“信貸工廠”模式下零售信貸業務審計的發展趨勢
——以小微企業貸款為例

●朱世杰 米春梅

“信貸工廠”模式下零售信貸業務審計的發展趨勢
——以小微企業貸款為例

●朱世杰 米春梅

本文首先介紹了“信貸工廠”模式的運作方式及其發展現狀，然后分析采用“信貸工廠”模式下小微企業貸款業務存在的風險，并以“信貸工廠”模式的有效運轉依賴于大數據采集、運用為切入點，探索“信貸工廠”模式下小微企業貸款審計的發展趨勢，最后提出了相關建議。

信貸工廠 小微企業 審計 大數據

一、引言

2007年中國建設銀行率先引進“信貸工廠”模式處理小微企業貸款業務，2014年國務院頒發《國務院辦公廳關于金融服務“三農”發展的若干意見》（以下簡稱《意見》），《意見》明確要求銀行業金融機構“創新和推廣專營機構、信貸工廠等模式”服務小微企業。倚于這一模式的規模成本和規模收益，銀行業小微企業貸款存量業務激增，但國內少有文獻對這一模式下的審計方法進行研究，本文的目的正在于分析“信貸工廠”模式下的小微企業貸款風險，探索其審計發展趨勢，提高銀行業金融機構對“信貸工廠”這一模式小微企業貸款的風險管控能力。

二、“信貸工廠”模式介紹

“信貸工廠”指商業銀行采取工廠標準化制造產品的模式對信貸業務進行批量處理。具體而言，就是現代商業銀行對中小微企業貸款的設計、申報、審批、發放、風控等業務比照生產“流水線”作業方式批量處理，“信貸工廠”模式具有更加專業全面、更加便捷高效、流程更加精細、審批更加自主等特點(見圖1)。

圖1 “信貸工廠”模式

國內大型商業銀行中，建設銀行總行2007年10月引進信貸工廠模式，江蘇省分行鎮江支行作為首個試點行，最先創建了“小企業業務鎮江模式”品牌，并于2008年6月開始試運行，試點效果顯著，建設銀行隨機在全國其他分支機構推廣。中型股份制商業銀行中，中國民生銀行最先引進這一模式；城市商業銀行中，杭州銀行最先引進這一模式。

三、“信貸工廠”模式下銀行小微企業貸款面臨的主要風險

“信貸工廠”模式下的小微企業風險不僅存在傳統信貸管理方式下的小微企業固有風險，同時還存在著由于“信貸工廠”自身處理方式、流程帶來的特有風險。

（一）“信貸工廠”模式下的固有風險

“信貸工廠”模式具有分工明確、工作流程化、審批速度快及規模效應更明顯、財務成本更節約等特點，與此相對應，“信貸工廠”模式存在如下風險：

1、員工風險意識不足，潛在地將操作“流程化”等同于風險管理“模式化”，存在操作風險。部分基層員工將操作流程化標準“延伸”至客戶營銷和風險控制領域。例如，同一行業，不同客戶的調查報告、營銷方案、貸后檢查材料高度一致，即便不同行業的客戶也僅是對調查報告、營銷方案的部分內容進行“微調”，未能充分估計不同行業、不同客戶的風險表現形式。

2、存量小企業貸款爆發式增長，風險控制難度加大。“信貸工廠”模式下，單筆貸款業務從受理到最終發放貸款的時間大大縮減。以建設銀行為例，據悉，即便高達700萬元的小企業貸款，審批時間也只需兩天。銀行存量小企業貸款爆發式增長，傳統風險管理手段無論從后臺人員設置、管理精細化程度都存在一定滯后和不足，難以對存量貸款進行有效跟蹤、監測，未能及時關注到資產質量變化，并采取有效措施。據銀監會披露，截止2016年一季度末，小微企業貸款余額24.3萬億人民幣，年增13.56%，較各項貸款平均增速高0.15%,小微企業貸款不良率2.7%，較各項貸款平均不良率高0.95%。

3、審查審批難度加大。在崗位設置方面，信貸工廠崗位設置的精細化，要求每位審批人員不僅應具備金融、會計及法律知識，同時應對其所審查審批的某一特定行業領域的產品設計、營銷策劃等方面具有豐富的市場經驗。在此基礎上方可加快審批流程，縮短審批時間，但現有銀行審查審批人員，普遍存在從業經歷單一、實體行業經驗匱乏的情況。

