構建信用評價體系對中小企業信用保險的促進作用

葉 萍 劉春曉

中元保險經紀有限公司

?

構建信用評價體系對中小企業信用保險的促進作用

葉 萍 劉春曉

中元保險經紀有限公司

隨著信息時代的發展，云技術、大數據等不斷被推廣和運用，技術的發展已經影響到了社會發展的各個領域。近兩年來，互聯網金融的創新和發展，使傳統的金融領域產生顛覆性的改變。“阿里小貸”就是最好的互聯網金融的創新產物之一，它為中小企業的融資問題帶來了時代性的變革。運用大數據分析對中小企業進行信用評級，并用信用評價體系為信用保險保駕護航，推進中小企業融資需求是時代的趨勢。

一、傳統信用評價體系對中小企業信用保險的重要性及局限性

中小企業融資難是一直存在的老問題，各家銀行也推出了一系列專門針對中小企業的融資產品。然而，中小企業無抵押資產、現金流不穩定等因素影響了銀行對其的授信。為更好地對企業進行風險評級、信用評價，采用什么樣的方式增加中小企業的風險評級，成為銀行、保險公司扶持中小企業發展過程中的重要命題。

案例：美的空調的一級經銷商“北京明輝”是一家注冊資本金在2000萬元左右的中小企業。該公司為了擴大業務量向銀行提出融資需求，銀行在對其進行企業整體評價后，認為其資產有限，但是企業發展前景良好。這時“國內短期貿易信用險”適時誕生。保險公司對北京明輝及其上下游企業進行了全面的信用分析，最終決定對其下游買家1億多元的應收賬款進行有選擇的擔保批復近8000萬元。北京明輝將保險公司信用險保單中的8000萬元擔保批復用于向銀行借款，銀行針對其應收賬款和保險公司的批復額度，以基準利率對其進行授信，解決了其短期融資問題。

上述案例可以證明，信用保險在中小企業融資過程中的重要性。企業通過投保信用保險以降低其風險評級，這成為企業向銀行融資過程中強有力的擔保方式，也成為銀行判斷企業還款能力的最主要的渠道。

信用保險的保險標的是個人或者企業的信用，而無論企業還是個人，它的信用水平都不易調查。保險公司只能通過過去的信用記錄來判斷其信用風險的大小，但這種方法誤差比較大。

由此可見，構建企業的交易數據、行業信息和實際業務數據平臺，對信用保險的發展具有現實意義。

傳統的信用評價方法在信用評價體系發展初期起到了一定的作用，但在實際的企業經營過程中有很多特殊因素并不能根據傳統的幾個要素判斷，因此，傳統的評價體系已經無法全面客觀地反映客戶的真實情況。同時，企業會根據圈定的要素指標進行數據的美化和修飾，存在逆向選擇，導致在信用險和融資過程中的企業信用評級產生很大誤差和風險。

二、大數據分析對中小企業信用評價的影響及作用

大數據信用分析體系采集千倍于傳統體系的數據量，以電子化監管取代人工監管，大大提高了效率和準確性。

(一)大數據分析可提高信用評價的時效性

通過對海量數據的探索性分析比較發現，企業交易行為有無拖欠、交易欺騙，或在企業生產、銷售、管理和日常運營過程中有無信用問題或變異行為，甚至企業的日常垃圾處理等微小環節，都可以作為企業信用的判斷依據，而企業法人或經營者的行為和方法也是大數據探索性分析的一種方式。

德國在線Kreditech是一家提供在線短期小額貸款的初創企業。Kreditech 的短期小額貸款業務不需要客戶提供信用證明，而是通過大數據分析各種公開來源的信息，來判斷借貸者欺詐、欠賬與及時還款的可能性，整個判斷過程只需數秒鐘。在審核過程中，Kreditech 要求能訪問用戶的 eBay 主頁、 Facebook 主頁等，通過了解其電子商務購物行為、手機的使用情況以及位置數據等來分析客戶信用度。Kreditech 希望用戶提供盡可能多的信息，信息越多，預測越精確，客戶的信用額度越高。審核通過后，理想情況下客戶 15 分鐘內就能收到借款。Kreditech 提供的貸款額度最高為 500 歐元，目前客戶的平均貸款額為109 歐元。

