互聯網金融的優勢和劣勢「國家互聯網金融政策」

2020年初疫情發生以來，承受很多責難的互聯網貸款，讓眾多受疫情影響出現資金鏈緊張的小微企業主，或者因復工推遲陷入暫時收入窘境的消費者，足不出戶地得到了真正普惠的資金支持讓社會各方對互聯網金融的普惠本質有了積極的理解。目前，商業銀行的互聯網貸款已經成為趨勢。中小銀行尤其是農村中小金融機構互聯網貸款要堅持支持實體經濟發展、助力鄉村振興的大方向，運用先進的金融科技技術，結合自身的發展狀況、客戶需求、風控管理，有選擇地推進互聯網貸款業務的發展。

銀行互聯網貸款的業務模式

根據不同參與方在為消費者提供貸款服務的過程中的合作方式和功能的不同，互聯網貸款大致可以分為三種模式。第一種是助貸模式。所謂「助貸」，是指其他參與方幫助商業銀行提升包括引流獲客、風險防控、系統運行、監控與催收等方面的貸款服務能力，並依據在助貸過程中發揮的作用分享貸款服務的部分收益。這是商業銀行互聯網貸款產生之初所採用的主要模式。第二種是聯合貸款模式。在這種模式下，互聯網貸款的部分參與主體與商業銀行共同作為出資方，共同審批、共同授信、共擔風險、共享收益。聯合貸款模式可以幫助金融機構以少量資金撬動更大的業務規模，在市場競爭中取得優勢，或者在與強勢的場景和流量方談判時獲取有利條件。第三種是商業銀行的自營業務。部分國有大行或者科技實力較強的股份行，它們本身在資金、風控和獲客渠道等方面具有優勢，通過自建生態場景或將自有客戶線上引流等方式獲客並為客戶提供互聯網貸款服務，全方位參與到互聯網貸款的全流程，自主獲客、自擔風險、自負盈虧。

銀行發展互聯網貸款意義

互聯網小微貸款的快速發展一方面是源於監管機構在支持小微企業融資方面持續出台政策，致使商業銀行也越來越重視小微信貸業務，然而更加重要的是互聯網貸款確實可在一定程度上針對性地解決傳統小微貸款業務存在的諸多痛點，對銀行信貸有着重要意義。

一、利用大數據技術解決信息不對稱問題

傳統業務痛點之一：信息不對稱導致客戶准入評估難。小微企業往往管理不規範、財務報表不完善、數據不實、經營信息高度內部化，給授信調查帶來極大挑戰。同時，我國針對小微企業的徵信體系相對落後，抵押擔保不足，這些共同導致企業和銀行間存在嚴重的信息不對稱，很可能出現逆向選擇。

互聯網貸款適用性之一：依託大數據全面刻畫企業面貌。隨着互聯網的發展與大數據時代的來臨，銀行更容易對收集來的碎片化信息進行關聯分析、交叉檢驗及信息核實，從而全面刻畫企業真實面貌。通過加強與大數據徵信機構合作，可建立小企業失信披露機制。此外， 「以交易為中心」的信用類產品，可緩解小微企業缺乏抵押擔保的問題。

二、通過實時在線監測解決貸後管理問題

傳統業務痛點之二：持續動態監測企業經營難度大。很難利用傳統貸款監測信息作為小微企業風險預警信號，數量龐大也令現場檢查與定期檢查較為困難，此外，違約時的損失也時常無法追回。

互聯網貸款適用性之二：通過在線監測及時警示風險。利用數據挖掘技術在線７×２４小時對客戶的行為數據進行採集，對借款人進行全面持續的風險監測，一旦發現任何風險跡象，及時通知相關業務部門，提前採取風險防範應對措施。電商平台＋企業信貸模式下，借款人在整個供應鏈上的資金流動全在平台的掌握之中，借款人的需求是否真實、還款能力是否足夠、到期時該客戶是否能有足夠資金還款，均可通過對數據的處理計算準確推斷。

三、線上引流精準營銷解決獲客留客問題

傳統業務痛點之三：獲客留客依賴於客戶經理的服務半徑。傳統的小微客戶營銷模式往往依賴於客戶經理的物理半徑或社交半徑，而依託商圈、園區等批量獲客模式也可能存在操作風險。對於既定的客戶經理而言，通過關係維護留客的難度也將隨着客戶數量的增長而增加。

互聯網貸款適用性之三：精準營銷提升獲客留客能力。一是通過合作機構的網站、ＡＰＰ或微信平台等線上引流。二是運用大數據技術對小微企業的融資需求進行前期預測，並通過合適的渠道了無痕迹地推送給目標客戶。三是為小微企業提供精準金融產品服務及配套產品，提升客戶的粘性。

四、優化信貸流程解決單位成本偏高問題

傳統業務痛點之四：小微貸款特點決定了其單位成本偏高。由於小微企業分佈廣、信息透明度低，按傳統流程需花費很高成本。然而小微貸款金額小、期限短，故付出更多成本換回的收益卻更低，單位成本明顯偏高。