（二）小微企業貸款存在的風險

“信貸工廠”模式下的企業多為小微企業，決定了該模式下，銀行主要面臨如下風險：

1、銀行、企業雙方信息不對稱，銀行處于信息獲得的劣勢地位。現代市場經濟下，財務報表作為反映企業經營狀況和現金流信息的重要載體，銀行理應可通過獲取企業財務報表降低自身信息不對稱風險，但由于小微企業財務信息制度不完善，財務報表不規范，可獲得性、真實性、完整性較差，同公司批發貸款相比，銀行不對稱風險陡增。

2、小微企業生產經營更易受宏觀經濟形勢的影響，存在更大的系統風險。小微企業由于生產產品單一、融資手段匱乏等原因，更易受宏觀經濟形勢的影響。例如，近幾年，國內外經濟下行，全球主要經濟體出現經濟停滯不前甚至萎縮，外貿進出口數據表現不佳，以及受原產料價格、大型企業開工率低等影響，小微企業廣受波及，利潤空間大幅萎縮。近來西南財經大學發布的《小微企業稅收政策研究報告》指出，盈利小微企業占比從2013年的78.2%下降至2015年的49%。

3、小微企業主信用意識淡薄，信用風險較高。我國征信體系及制度尚待完善，小微企業貸款潛藏風險難以估計。具體來說，首先，法律環境建設和社會信用環境建設滯后，為數不少的小微企業主存有僥幸心理，缺少法律觀念及誠信意識，惡意逃廢銀行債務現象頻現，即便銀行能夠勝訴，但現行案件執行難的問題未得到有效解決；其次，征信系統功能不盡如人意，小微企業資信狀況變化不能做到及時共享。企業的資信數據存在數據錄入錯誤、數據更新滯后等不利因素，使得銀行單一依靠企業或企業主信用報告判斷企業資信狀況存在誤判風險。

4、銀行與擔保公司等中介機構信息不對稱，風險緩釋手段未有效發揮作用。部分小微型企業申請貸款時，由于缺乏符合條件的抵押或擔保等銀行認可的風險緩釋措施，銀行向此類企業提供貸款時寄希望于擔保公司擔保。但擔保公司客觀上存在準入門檻低、魚龍混雜、監管缺位等先天下缺陷，沒能從根本上降低銀行的貸款風險。另外，受影子銀行影響，不少中介機構存在從事民間借貸活動的現象，但民間借貸信息不能在人民銀行征信系統中反應。

不僅如此，“信貸工廠”模式下的固有風險與小微企業貸款存在的風險兩者并不相互獨立，甚至在一定程度上兩個維度的風險能夠互相傳導。例如：風險管理“模式化”放大了小微企業貸款的不對稱風險。“信貸工廠”模式下的小微企業貸款業務審計方法，應與這一模式下的固有特征結合，方能提高審計效果。

四、“信貸工廠”模式下的數據處理特征

“信貸工廠”模式能否有效運轉，同商業銀行對互聯網技術的運用程度密切相關。從最初準入的信用評級，到調查環節的貸款額度測算，再到貸后具體某筆貸款的五級分類都與互聯網技術的運用密切相關。

圖2 大數據驅動“信貸工廠”流程圖

“信貸工廠”模式下的風險管理具有一定的量化評估特征。例如，貸前調查時，首先由系統自動根據客戶經理錄入的客戶信息，對其進行信用評級，初步確定客戶是否滿足準入條件；再比如，系統可根據客戶經理貸前調查及貸后檢查錄入的客戶財務數據，對貸款五級分類自動調整。據統計，銀行業金融機構大數據IT應有投資規模已僅次于互聯網行業及電信行業，銀行各類業務系統中存儲著龐大的諸如客戶基本信息、交易流水及行業信息等數據。

正如前文所述，“信貸工廠”模式下的小微企業貸款面臨著較大的不對稱風險及操作風險，針對此類“額外”的風險，越來越多的銀行業依靠大數據破解信息不對稱等風險難題。

五、大數據背景下“信貸工廠”模式小微企業貸款審計的發展趨勢

“信貸工廠”模式下的大數據特征不應僅僅是降低不對稱風險、提高審批效率、服務于業務發展的媒介，也應成為創新審計方法、加強現場審計針對性、提高審計效果的有力抓手。

（一）審計項目確定方式的轉變

針對“信貸工廠”模式下小微企業貸款存量業務激增的現實情況，以及其衍生的操作風險、信用風險等其他風險，合理選擇審計項目、精確識別風險事項、有效利用現有審計資源變得迫在眉睫。

