，如厂房、设备、写字楼等固定资产和实物资产。银行在考虑发放贷款时，通常并不会把无形资产视为有效的抵押物，即使这一无形资产具有极高的价值，银行为了控制风险也会硬性的要求有形资产来作为抵押物。黄子健（2016）所指出的“小微企业的融资悖论”，即金融放贷机构提出了在小微企业信用贷款服务上本不该提出的要求，但此要求又是金融放贷机构为了控制自身信贷风险必须满足的内在要求。同时，我国的第三方担保机构原则上可以为缺乏抵押物的中小微企业提供担保，降低银行所面临的信贷风险，但我国的第三方担保机构发展缓慢、数量有限且费用较高，无法为银行和中小微企业间的资金供需问题提供解决办法，很难起到作用。

（二）企业融资渠道不畅，中小金融机构匮乏

一是地方性的融资市场不健全。近些年来一些省份兴起了地方性的融资市场，但是在大环境下，其效率远低于银行而成本却相对较高，资金供给量也十分有限，难以满足中小微企业对资金的巨大需求。二是民间借贷存在着障碍。民间借贷的平均成本通常是银行信用贷款正常水平的的三到四倍，搜索成本、合同成本、议价成本等都比较高，这会增加中小微企业的经营成本，且在现行的金融体制下，民营资本转化为金融资本仍存在法律和体制上的障碍。三是中小金融机构匮乏。由于政府管制、资金原因和历史原因，我国的中小金融机构发展缓慢，无法满足中小微企业的融资需求。银行依然是中小微企业资金来源最主要的渠道，但在传统模式下，银行通过存贷利差就能获得可观的收益，银行没有动力对中小微企业进行金融产品和服务的研发提升。

（三）中小微企业管理不规范，银行授信成本高

中小微企业本身的规范管理意识较薄弱，企业多以个人、家庭、家族式的管理模式为主，信息透明度很低，相应的财务状况、管理状况、经营状况等信息缺乏可信度，甚至一些中小微企业本身就存在经营财务数据造假、欠债不还、骗取贷款等问题。传统意义上，商业银行在对中小微企业进行信用评估的时候，信息的排列、整理、提取、鉴别是非常耗时耗力的，需要花费大量的人工成本和时间成本，即使委托第三方事务所进行信息核验也需要支付不菲的费用，这既增加了中小微企业的融资成本，也增加了商业银行的经营成本。

（四）银行和中小微企业间的信息不对称

我国的信用信息体系尚不完善，缺乏专业且具有公信力的第三方征信机构，更缺乏征信业普遍采纳的行业信息技术标准。征信主要依托于银行，这就要求企业定期的向银行更新自己的信用信息，而绝大多数的中小微企业信用意识淡薄，对于政府的政策要求和金融机构的制度安排很少关注。通常并没有专门的人员负责信用信息的更新，信息质量也难以保证，信用评级困难。在贷款前的信息不对称会造成逆向选择的风险，往往是风险越高的中小微企业更愿意支付较高代价来获得贷款；贷款后的信息不对称会造成道德风险，在贷款后银行对于款项的使用很难做到实时的监督，这就存在中小微企业将款项挪作他用，甚至是进行高风险的投机项目。在风控成本高企不下情况下，银行通常不愿意贷款给中小微企业。

三、大数据技术解决“融资难、融资贵”的创新优势

金融业本身就是基于数据和信息的产业。通过大数据技术，依托金融的底层基础设施的代际升级，能够通过各种信息对资产进行精准快速的定价，从而实现资产端的高效配置。

（一）差异化下数据分析，降低中小企业金融服务成本

银行作为公众型的金融机构覆盖了社会中所有层次的人群，所积累的数据量是其他机构无法比拟的。但传统的数据分析挖掘技术十分独立且效率低，无法对金融机构海量数据进行细分，而先进的数据库和大数据技术弥补了这一缺陷，可以对中小微企业客户实现多维度的细分。通过对风险和价值的分析，将存贷、投资、保险等金融活动的风险和盈利程度相當的企业划分为一个客户群；或者通过对行为特征的分析，将交易金额、频率、文字数据等长期稳定的企业划分为可信客户；还可以通过行业的发展潜力，将高新技术的科技型企业、服务型企业、高能耗高同质化竞争的企业划分为不同的客户群体。针对不同的客户群体，对客户的交易行为、消费偏好、社会关系、以及账户的实时变动等进行整合分析，在精确化定位的基础上，结合不同类型的企业金融需要，向客户提供个性化的产品和服务，并在客户的使用过程中不间断地进行信息分析，实时调整产品和服务，提高客户的忠诚度。在大数据背景下，银行网络化的运营和客户的粘性化维护，加上机器自主学习、云计算等技术在信用审核、贷款发放和贷后管理中的应用，银行的管理成本、时间成本等大大降低，相应的中小微企业的融资成本也在大幅度下降。

