“當前小微企業的貸款難主要還是難在信息不對稱。銀行在取得小微企業信息的時候,它的相對成本要高于中等企業和大型企業的成本。”3月11日舉行的兩會記者會上,銀監會主席尚福林一語道破企業融資難的根本癥結。
信息?信息!在信息大爆炸的互聯網時代,跨過這個鴻溝有沒有可能? 為信用定價 “90%的民營企業在發展中最大瓶頸是資金緊張,占比99%的中小企業融資難度大,約60%的民營企業在銀行貸不到款……”,在北京參加全國兩會的全國工商聯這一次帶來的提案中,透露了這樣的一組數據。
這也是目前中小微企業融資難的一個現實寫照。當然,這組數據也意味著一次機會:誰能服務好這個群體,就能搶占下一塊市場。 圍繞中小微企業的貸款需求,已經形成了競爭的態勢,一方面是銀行紛紛發力,成立專門的事業部門、推出有針對性的產品;另一方面,小額貸款公司等力量也已經形成了一定的服務規模:2013年末,全國共有小額貸款公司7839家,貸款余額8191億元,全年新增貸款2268億元。最新加入戰團的是與互聯網對接的P2P,短短幾年間,就涌現出超過600家網貸平臺。
無抵押、無擔保是這些競爭中醒目的口號,但是這對應的是相對較高的貸款利率和融資條件。 “對銀行而言,中小企業的各種信息最終匯集是形成一個信用,作為評估其融資的依據。但是在中國,中小企業可用于評估的信息非常有限。這使得企業的風險被充分定價,但企業信用沒能得到合理的估價。”益百利大中華區決策分析業務與運營總裁殷虹表示,“但大數據的應用,讓這些限制的突破成為可能。” 益百利目前是全球最大的征信局,他們已經與國內一家互聯網融資平臺達成合作,試圖在評估企業和個人信用風險的過程中引入大數據的評測。
這只是近期互聯網和金融的眾多聯姻中的一樁,但相比與直接的產品合作,這種基于數據的合作,正在成為一股趨勢。 范曉忻是金電聯行(北京)有限公司(以下簡稱金電聯行)創始人兼董事長,記者見到他時,他剛從中關村[2.92% 資金 研報]科技園管委會回來。
“他們希望我們能為園區的企業做風險評估,以便對這些企業的資金應用效率和風險做出預判。”他說。 一家創立不過6年的企業為何能得到國內首屈一指的大園區管委會的信任?范曉忻的答案是:“讓數據說話。” 金電聯行的做法是在公司的供應鏈管理系統中接入由金電聯行研發的“數據挖掘機器人[-4.04% 資金 研報]”,從企業供應鏈管理系統中挖掘數據。機器人重點挖掘的數據有12大項,包括下訂單、生產、物流、入庫、出庫、生產線上線、下線、增值稅發票確認、結賬、付款等。這些數據通過“大數據客觀信用指標模型”,自動生成企業經營情況的評估報告。截止到2013年底,合作銀行通過這種途徑發放的資金已經超過30億元。
顯然,就在國外巨頭暌違國內市場的同時,本土信息挖掘服務提供商也在加快與金融業的合作。 讓數據自己說話 2007年前,范曉忻做的是汽車零配件管理系統,在發現零部件生產商總是在為流動資金短缺苦惱后,他開始意識到供應鏈數據中的金融價值尚未被充分開發。
“絕大多數銀行的貸款均需要抵押物,很多汽車零部件優質供應商盡管本身訂單充足,只是缺少短期資金購買原材料,但受制于抵押物不足,很難獲得貸款。”這讓他想到如果能向銀行提供這些供應商的實際交易情況,銀行能不能因為他的信用狀況而另眼相待呢。金電聯行就成立于這個背景下。
當時,銀行也正在探索現在已經普遍的供應鏈金融。不過,在銀行這里傳統的思維還是占了上風:即通過分散風險來控制風險。普遍采取的方式是中小企業通過與核心大企業的供貨訂單等獲取應收賬款類的貿易融資,引入的數據的價值主要是審核貿易的真實性和大企業的信用背書。 范曉忻和他的團隊走的是另一條路:利用大數據,將企業信用信息量化。