這種大數據信用評級方法完全顛覆了傳統的信用評級體系，提高了信用評級的時效性、科學性。

(二)大數據分析可提高風險管控效率，加快業務創新

銀行利率市場化改革已經起步，利率市場化必然會對銀行業提出精細化管理的新要求。運用大數據支持服務創新，通過對客戶消費行為模式進行分析，提高客戶轉化率，開發出不同的產品以滿足不同客戶的需求，實現差異化競爭，也降低了人為審核的道德風險。

目前，大數據信用分析在我國商業銀行中也有運用。民生銀行、招商銀行、建設銀行等的信貸管理系統都已經升級換代并有信息服務商在背后支持，浦發銀行的“信貸工廠”、中國平安的“貸貸通”等產品和系統都是依靠信息技術的金融大數據進行分析和運用的。

(三)大數據分析可推進金融領域發展

目前大數據應用已經在銀行業逐步推開，形成一些較為典型的業務類型，如小額信貸、精準營銷等。

在小額信貸方面，阿里巴巴和建設銀行在2007年合作推出一個專注于小企業的貸款計劃—— e貸通。阿里巴巴擁有大量用戶信息，并匯集了他們的詳細信用記錄，利用淘寶等交易平臺掌握交易數據，通過大數據技術自動分析判定是否給予貸款；而建設銀行坐擁巨額資金，希望貸款給毫無信用污點的企業。2011年，雙方合作到期后沒有續約，而選擇了各自發展。到2012年年底，“阿里小貸”累計服務小微企業已經超過20萬家, 發放貸款300多億元，壞賬率僅為0.3%左右，低于同期商業銀行的壞賬率水平。

在精準營銷方面，各大金融機構紛紛開始行動。招行通過數據分析識別出招行信用卡高價值客戶經常出現在星巴克、麥當勞等場所后，通過“多倍積分累計”“積分店面兌換”等活動吸引優質客戶；通過對客戶交易記錄進行分析，有效識別出潛在的小微企業客戶，并利用遠程銀行和云轉介平臺實施交叉銷售，取得了良好成效。

金融大數據分析和運用，打破了傳統的信用評價思維，由此改變單純的抵質押、擔保等信貸模式，開拓更為新穎的信貸產品。如浦發銀行專為中小企業開發的“信貸工廠”對數據批量上傳和管理、貸款審核等進行系統化操作，提高了效率，改變了單一、傳統的信貸模式。

三、金融大數據平臺下信用評價體系的構建

(一)金融大數據平臺下信用評價體系構成要素

1．大量的數據源

大數據平臺下豐富而巨大的數據量是信用評價體系中的基礎要素，數據的來源和種類多種多樣，判斷的角度也是不一樣的，大部分數據來自于互聯網，并且從互聯網上收集、篩選數據，提取的過程是簡單的。

2． 固定的平臺載體

大數據平臺下，諸如阿里、騰訊、百度等網絡點擊量巨大的用戶平臺載體也是信用評級體系中重要的要素之一。大數據講究的是流量數據，從某一個平臺載體上獲取的數據是真實而有效的，但大數據平臺的特點是，評價分析的主體和在大數據平臺上獲取的數據可能并不具有直接關聯性，因為大數據的平臺載體是多樣而不確定的。

3．合理的評價方法

按照不同的標志，信用評級方法有不同的分類，如定性分析法與定量分析法、主觀評級法與客觀評級法、模糊數學評級法與財務比率分析法、要素分析法與綜合分析法、預測分析法與違約率模型法等。這些方法相互交叉，各有特點，并不斷演變。

4．科學的評價模型

評價模型的構建需要看用戶的精準化需求，比如中小企業授信需求，在評價模型中關于融資需求的財務指標一定是模型中比較重要的架構。

(二)大數據平臺下中小企業信用評價架構及指標體系

在金融大數據平臺下，銀行能夠對企業綜合情況進行全維度的考量。電子化信息記錄可以判斷企業流動性、支付能力、資產負債情況、交易對手情況、業務穩定性等，有效提高對客戶的精準把控，降低風險。信用保險也將在大金融信用評級體制下完全改變保險的承保機構對客戶的信用評級手段和方法。

