丁 瑩
(中國農業銀行云南省分行農戶金融部,云南 昆明 650000)
中國有40858個鄉鎮,69萬個行政村,農村人口達到9億,這是一個巨大的群體。2011年末,全國有近900家銀行, 20多萬個營業機構,分布在農村的營業機構共13萬個。以此推算,農村一個銀行網點輻射6923人,而城市為6428人,但農村地廣山區面積大。

表1 2010年全國各省市的農村金融營業網點機構數量(單位:家)
我國的農業經濟主要是農戶經濟,普通承包農戶是我國農業生產的最大主體。但長期以來,由于資金的逐利性,金融資源流向發達地區和非農產業。對農戶這個巨大的群體的基礎金融和資金支持服務缺失問題,直接影響著農村經濟社會的發展。
對農戶金融的忽視,原因何在?筆者認為主要基于成本和風險考慮,有以下幾種看法:
有人認為農戶沒有財務意識,也不會做報表,農村信息高度不對稱,風險太大。實際上,就算農村經營戶做會計報表,也難以滿足銀行的要求,因為農村地區混業經營、生活和經營財務難以區分,報表難以反映收支情況,何況就算企業,假報表也比比皆是,不能完全信任。筆者認為,農村地區信息不對稱是低于城市的。因為農村地區地緣性、人緣性強,一個村子幾輩人生活在這里,相互熟知,相互了解。所以,中國農村儲備著一個天然的“免費信息庫”,而城市里疏松的人際關系,信息是達不到這樣的透明程度的。
有人認為農村地區普遍缺乏有效擔保,農民所擁有的資產、土地均存在較大的抵押難度,擔保公司、保證保險又進入較少,對于銀行沒有第二還款來源,風險較大。但是,就算是農房、農地抵押政策完全放開,相信基于農村人與人之間的相互熟識程度,抵押的處置會是個很大的難題。貸款的風險防控,還是應該基于借款人的第一還款能力。
還有人認為,農民精于計算,不講誠信,風險太大。實際上,中國農村的熟人社會,決定了農民的違約成本較高,如果不想賴賬后成為別人茶余飯后議論的對象,就要珍惜自己的聲譽。對于城市人口,誠信的約束更多為了征信的累積,聲譽約束較小。
基于以上對風險的看法,農戶不會作為銀行貸款業務的主流定位群體,同時由于個體存款量小,網點維護工作量大,服務成本高,農戶也不會成為銀行存款業務的優選營銷對象,哪怕目前在城市中競爭已相當激烈,但多數銀行仍然將市場定位聚焦在城市人群。
經濟學“連線”雜志主編Chris Anderson提出了長尾理論,用來描述亞馬遜等網站的商業和經濟模式。
長尾理論中,音響店的老板不愿賣冷門的CD,因為收益無法覆蓋店面和人員成本。但亞馬遜的購物網站上,擺放了大量的冷門CD,這部分冷門CD的銷量加起來,卻超過了熱門CD的總銷量。
在傳統市場,貨架是用來擺放商品的,但它的真正身份是商品名錄,只不過它是由商品實物組成的商品名錄,核心功能是消費者檢索產品。實體店鋪的優點是一目了然,缺點是我們的需求得不到滿足或被強制定格。貨架的長度和高成本,決定了收益小的產品被排斥在了市場之外。但是,實物擺放作為一種附屬功能是可以分離出去的。早前的電話購物就實現了分離,而互聯網做到了極致。
Chris Anderson把長尾理論概括成一句話:“我們的文化和經濟重心正在加速轉移,從需求曲線的少數大熱門轉向需求曲線尾部的大量利基產品和市場?!迸c長尾市場相比,大眾市場是一個過于稀疏的過濾網,那些對單個售賣成本相對低的產品才有幸留在這個市場中。很多時候,小眾市場被忽視,是由于大眾市場的天然過濾機制使人們不得不接受這種隱形而強大的限制。而互聯網中,這種天然過濾將消失,因為有了虛擬貨架,供需雙方交易途徑付出的成本接近于0,亞馬遜通過互聯網建立虛擬貨架,擺放10張CD的成本與擺放1000張CD的成本差異不大。
用“長尾”來比喻城市和農村的個人貸款市場分布,最合適不過。城市居民數量多,但單筆額度較大;農村居民總量達到9億,但單筆借款額度小。
在傳統市場里,經營者考慮成本及效益會把自己的產品定位在大額需求部分,拋棄長尾市場。對于金融機構,為了滿足農戶幾萬元甚至幾千元的貸款需求以及零星的存取款需求,首先要建一個服務能力能覆蓋的網點,要配足工作人員,要走幾個小時的路去調查及貸后管理,而利率上浮程度受社會關注不能太高。銀行缺乏積極性是正常的。
比照虛擬貨架模式,金融機構面對農村里的長尾客戶,是否也可以找出邊際成本趨于0的服務模式,挖掘長尾價值?
其實,市場已經開始嘗試。比如銀行對農戶推出專屬的銀行卡,為進行虛擬平臺交易的身份識別、現金存儲打下了基礎;比如人民銀行組織各金融機構開設惠農支付點,將基礎金融服務設放在農資店、醫療服務點、小超市等,實現了低成本的網點建設,全省接近2萬個點幾乎覆蓋了全省所有的行政村。
農村里的居民,通過這個平臺,將不需要頻繁的坐上幾小時的車去縣城存取現金,這是很大的便利。雖然不是完全的虛擬平臺,但通過空間延伸解決了銀行網點設置成本較大問題。
再想遠一點,通過傳統網點、延伸網點和虛擬網點銀行服務,銀行可以建立起大數據分析系統,產生了“大數據×”效應,掌握了具體農戶的購買習慣、生產規律、現金需求等,還原出金融人格,可以較快的做出貸款判斷。貸款變得低成本和風險可控了。
回到現實,農村的互聯網程度、銀行電子渠道的使用程度,遠沒有那么理想。但是環境在不斷好轉:壓床板藏衣柜的錢開始存入銀行,并使用銀行卡;青年返鄉創業、家庭農場、專業大戶等規模經營主帶動網絡銀行的使用頻率在升高;手機、電腦擁有率不斷升高……
隨著金融機構需求挖掘,消費引領,讓我們一起憧憬互聯網+農戶金融的未來場景。