金電聯行的團隊實地走訪了3800多家企業和幾十家銀行,匯總實際信息需求后,在涉及的模型中設立了500多項指標,通過這些指標之間的關聯性,來勾畫出企業的運行狀況,并且做出信用度的評分。 “有兩家供應商每年供貨值都是1000萬元,一家公司每個月都有100~110萬元的訂單,另一家企業可能上半年有500萬訂單,但最后500萬元的訂單其實是最后一個月拿到的, 或者前一家企業總是在還款日期前一周就已經銷售回款達標了,但后一個企業卻是在還款日期前應收賬款還未到位,在評估系統里,前者的信用值評分就會高于后者,因為前者更穩定。”范曉忻舉了這個例子來說明如何用大數據來量化企業的信用現狀。
很顯然,兩種風控的思路是不一樣的。如果說銀行是通過控制具體的交易信息審核來辨識風險,金電聯行的模式更像是先通過海量的數據匯總出一幅中小企業運行情況的生命圖譜,上面動態數據勾勒出了運行不同階段的風險等級和觸發點,實際只需要將具體企業的運行狀況與這幅圖譜進行驗證,即可提前預知其風險。 “這也是我們所說的‘數據自己會說話’的原因。” 據范曉忻透露,這套系統已經在汽車、醫藥、商超等行業中運行,目前他們提示最早能6個月之前向銀行提示風險。 讓風險可量化、讓風險可評估的同時,讓優質企業的信用也可量化、可評估,是金融與數據聯姻的放大效應。而對于銀行而言,這可以大大降低其對于中小企業貸款的服務成本。 “銀行不愿意向中小企業提供貸款,很重要的原因是服務中小企業的成本太高了。”深圳一達通服務有限公司副總經理肖鋒表示。與中國銀行[2.85% 資金 研報]合作的他們正是憑借自己建立的信息系統,幫助中國銀行降低了對進出口企業貿易融資的服務成本,而幫助上萬家中小企業提升了融資效率,實現了訂單的成倍增長。 迎接動態信用的時代 在金電聯行的模式中,動態信用成為一個關鍵,而這也為這場金融與互聯網的邂逅提供了后續更廣闊的想象空間。 “看歷史、看現狀、看未來”范曉忻用這三個詞來總結金電聯行業務的意義。
2013年底,他們與上海市嘉定區安亭鎮政府達成合作,轄區內的企業的貸款審批過程中,都將引入金電聯行的大數據客觀信用模型。 “我們在和地方園區的合作調研發現,制造業的融資需求只是中小企業融資需求的一部分,目前國內經濟在向服務業轉型,大量的創新型企業、服務型企業涌現,他們同樣存在融資難的問題。”范曉忻表示。 這其中尤其以科技創新企業比較突出。
賽迪經智城市投融資咨詢中心高級分析師江晶晶在接受《中國產經新聞》記者采訪時表示:“一方面直接融資渠道上,上市門檻相對較高,大量中小科技企業無法達到上市標準,另一方面,而發債融資的適用范圍較窄,以商業銀行為代表的債權類金融機構也缺乏向科技企業提供資金的動力。” 創新科技型的企業區別于制造型企業的重要一點是:他的業務核心不是建立在制造流程上,而主要集中于人才的知識創造上,這一點用傳統的風險評估方式顯然也是很難覆蓋的。
“包括中關村科技園也是面臨同樣的問題,我們從2013年下半年開始針對這類企業進行了調研,主要對于人力資本的信用和風險評估進行了建模,這得益于我們模型所具備的自學習能力。這部分我們已經收集了上千家企業的信息。”范曉忻說。
“如果能實現這種企業信用的動態監控,不僅將解決企業的融資問題,對于園區支持基金的利用效率也會有提升。”天津一開發區管委會融資辦負責人表示,園區為吸引企業進駐,通常會許以優惠的條件,但在實際審核中,只能依據企業提供的材料做一個簡單的測評,這其中難免有些企業會有弄虛作假的情況。“如果這套系統可以像‘體檢’一樣出具一個企業資質的評估報告,我們就能讓這些優惠條件被用在最需要的地方。”上述負責人表示。 解決融資難的問題,最后還是要回到問題的原點:解決融資的風險控制。問題的核心,依舊是如何讓中小企業真實的經營情況得到應有的估值。 互聯網+金融=? 這個公式的右邊已經填上了很多詞:余額寶、理財通、網上銀行……但顯然,未來在等號的右邊可添加的內容還有很大的空間。