1.評價方法——核心數據分析法

數據分析評級法將是新型分析方法中核心的分析方法。利用海量數據設定模型，采用核心數據和偏好數據綜合分析客戶財務狀況、業務狀況以及上下游關聯企業的信用水平，以幫助決定商業銀行和保險機構對客戶的信用評價，以此判定承保金額和授信金額。

阿里巴巴是利用金融大數據開展小貸業務的領先者之一。首先，它面對的客戶的準入條件為注冊時間滿6個月的“誠信通”會員或者中國供應商會員；申請人為年齡18至65周歲的中國公民(不含港澳臺)，且為企業法定代表(個體版“誠信通”為實際經營人)；擁有經過實名認證的個人支付寶賬戶。

“誠信通”是阿里巴巴管理企業會員和個體會員的基礎信息數據評級系統，它為每個在阿里巴巴上開設網店的用戶發放一塊身份牌照。這些賣家的交易數據等核心信息都是在互聯網線上完成，所以有了這個身份牌照，阿里巴巴可以收集會員客戶的所有在阿里巴巴網站上的往來數據，再加上其實名認證的支付寶賬戶信息，更可以收集到企業及個人的信用信息。阿里巴巴無疑運用的就是數據分析方法來作出客戶信用評級。

2.評價過程

首先在數據模型框架下對基礎數據進行篩選，以此確定客戶基本經營情況、業務發展規模、資金情況、還款能力等，通過數據分析得出客戶風險信用等級，判斷是否授信和承保、授信額度、期限、擔保情況等。

(1)信用評價方法

以阿里巴巴為例，在阿里金融的微貸中，風險控制是核心環節之一。在管理會員客戶的過程中，它對“誠信通”會員作如下定位：

會員區分為企業經營和個體經營；根據在線銷售額區分供應等級(以個性化鉆石來標注)；經營模式分廠家和代理(可設舉報機制)；所在地區標注；買家保障的先行賠付機制；企業營業執照實名驗證；客戶滿意度顯示等其他信息。

(2)信用評價過程

在阿里巴巴的信用評級過程中主要是運用數據采集、分析，通過客體指標篩選定位。首先，將企業按基本要素分類；其次，根據企業融資需求定位，決定是否符合申請需求，判斷企業內部信用等級，并輸入數據模型；最后，輸出評級指標，給定信用額度。

3.評價指標

大數據金融平臺下企業信用評價指標有客戶基礎信息、資產、現金流、交易頻率和金額、金融產品投資偏好等計量信息。

阿里的信用評級指標包括銷售額、成交筆數、銷售重復率、發貨速度、退款率、投訴率、交易滿意度評價指標和交易對手數據。阿里巴巴網站對每個賣家的評級指標每天進行數據更新并進行后臺實時記錄，當客戶提出融資需求時，系統會自動進行評級指標的篩選，評價出該商戶在阿里巴巴平臺上的信用評級，并匹配相應的授信額度、期限、貸款利率。“阿里小貸”日趨成熟的經驗數據表明，在大數據環境下的企業信用評級體系完全可以更客觀、更快速、更實時、更準確。

四、大數據平臺下信用評價機制在信用保險中的運用

(一)大數據平臺下信用保險信用評價的數據來源

大數據分析技術在信用保險評級機制中的運用也有別于傳統的評價指標，保險人在核保過程中更多地是利用金融大數據分析技術，通過核心數據分析法，從以下幾方面來作出對被保險人的信用評價。

1.來自工商稅務等政府行政管理部門數據

如今政府部門都采取政務公開，通過工商、稅務等網站可以查詢企業的征信記錄、有無受過處罰、是否在政府支持的企業范圍內、在經營時間內企業交易往來的真實情況、基礎的備案登記信息等。這些信息有助于被保險人在投保信用險的過程中成為其保險人決定是否承保、費率高低、信用規模大小的依據。