互聯網貸款適用性之四：優化信貸流程以改善成本收益。一是操作在線完成，審批在線自動處理，風險在線自動預警，降低借貸雙方操作成本。二是以較低成本獲得小微企業及個人沉澱在網絡上的 「軟信息」。三是利用大數據挖掘和分析技術，加快審批流程、提高審批質量、降低信息處理成本。

五、依託大數據信貸決策解決操作風險問題

傳統業務痛點之五：更多主觀判斷暗藏更大操作風險。一方面，傳統小微業務決策過程中，客戶經理、貸款審查人員等的主觀判斷作用相對更大，不僅影響評價結果的客觀性，也更可能出現操作風險。另一方面，現有的盡職免責往往流於形式，又造成信貸人員對待小微業務存在過分謹慎的態度。

互聯網貸款適用性之五：依託大數據決策模型減少人為主觀判斷。從數據收集錄入到評價結果輸出，整個過程全部由計算機算法完成，減少人為主觀判斷，確保評價結果的客觀性，也有助於防範操作風險。而在傳統建模技術的基礎上採用機器學習建模技術，則可進一步提高模型運作的自動化程度，減少人為干預對模型輸出的影響。

互聯網小微貸款產品仍存諸多問題

儘管經過多年的發展演進，目前的互聯網小微貸款產品已日臻成熟，但其依然存在諸多方面的問題。而對這些問題的充分認識也將是進一步推動產品迭代發展的基礎。

一、產品適用客群受限，客戶准入門檻偏低。受核心數據來源所限，目前互聯網小微信貸產品服務人群相對狹窄，數據要麼來自互聯網交易平台，要麼來自公共機構，譬如稅務部門，大量小微企業在相應平台或機構未留痕迹，則依然無法獲得相應的便捷服務。反過來，在特定渠道數據可獲取的情況下，客戶准入門檻又相對較低，因為許多有價值的軟信息被屏蔽掉，由此可能形成逆向選擇。為了儘可能地避免上面提及的信息不對稱問題，互聯網小微貸款通常會對客戶准入設置較多方面的限制條件，而這又會造成篩選出的客戶可能具有高度相似性，從而使得風險分散的程度較低，容易在市場波動的情況下出現客戶的批量信用塌陷。

二、數據孤島現象嚴重，數據造假問題突出。我國徵信制度仍不健全，尚不存在一個官方、統一、廣泛的信用評價體系，雖然稅務、工商、司法等部分信息已經向社會開放，但開放程度依然較低，而商業數據由於價值不斷凸顯，反而被進一步降低共享性。數據問題對貸後管理的影響尤為突出，除部分銀行有高頻電商交易數據外，大部分銀行只能依賴行內交易數據及人行徵信數據，據此進行貸後預警可能存在一定滯後性。此外，一些企業通過關聯交易等手段刻意製造流水、虛假納稅等信息，更有甚者則由諳熟各家貸款機構審核規則的信貸中介通過各種手段對申請人數據進行包裝以突破信貸機構的風控規則，致使模型結果的可靠性大打折扣。

三、模型有效性待檢驗，技術駕馭能力存疑。目前我國商業銀行利用大數據技術仍處探索階段，模型準確性有待檢驗。數據分割使很多模型只適用於自己的小生態，同一個人在不同評分模型中得到的結果可能存在較大差異。並且一旦市場環境出現大幅變化，基於過往行為數據所形成的風險評價可能出現較大偏差。更麻煩的是，由於自動化程度很高且業務批量處理，一旦某個環節出現錯誤，可能會造成十分嚴重的後果。此外，對於很多商業銀行來說，建立更加專業的大數據技術團隊並不容易，零壹財經統計發現，除個別銀行外，２０１７年上市商業銀行科技人員佔比普遍在１０％以下，絕大部分在３％左右。如果委託第三方對其系統、信貸模型進行開發與維護，又意味着需要面臨第三方合作機構從業人員潛在的道德風險，同時第三方開發維護的產品更可能出現同質化。

相關建議

一、優化產品，強化營銷。

（一）主動定位市場客群，強化產品針對性。一是隨着大中小銀行紛紛進入小微信貸市場，各行應儘快調整風險偏好，努力提升精細化定價和精細化管理水平。二是加強行業研究，定位重點細分客群進行拓展和開發維護。三是提供更多的在線授信產品以滿足不同細分客群的需求。

（二）堅持小額分散原則，綜合評判授信額度。一是對於弱抵押或非抵押類產品而言，應堅持小額分散原則，可對相似客群總體授信或單戶授信額度進行限制，針對細分客群風險特徵設置相應的規模權重。二是結合定量定性指標評判企業授信額度，並依據實際業務開展情況動態調整定性、定量指標以及授信額度。