（二）信用资本、信用抵押优化了征信体系

大数据背景下，信用不仅表现为物质资本，更体现为虚拟资本。信用资本成为了小微企业获得信任的资格与手段，同时也是小微企业获得社会资源配置的新依据和新方式。传统的企业信用评价主要是以实物资产、财务数据等“硬信息”为核心。在大数据背景下，企业的信用不仅仅依赖于担保物和抵押物的价值，更在于各种明细数据（订单记录、社保记录、缴费记录等）、非结构化数据（社交记录、浏览历史、客户评价等）所形成的信用资本中。非传统数据的“软信息”被纳入到了信用评估体系中，全样本的分析法取代了抽样分析法，征信的数据重心从精确性向相关性转移，银行可以对贷款对象的信用水平和潜在风险进行全面深入的考量。大数据技术对于征信体系的优化有以下几个重要特征。一是覆盖范围大，数据来源广，从而摆脱了传统意义上必须与银行发生直接借贷关系，才能从全国征信数据库查询信用记录的局限性。二是数据截面时间展开，实时性强。区别于传统征信的数据少，时效性差，大数据征信的海量数据实时分析，使得信用评价的处理速度和决策的效率更加有效。三是多元变量分析，结果更加全面准确。传统征信主要是针对企业的历史财务数据为核心的单一变量分析，在大数据背景之下，大数据征信的分析模型可以容纳更多的变量，海量的数据分析成为了可能。

（三）数据实时动态演进，有效地防范风险

在传统金融模式下，商业银行面临的信息不对成称的风险主要来自于两个层面，事前的逆向选择风险和事后的道德风险。在大数据背景下，经济体的日常活动越来越多的在网络上留下痕迹，这些痕迹会以电子数据的形式储存下来，商业银行可以运用大数据技术对客户行为进行获取和分析，作为其风险控制活动的有效补充。大数据风险控制的优势主要体现在信息的高效利用上。银行针对中小微企业的风险评估结果可以动态地进行实时调整，大数据技术可以每时每刻不间断的抓取各种信息，再将信息输入到模型中，得到每个时点上的结果，这样的风险评估结果具有很强的连续性。银行据此可预测出中小微企业的发展路径，通过各时点上数据的差异化对比分析，降低中小微企业数据造假的可能性，并对企业的贷款用途进行后续的实时监督。同时，基于前期海量数据的积累，客户数据的范围和维度都在不断的扩大，通过机器自主学习技术、人工智能的应用，风险模型可以不断的基于数据进行自我优化，随着风险评估模型的多样化，风险得以量化评估，银行的风险防控甚至可以前置到各种金融产品中。

四、商业银行应用大数据技术的路径

利用大数据技术，商业银行可以实现数据采集方面的创新，不断优化数据分析能力，将信息数据转化为信用资本，改善中小微企业的融资服务。

（一）创新数据采集

在大数据背景下，数据的来源非常多元化，半结构化和非结构化的信息往往更能反映借贷行为背后的线索和联系。银行可以与多部门多机构合作，构建大数据信息平台来获取多维度的征信信息。一是加强银行各网点的数据共享，传统模式下由于技术原因的限制，即使是同一银行的各个支网点，数据库也存在割裂的情况。大数据时代下，银行各网点可以更加高效地整合企业往来数据。二是在用户授权和严格保密的前提下，银行与政府部门合作，收集有关企业的细节数据，如政府部门的法律记录、水电缴费记录、住址信息、纳税记录等比较隐秘，更能反映企业的经营状况和信誉水平的信息。三是加强和互联网公司合作收集数据。线上交易非常普遍，互联网公司积累了海量各类实时交易数据。银行可以通过浏览记录、搜索量、甚至是消费者评论来分析和挖掘企业的历史记录和发展潜力，准确预测客户的借贷能力。四是银行与其他中小金融机构、保险公司、第三方担保公司以及行业协会等进行协同的数据收集。中小金融机构在融资市场上通常是作为银行贷款服务的补充，在信息的收集上与银行具有互补性；保险公司与银行在信息甄别上具有同源性，银行和保险公司的数据收集共享，将使得大数据技术的应用更加深化和广化；和第三方担保公司和行业协会合作收集数据，也可以作为大数据信息平台的扩展。

