基于大數據征信下的小微企業信貸流程優化研究

【摘要】小微企業在我國經濟的發展中占有重要地位，但是融資方面卻存在一系列困難，制約其發展。在大數據征信時代，研究商業銀行小微企業信貸流程優化，有助于破解小微企業融資問題。本文通過對原有信貸流程貸前調查、信貸審批和貸后管理三個階段所存在問題的分析，結合大數據征信模式下的優勢，提出大數據征信模式下新型的信貸流程，包含精準營銷、申請受理、審批放款和監控預警四階段，最后提出相關政策建議。

【關鍵詞】大數據 征信 小微企業 信貸流程

一、引言

2016年6月，達沃斯論壇上國務院總理李克強預警金融風險，表示要防范系統性和區域性金融風險，大數據征信成為破局關鍵。早在2015年8月，李克強總理在國務院常務會議指出，小微企業是就業的主渠道，經濟發展的主力軍，但是小微企業卻存在著融資難，融資貴的問題，制約著小微企業的發展。表面上是缺少資金，實質上是缺少信息和缺少信用，導致銀行惜貸、甚至不敢放貸。國務院辦公廳通過《促進大數據發展行動計劃綱要》，強調要推動政府信息系統和公共數據互聯共享，消除信息孤島。可見，搭建小微企業綜合信息共享平臺，利用大數據征信為銀行信貸服務的時代已經到來。

二、小微企業傳統信貸決策基本流程及存在問題

商業銀行對小微企業傳統的信貸決策基本流程可分為三個階段，分別為貸前審查、信貸審批和貸后管理。

（一）貸前調查

貸前調查是傳統信貸決策的第一環。企業對銀行的貸款產品信息一般比較了解，而銀行對企業的信息只能通過企業的介紹和自身的評估來了解，兩者之間存在著信息不對稱。因此，需要銀行信貸客戶經理去做貸前調查，做到“現場核查、眼見為實”、“交叉驗證、把握實質”；現場核實企業各項資產的數額和結構，還原真實的資產負債表；通過多種途徑交叉了解企業的資信和經營活動情況；注重企業現金流和第一還款來源，落實第二還款來源等盡職調查。

主要存在的問題點是：小微企業財務報表不真實，貸前調查難以準確掌握企業的真實財務狀況；關聯企業可能隱蔽，難以通過詢問得知；搜集企業的基本信息、經營狀況、征信資料，法人的家庭狀況、征信資料耗時長，資料填寫過程麻煩；可能存在企業和客戶經理串通，聯合欺騙貸款的情況，導致貸前調查結果不夠客觀公正；沒有歷史信用記錄的企業和抵押擔保品不足的企業惜貸、慎貸。

（二）信貸審批

商業銀行為了貸款的安全性，企業信貸一般都有層層的審批。信貸審批人員主要對客戶經理提交的調查報告中的企業貸款資料、貸款額度、貸款期限、貸款利率、貸款用途、還款來源和擔保方式等信息綜合分析審查，給出能否貸款的審批意見。大致流程如下，在客戶經理進行貸前調查之后，需要形成一份小微企業貸款調查報告，然后逐級上報，進行審批。

主要存在的問題點：審批流程繁瑣，所耗時間非常長；信貸審批人員的主觀性因素影響較大，導致許多已經設定的條件在審批時無法具體落實，甚至存在信貸審批人員給予客戶方便的可能性。

（三）貸后管理

貸后管理是在貸款發放后到信貸業務終止之前，客戶經理對貸款企業實時調查、跟蹤和分析的全過程信貸管理。在貸后管理階段，通過高頻率拜訪企業和企業在銀行的流水核驗，來留意用貸情況、企業現金流、財務數據變化等來對授信風險做出反應，以保證貸款企業對資金的合理使用。

主要存在的問題點：貸后管理要求嚴格監控貸款企業資金用途，雖然審批部門對資金用途提出了明確要求，但由于客戶經理對企業資金使用、企業生產狀況無法實時掌控，導致資金使用偏離既定使用用途，從而可能產生不良貸款；客戶經理高頻率的拜訪貸款企業，使得工作效率低，拓展其他貸款企業時間受限；貸款企業可能有針對性的對客戶經理的調查內容進行可以安排或者掩飾，達到蒙騙檢查的效果。