（三）優化業務流程，提升操作界面友好度。進一步突出互聯網貸款產品的主要特徵，精簡產品入口，以減輕客戶的選擇負擔。申請流程應更加註重客戶體驗，減少跳轉環節、避免複雜操作，實現流程的持續優化。優化產品和服務流程，將線上線下服務無縫對接，提升遠程服務能力和客服響應速度。

（四）加強外部合作擴大獲客，全面提升客戶粘性。一是以更加開放的態度參與其他機構構建的生態圈，通過與外部機構共同開發產品進一步加深雙方合作，從而依託外部機構的渠道擴大獲客面。二是線上線下相結合提升營銷效果，通過構建 「１＋１＋Ｎ」生態圈，依託朋友圈、關係網提升客戶黏着度。

（五）做好產品生命周期管理，加強市場反饋。制定有效的產品管理制度、做好針對產品的信息收集以跟蹤產品效果。為應對技術的快速革新，應盡量縮短產品的市場導入期，加速淘汰或改進。此外，對於新技術在創新產品和服務模式上的應用，可進行局部範圍的試驗或試用，從而規避由產品缺陷帶來的大面積風險隱患。

二、數據為本，風控為先。

（一）建設小微客戶數據集市，做好數據挖掘。一是豐富數據獲取渠道和數據類型，充分運用外部機構數據信息，持續抓取企業各維度信息，建立共享資源、共助小微的合作機制。二是高標準規劃、建設小微客戶數據集市，將行內數據平台系統與外部數據平台進行有效整合，通過數據挖掘獲得更加完整的客戶圖像，進而支持客戶細分、風險管控、風險定價等業務經營和風險管理決策。

（二）圍繞客群完善風控，動態調整模型參數。一是適度放寬合規准入標準，在合規准入、風險測評等模型設置方面，對於不同的細分市場客戶進行差異化和針對性的設置。二是建立常態化模型更新迭代機制，結合市場狀況及產品運行情況對各個模型的參數進行優化迭代，以降低模型偏離度。三是嚴格審查客戶總體授信情況，密切關注其他銀行對客戶的授信政策是否穩定。

（三）完善貸後管理機制，提升貸後管理專業性。一是加強動態監測和風險過程控制，建立預警體系，運用科技手段實現風險監測批量化、規模化、標準化、自動化，增強數據信息管控的深度和科學性。二是組建專業小微貸後服務團隊，一方面專註於客戶提升工作，另一方面排查各類風險信號，及時採取措施進行化解。發生不良授信後，大力採取資產保全措施，爭取最好清收效果。

（四）做大結算業務，利用結算數據提升風控有效性。積極做大數字支付結算業務，利用結

算數據提升風險管控的有效性。一是通過匹配客戶的賬戶結算數據、ＰＯＳ 結算等情況以及其經營狀況、納稅金額、企業主家庭經濟情況等信息，有助於確定相關數據是否真實可信。二是通過監測結算量變化加強授信後風險管理，提高風險監測與預警工作的準確性及效率。

三、科技驅動，人才支撐。

（一）加強金融科技布局，加大資源投入力度。一是持續打造和完善智能銀行的敏捷信息科技能力，增加在金融科技方面的投入規模，為ＩＴ 建設、平台搭建、渠道轉型、對外合作提供資金支持。二是強化全行上下對金融科技的認識，制定全局的戰略藍圖和應用路徑，開闢金融科技新藍海。

（二）促進ＩＴ 和業務融合，提升敏捷開發能力。一是實施 「雙速ＩＴ」戰略，核心銀行業務系統保持原有開發模式，渠道類系統可搭建有別於基礎架構的獨立 「快速架構」。二是構建矩陣式組織結構，調整考核激勵機制，通過實現相應人員的權責利對等，促進業務人員、風控人員和科技人員等深度融合和高效溝通。

（三）儲備科技創新人才隊伍，加強技能培訓。一是通過自主招聘科技人員、市場化的激勵

機制引進等方式加大人才引進力度，提升研究人員的比重，培養既懂技術又懂業務的科技＋金融複合型人才。二是全面加強員工通信科學、互聯網理論和技術等知識的培訓，建立企業內部的數據分析文化和大數據風控理念。

（四）強化制度建設，確保合規內控落實到位。一是加強合規、內審、風險管理、法律等部門之間的溝通與協調，對業務進行全流程控制。二是對系統權限實行分層管理，完善員工行為管控機制，保障員工合規操作，減少越權違規操作行為。三是制定標準化操作流程作為指導。

（五）廣泛拓展外部合作，搭建開放API平台。一是廣泛拓展外部合作，確保產品在研發、推廣、維護等環節上可以得到有效的技術支持。二是促進銀行架構從封閉走向開放。搭建面向企業、中小金融機構、集團、分行等合作夥伴的開放、互聯、合作的開放API平台，通過加速場景化金融布局，推進產品與業務模式創新。