（二）优化数据分析

大数据分析主要就是将海量的数据进行分布式大数据自动挖掘，从关联性的角度出发对数据进行转换，并在关联性的基础上将变量重新整合成为各种测量指标，每一种指标都对应着借款人的某种特性，如预期收益率、偿债能力和诈骗风险等。之后再将各种指标变量输入到不同的模型中去，提取特征变量形成特征值。最后将各个模型输出的结果，按照预先设定的百分比进行加总，形成信用分数。大数据技术分析流程如下：一是银行通过统计分析技术和自然语言处理技术，对中小微企业的数据进行初步筛选。通过统计分析技术对中小微企业的搜索量、搜索关键词以及评论信息等进行频率数排序，然后通过自然语言技术对文本信息进行提取，得到企业的消费需求和市场潜力等基本的信息。二是运用数据挖掘技术，对数据进行关联分析、聚类分析、分类和预测，对中小微企业的多元信息进行萃取，发现其中的规律，初步形成企业形象的刻画和分析模型。三是运用机器学习技术，对中小微企业的风险模型和信用评估模型进行优化，实时的输出计算结果，将海量的抽象信息直观的表达/H来，形成完善的企业画像。四是确定各种指标的权重，形成信用评分。大数据背景下的指标权重确定是通过在层次分析法（ AHP）的基础之上，采用模糊性的关系定义，将模糊数学法与层次分析法有机结合起来，通过构造两两比较的模糊判断矩阵，有效地反映信息模糊程度对判断结果的影响，提供更加准确的指标权重计算结果，银行再通过各项指标的权重对客户进行整体的信用评分。

（三）改善中小微企业融资服务

一是银行以大数据为基础开发新型金融产品。银行可依托大数据，对不同发展时期、不同地域状况、不同行业的中小微企业开发个性化的金融产品，增加中小微企業的融资渠道，降低其融资成本。二是发展第三方信用信息征集公司。我国的第三方征信机构发展不健全，借助行业协会的力量，银行和政府参股控股的信用信息征集公司，更符合中国市场的实际状况.市场化运作能充分满足市场化的需求，提高公司的效率和积极性；政府银行监督，能有效的消除以盈利为目的的种种弊端；行业协会具有本地区企业的大数据信息优势。银行和政府合作参股能够保障各种分析结果的可靠性和保密性，且政府可以保障各种规章制度的有效实施，银行可对企业提供针对性服务，并对企业管理提供修改建议。三是银行为主体与互联网公司的“三流合一”模式，实现银行、网络第三方服务平台（线上融资平台、支付平台、电子商务平台等）、企业三者间的无缝对接。第三方服务平台利用大数据技术对企业的日常商务活动信息进行收集；企业在第三方平台提出融资申请后，由平台进行初步审核；平台将初审结果提供给银行，银行审核通过后提供资金；第三方平台对资金使用进行贷后实时监控；一旦发生违约，会受到银行和平台的联合惩罚。四是银行和保险公司进行合作，应对中小微企业“信用资本”还未形成前的风险控制。基于“大数据”的思想，保险公司可以将个体的不确定性风险转化为群体的确定性风险，采用“集约投保”和“集团承保”模式将单位风险集中后对信贷风险进行切分，降低银行贷款风险，同时自身获得一笔不小的收入。 五是银行与财政部合作建立专门的中小微企业服务银行，或者以银行为主体成立中小微企业服务联盟。利用大数据，参考国家开发银行、中国进出口银行、中国农业发展银行的建设，针对中小微企业设立专门的政策性银行，差异化的提供产品和服务。

五、结语

在新的金融业态下，大数据技术为银行和中小微企业带来了新的发展机遇，其信息收集与处理能力是过去无法想象的，银行能够通过大数据扩展以往难以触及的中小微资金市场业务，并进一步升级转型。对于中小微企业而言，大数据技术有效的解决了其自身缺乏抵押物、缺乏担保、管理不规范等问题。通过大数据技术形成“信用资本”，并实时的对中小微企业的风险和信用状况进行审核监督，信息不对称的问题在很大程度上得到了解决，企业本身也更愿意努力提高自己的经营管理效率，以期获得银行贷款上的便捷和优惠。中小微企业融资难、融资贵问题解决的同时，银行也能优化业务结构，形成一种良性循环。

参考文献：

[1]陈晓明，当前中小企业“融资难、融资贵”问题辨析D].金融与经济，2016（10）：34-38.

[2]丁振辉.大数据背景下的小微企业信用评级研究[J].征信，2014，32（11）：45-49.

[3]黄子健，王羹，大数据、互联网金融与信用资本：破解小微企业融资悖论[J].金融经济学研究，2015（1）：55-67.

[4]刘叶婷，唐斯斯，梁明，信用大数据的形成、应用价值与提升策略[J].南方金融，2016（11）：47-53.

[5]林辉，杨旸.互联网金融及其在中小企业融资中的应用研究[J].华东经济管理，2016，30（2）：8-13.

[6]李先瑞，刍议大数据征信在小微企业融资中的应用[J].财务与会计，2015（13）：55-57.

[7]沈泽洋，中小微企业融资难的成因与对策研究[J].经济研究参考，2016（19）：53-57.

[8]徐峻峰，大数据技术下的小微金融服务与产品创新[J].武汉金融，2017（5）：9-12.

[9]肖萍.互联网金融与中小企业融资困境的化解途径[J].河南师范大学学报（哲学社会科学版），2015（4）：77-80.

[10]郑璐.中小微企业融资困境与对策[D].天津：天津师范大学，2016.