三、大數據征信模式優勢分析

國家政策與市場發展都傾向小微企業貸款，但由于小微企業經營規模小、風險抵抗能力弱，經營體制不健全、信息不對稱問題突出，資金需求呈現“短、頻、急”的形態、銀行的信貸流程體系難以很好滿足，小微企業缺乏有效的抵押物，小微企業諸多特征導致與商業銀行產品、流程的不匹配，沒有全流程風控管理工具很好地控制風險。面對這樣的現實，商業銀行僅僅依靠自身的數據與產品無法應對小微企業貸款，必須拓展外界數據與征信產品，挖掘全流程跟蹤產品，更好地開展小微企業貸款產品、控制風險，而大數據征信下的信貸流程結合了大數據和模型，使得結果真實可靠、處理效率高、監測能力更強。

（一）對企業報表依賴度低

由于小微企業財務報表普遍不真實，客戶經理通過對企業的貸前調查很難了解企業的真實情況。大數據征信模式下，征信公司對企業的信息數據獲取主要通過三種渠道，一是利用爬蟲技術對企業的工商信息、關聯企業信息、專利信息、法院信息、環保信息和社會輿情信息等進行爬取，然后進行數據清洗，整合分析；二是通過合作銀行獲取小微企業的歷史信貸信息和銀行流水信息；三是通過政府部門獲取小微企業的稅務數據、電信數據、社保數據、用電用水數據等，通過全方位、多角度地了解企業真實情況，為企業的信用評估創造有利條件。

（二）評價結果客觀準確

基于多渠道獲取的豐富數據資源，應用大數據處理能力，全方位地評估企業信用風險。通過提供全面、準確的征信報告和信用評分，為銀行控制各種交易或投資風險、避免或減少交易損失，輔助銀行制定合理的風險應對措施。大數據征信模式下，利用多渠道獲取小微企業的信息，一是弱化了企業的財務信息，強化其他的相關信用信息，多角度反應企業的真實情況；二是取代了客戶經理貸前調查的部分內容，讓信息更加真實可靠，剔除人為主觀因素。見，大數據征信模式下，企業信息的獲取更加準確，評價結果更加客觀準確。

（三）處理效率高成本低

大數據征信模式，征信公司將從多渠道收集的多維度數據源結構化，寫入數據庫，當企業需要獲取信用評分或征信報告時，將直接從數據庫調取企業信用數據，放進設定好的模型中，然后直接得到企業的信用評分和征信報告供客戶經理使用。不僅保證了企業信息的真實可靠，還提高了客戶經理和信貸審批人員的工作效率，同時一定程度上為商業銀行降低人員成本。

（四）風險監測預警能力強

傳統的貸后管理中，要求客戶經理高頻率地向貸款企業現場調查，而在大數據征信模式下，可以根據多維度數據源開發貸后預警模型，對小微貸款企業進行貸后監控，及時挖掘經營與潛在違約風險，讓商業銀行提前做好風險防范與緩釋準備工作。例如，通過利用大數據手段來實時監測企業的生產情況，對于制造性企業而言，可以通過實時對企業用水用電數據的波動率進行監控，一旦發現異常，將直接向客戶經理發出預警提示。

四、大數據征信下的小微企業新型信貸流程

大數據征信下的小微企業的新型信貸流程大致可以分為四個階段，分別為精準營銷、申請受理、審批放款和監控預警。

（一）精準營銷

精準營銷是指征信公司利用已有的信貸、工商、稅務、電力數據，根據大數據模型幫助商業銀行進行小微企業關聯分析與優質客戶選擇，可以從區域、行業、擔保方式、期限等因素進行產品創新，實現精準獲客。然后，征信公司將篩選后的企業名單提供給商業銀行，由客戶經理去向篩選后的優質潛力企業進行定向營銷。精準營銷不僅僅以單次發現企業需求為最終目的，應當對貸款企業進行縱向和橫向的持久精準營銷，縱向是指根據貸款企業的發展，適時的提供合適的貸款產品和服務，橫向是指向貸款企業的上下游企業以及關聯企業挖掘潛在客戶，不斷擴大精準營銷的范圍。