2.來自保險人自身系統的歷史數據

保險公司本身就擁有強大的數據庫，國內外的保險公司歷史承保過的企業數不勝數。以中國人保為例，作為成立于1949年的保險公司，國內的企業幾乎都購買過該公司的保單。對保險人來講，歷史承保數據就是一塊很大的資源，通過企業財產險保額的變化可以看出企業的成長性，為企業信用保險的購買提供了基礎信用數據來源。這也是大數據分析方法的魅力所在。

3.來自企業互聯網的留存數據

互聯網數據是目前保險人在對企業信用評級過程中最為核心的和具有探索性的數據來源。目前信用保險行業最為知名的資信評級機構之一“新華信”，也在探索運用大數據分析對信用保險的投保機構進行全新的資信評級。其資信評級過程中減少了財務數據所占的比重，也減少了企業提供的信息。資信評級機構通過互聯網技術從網絡上獲取大量和企業相關的行為數據，全面分析企業在經營過程中可能的信用風險點，判斷企業真實的信用情況，并得出結果，最終決定信用保險的額度、費率等投保要素。

(二) 大數據平臺下信用保險信用評價的基本方法

在企業向保險人提出投保信用保險的需求時，保險人利用強大的信息資源評價投保人及其業務交易過程中的日常業務量和信用等級，以此作為決定是否承保的重要依據。

常規的財務報表等基礎信息很難反映企業的信用評級的真實情況，所以保險人在針對中小企業信用評級過程中也更多地運用大數據分析方法來對中小企業進行風險評級。

大數據信用保險評價方法如下：

1.基礎信息申報(申報內容如表所示)

2.輸入信用保險信用評級系統

3.通過互聯網或政府工作平臺搜集一切與企業有關的信息

4.核心數據提取并得出相應指標

5.對核心數據進行探索性分析

6.得出信用評級結論

(三)大數據平臺下信用保險信用評價的技術架構

在信用保險的核保過程中，對成長性比較好、業務規模和發展空間巨大的中小企業，通過新型的手段和方法來實現中小企業的信用評級。在實際操作中，通過技術手段的革新，可以構建多層次應用平臺、數據平臺和管理平臺的技術架構，來完成對企業的信用評級(如圖所示)。

(四)大數據平臺下信用評價機制運用于信用保險

如今電商隊伍隨著網絡的發展興起。企業海量的營業電子數據以及客戶散單、訂單量通過大數據分析，可以看出企業的成長性和穩定性。

表 信用評價基礎信息申報的8項內容

圖 信用保險大數據平臺技術架構

為匹配線上金融產品， 信用保險的投保過程須在銀行放貸前或同時完成顯得非常重要，而大數據下的信用評級機制也恰恰能匹配信用保險審核過程中對企業的信用評級，所以大數據下信用評級機制運用于信用保險是適時而應景的。

信息技術的發展已經在不斷改變人類的生活，大數據在金融行業的發展必將迎來新的機遇，中小企業融資難也必將在金融大數據洪流中得到更為客觀的解決。

五、總結

2014年是互聯網金融發展的春天，以電商為主的小貸公司、P2P線上金融模式、第三方支付等都對傳統金融行業產生著沖擊。

伴隨著金融大數據的發展，構建中小企業的信用評級體系的過程將更為客觀、科學，并不斷地趨向合理。在金融混業經營的大環境下，利于中小企業融資的信用保險也在基于大數據平臺下的信用體系中受益。

本文針對大數據平臺下中小企業信用評價體系的構建提出，使用大數據環境下的核心數據探索性分析方法對中小企業信用評級體系進行研究和構建。對中小企業融資性需求進行了調研，對信用保險在中小企業融資過程中的作用和發展現狀進行了調查，對在大數據平臺下信用評級體系的作用和具體方法作了呈現，對大數據平臺下的信用評價體系如何影響和作用于信用保險作了深入研究。對上述問題的闡述和研究，為解決中小企業融資信用評價問題提供了較好的方法和手段。

但是本文對大數據時代的信用體系的研究也僅僅局限在中小企業中，未來如何更好地利用大數據資源服務于銀行、基金、信托、保險的發展是更有價值的研究和創新。