大數據背景下的“信貸工廠”模式下的小微企業審計項目可由“專家經驗”確定向“風險評估”轉變。傳統的審計項目主要依據全行業務結構、內外部經濟環境及政策導向和上年度項目完成效果、類型來制定，而“風險評估”的思路導向則更具有前瞻性和預測性，從龐大數據群中找出關聯關系，立項更具有針對性。例如：選擇審計項目時，可以從信貸管理系統中導出某一期間存量客戶的貸款五級分類臺賬，按照客戶所在的行業大類，對客戶進行分類，從中選擇出風險分類結果最低，風險最大的某一行業開展現場審計項目。

（二）審計視角的轉變

“信貸工廠”模式下的小微企業客戶涉及各行各業，風險表現模式更加多元，依托于大數據為媒介，多元化審計視角變得可行。

“信貸工廠”模式下的小微企業審計視角由“單業務風險”識別向“跨業務關聯風險”識別轉變。傳統審計視角往往基于某一個特定的業務單元，例如：非住房消費貸款業務審計、小額貸款業務審計、信用卡業務審計、小微企業貸款業務審計及票據業務審計，諸如此類的審計項目審計范圍僅局限于某一特定的業務單元。但銀行在業務發展過程中，往往對某一客戶交叉營銷多款銀行產品，同一客戶可能在一家銀行展開多種業務類型，傳統以“單業務風險”的審計視角，可能忽略可能存在“跨業務關聯風險”，這時“跨業務關聯風險”審計視角的重要性就凸顯出來了，大數據的多樣（Variety）、價值（Value）特點得以充分發揮。例如，在小微企業貸款不良率居高不下，國家鼓勵消費拉動經濟增長的大背景下，各家銀行對于發展小微企業貸款業務態度消極，爭相蠶食消費貸款市場份額，銀行在開展小微企業貸款審計的同時，應以銀行系統中的龐大數據群為依托，密切關注是否存在小微企業客戶以消費貸款名義借入資金用于實體經營的風險。

（三）審計報告模式的轉變

依托于大數據審計方法，從立項項目確定、審計方案制定、組織實施到審計報告的撰寫，每一個環節都產生了大量可供被審計單位參考的業務數據，這在一定程度上又可促使審計報告的模式作出改變。

大數據審計方法下的“信貸工廠”模式零售信貸業務審計，審計報告不再是“單一審計報告”，而是向綜合審計成果應用延伸。當前，審計人員的審計成果為審計報告，但其格式固定，內容單一，包含的信息量較少。“信貸工廠”模式下的數據化程度更深更廣，除審計報告之外，審計人員可以將審計過程中采集、挖掘、分析和處理的大量的資料和數據，提供給被審計單位用于改進經營管理，促進審計成果的綜合應用，提高綜合審計成果的應用效果。

六、對策及建議

首先，大數據審計方法的運用是一種全新的審計手段，由于外延數據的擴大，審計過程中也將面對更寬泛的業務和參數，這對當前審計人員的技術能力提出了挑戰。審計人員必須經過系統的計算機知識和技能訓練，才能對銀行多樣的系統參數有足夠的了解和掌握，對業務數據環境、系統工具一知半解，就難以駕馭大數據審計形式，制約審計職能的發揮。

其次，固然大數據體量龐大，但其也無法反映具體業務中的全部風險，無法還原“信貸工廠”模式下小微企業貸款業務全部流程，甚至由于道德風險等因素，系統數據本身也難于完全真實、完整、可靠，因此，大數據挖掘技術仍然無法完全取代傳統的審計抽樣和大數定律，仍需要審計人員抽絲剝繭般的判斷和論證能力，因此，不斷提高審計人員業務水平仍然任重道遠。

（作者單位：中國郵政儲蓄銀行新疆區分行審計部）

1.安麗娟、李昕.2010.“信貸工廠”模式的SWOT分析[J].經濟研究導刊，4。

2.彭奇寒.2014.中國銀行湖南省分行“信貸工廠”模式研究[D].長沙：中南大學。

3.吳衛.2010.銀行開展中小企業信貸的路徑選擇：“信貸工廠”[J].財會月刊，14。

4.閻淵.2014.建設銀行“信貸工廠”中小企業融資模式研究[D].南昌：南昌大學。

（本欄目責任編輯：尹情）