（二）申請受理

申請受理包含兩種情況，一是精準營銷的企業提出貸款申請，二是普通企業主動進行貸款申請，無論是哪種情況，商業銀行只需要將企業的申請信息提供給征信公司，由征信公司進行企業分析判斷。首先是進行黑名單排查，驗證申請企業是否在企業黑名單庫中，接著根據欺詐規則進行反欺詐排查，驗證企業是否存在欺詐的可能，然后根據貸款審批規則，給出能否貸款、授信額度、貸款利率和貸款期限等結果以及企業的征信報告。

（三）審批放款

商業銀行根據征信公司提供的對企業的分析結果，進行決策參考，進一步明確貸款額度、貸款利率和貸款期限等信貸要素，然后進行線上審批，并將審批結果告知企業，最后進行合同簽署和發放貸款。

（四）監控預警

商業銀行在貸款發放后，將審批結果提供給征信公司，征信公司根據貸款企業的實際經營情況進行實時的貸后評分和風險預警，并將監測結果實時傳輸給商業銀行，一旦發現企業異常舉動，及時通知客戶經理進行現場調查，防止形成不良貸款，實現商業銀行小微企業貸后管理智能化。

五、政策建議

為了實現大數據征信模式下的商業銀行小微企業新型信貸流程，提高商業銀行信貸效率、降低信貸交易成本和促進地方經濟發展，地方政府和商業銀行應當從以下四個方面著手準備。

（一）盡快建立小微企業綜合信息平臺

由于大數據征信模式下，對數據的收集、管理和整合提出了較高要求，政府應當牽頭盡快建立小微企業綜合信息平臺，主要包含四方面的工作。一是將政府掌握的數據進行整合對接，例如工商數據、稅務數據、用水用電數據、社保數據等；二是明確數據采集標準，因為信用數據不一定都是結構化數據，對與非結構化數據應當制定數據采集標準；三是建立與小微企業信貸管理相關的數據倉庫，具體包括企業的基本信息數據和其他信息數據等，提高數據的清洗、挖掘、分析的效率；四是對企業主和企業管理層的個人信息進行采集和加工，因為對于小微企業而言，企業主和高管的個人信息對企業發展有著至關重要的作用，在后期建立模型時，需要占一定權重。

（二）建立省級征信公司

由地方政府牽頭成立省級征信公司，服務地方信用經濟發展，滿足商業銀行信用信息服務的多樣化需求，多角度、全方位整合信息資源，為商業銀行信貸研發征信產品和提供征信服務，解決商業銀行和小微企業之間的信息不對稱，促進小微企業發展。省級征信公司負責整合小微企業綜合信息平臺數據和商業銀行小微企業信貸數據，建立信用評級模型，出具信用報告等征信產品。為獲取數據的便捷和業務開展的便利，省級征信公司可以由地方政府牽頭，由當地國有企業和相關金融企業以及科技類公司共同發起設立。

（三）培養專業人才隊伍

由于征信行業是基于大數據的基礎之上，需要對大數據進行數據的整合、清洗、分析、解釋，然后用于模型建立和征信產品的研發。因此，需要培養大數據分析人才，同時需要配置專業的大數據分析軟件以及采用國際先進的數據保護措施，防止數據的篡改或者泄露。另一方面，在模型建立上，對建模人員的培養，不僅僅停留在模型方法本身，更要注重銀行信貸實踐，模型的建立需要參考信貸實務的一些經驗。也就是說，產品建模人員需要懂得銀行信貸的基礎知識，熟悉銀行信貸流程，理解信貸的風險點，從而建立相關的模型和研發相關征信產品。

參考文獻

[1]李旭.商業銀行中小企業信貸決策流程優化的案例研究[J].河南大學學報（哲學社會科學版），2016，56（1）：54-61.

[2]范曉忻.大數據征信與小微企業融資[J].中國金融，2014（22）：81-82.

[3]劉新海，曲丹陽.基于征信大數據的替代信用評分[J].征信，2016，34（3）：33-36.

[4]蘇南宏，呂學軍，王建民，等.對江西工行信貸審批流程的調研與思考[J].金融與經濟，2011（12）：30-32.

[5]謝曉雪.從大數據視角反思信貸管理[J].中國金融，2015（5）：58-59.

作者簡介：程兵兵（1991-），男，漢族，安徽無為人，安徽大學經濟學院，研究方向：金融學。