發展數字小微信貸的痛點與突破路徑

柳博

長期以來，小微貸款業務面臨著風險不可控、運營成本高、難以規模化的難題。2019年初，中國人民銀行行長易綱表示，普惠金融口徑單戶授信在一千萬元以下的小微企業貸款不良率高達6.2%。可以說，過去的十幾年中，采用傳統抵押或信貸技術開展小微貸款的銀行，尚無一家可以同時達成風險、成本、規模這三個目標的最優化，筆者稱之為“小微信貸不可能三角”。

隨著對金融科技認知的加深，銀行業已經充分認識到數字信貸技術是破解“小微信貸不可能三角”、解決小微融資難的有效手段。在行業競爭、數字化轉型與小微貸款任務的多重壓力下，構建數字小微信貸技術能力成為中小銀行必須著力解決的問題。然而，數字技術在消費信貸領域早已得到應用并導致了消費金融的爆發式增長，為什么小微信貸的數字化卻始終難成規模，銀行打造自身的數字信貸能力存在哪些技術與理念上的障礙，突破路徑又在哪里？

銀行建立數字化小微信貸能力存在較高的技術門檻

相較于數字營銷、智能運營等業務模塊，數字風控既是數字化信貸技術的核心，也是難點，是金融機構最迫切需要建立的能力。而在小微信貸領域，數字風控之所以不似消費信貸領域應用迅猛而廣泛，其技術門檻較高是主要原因。對于傳統金融機構特別是中小型銀行來說，自行開發以“數字風控”為核心的新一代小微貸款技術難度較大、成本較高。

需要大量有效數據的積累。數字信貸技術是建立在大量有效數據基礎上的。有效數據是指經過清洗、經過驗真的數據。以最簡單的“學歷”為例，如果沒有經過核實，僅憑客戶填寫，則很難作為變量進入模型。模型是有針對性的，即使銀行在過去幾年發放過幾百億元小微貸款，但如果產品的金額、利率、期限、是否抵押等條款繁多，則對于某個產品很難形成足夠的數據積累。

即使針對某一客群的某個產品有足夠的建模樣本，但經濟形勢的劇烈變化會導致歷史久遠的數據缺乏預測的有效性，外部競爭變化會導致目標客群與歷史客群發生偏移。對于前期在小微信貸業務上沒有足夠積累的傳統金融機構而言，有效數據是一大挑戰。

需要有足夠多的壞賬樣本。評分模型要精準區分好客戶壞客戶，要求建立評分模型的數據有足夠多的壞樣本，這就意味著較大的試錯成本，而小微貸款的試錯成本相對更高。假如筆均一萬元的消費貸款需要幾億元放款量的表現來構建一個基本的風控模型，筆均幾十萬元的小微貸款則需要超過百億元放款量來試錯，對于小型銀行而言這樣的風險是難以承受的。

需要有專業化的數字風控團隊。人們通常會認為銀行組建數字風控團隊不是難題，實則不然。真正有專業能力、經過實戰考驗且成功的數據風控專家其實不多，具有一定視野、能帶團隊的則更少，在幾個主要一線城市之外則更難招攬。數字風控的信貸理念與傳統風控有很大不同，能否融入當前的銀行風控體系，得到信賴和發展，是很多銀行面臨的問題。一個完整的數據風控團隊至少需要十幾人甚至幾十人，需要銀行有很大的決心進行人力投入。

需要有規模效應。要充分發揮數字小微信貸技術優勢就要有業務上的規模效應。對于大中型銀行而言，雖然后期可以實現規模效應，但需要前期兩三年的數據積累和足夠多的試錯樣本，時間與經濟成本都很高。對于小型商業銀行而言，除面臨與大中型銀行同樣的問題外，還需要更堅定的信念和規劃來跨越規模經濟的門檻。

銀行對數字小微信貸技術的認知存在誤區

數字信貸技術是一個從產品到營銷、從風控到思維的完整體系，而非僅利用大數據建立模型。在實踐中可以發現不少銀行對數字信貸技術存在一些片面的認知。

誤區1：數字信貸技術的關鍵是大數據。數字信貸技術的內涵遠不止大數據或大數據風控，而是一套協同的數字化運作體系，需要有可匹配的數字化產品、數字化營銷、自動化運營以及全生命周期的信貸管理。數字化信貸體系既是大數據、人工智能、云計算等一系列前沿科技的綜合運用，也需要對信貸邏輯和客戶有深入的理解。

近年來稅收、發票、訂單、物流、司法等數據的開發應用是主流小微風控的數據源，具有一定的有效性，但仍然存在數據造假、滯后、與主體關聯性弱等問題，即使是像納稅這樣的強相關數據，單獨使用仍然效果不佳。這些數據在國外稱為“替代性數據”，即在征信數據不足的情況下，用來替代和補充征信數據。從另一個角度來說，央行的征信數據在有效性上仍然遠遠高于這些所謂的大數據。

大數據的作用在于替代和補充，由于數據過于蕪雜，質量參差不齊，對大數據的選擇和應用成為關鍵。如在下沉客群中，多頭借貸數據是有效補充，因為央行征信對這個客群的借貸行為覆蓋不足，但它對于優質客群的作用不大。此外，這些數據的來源及質量和央行征信相比更加缺乏規范且較為雜亂，數據可能來自于各個數據使用方的借貸信息共享和調用記錄，也可能來自于客戶的借貸和催收短信，甚至是通過部分“黑產”獲取，數據質量良莠不齊。因此，好的應用需要關注底層數據形成的原理，數據的合規性、客觀性和關聯性，以及數據整體的質量和穩定性，并通過各種客群和情景下的歷史回溯測評其有效性和適用性。

誤區2：拿到評分卡就掌握了數字風控技術的核心。數字風控是一整套決策工程學，評分卡只是其中的一個重要工具，而策略則是如何使用這個工具。好的評分卡如同一把寶刀，策略就是刀法，沒有高手會僅靠寶刀來稱雄江湖。在數字信貸中，策略是數據驅動的量化策略，這與傳統信貸技術中的信貸策略相比，或許可以用機床和數控機床的精度差異來形容。策略應用和模型開發相比，更為靈活、更無定式，體現了風控人員通過數據去理解業務的方式，背后是“人”的能力高低。

數字化小微信貸技術的重要特征之一，就是以量化策略為風控聚焦點，運用“政策規則+評分模型+量化策略”的組合方案來進行風險管理。針對不同風險目標設計應用方案，通過各種分類決策樹算法和最優化算法達成目標、約束條件和變量的相對最優，從而最大化利用工具，體現的是風控人員在決策科學算法和業務應用的不斷結合和提升。

誤區3：通過咨詢項目可以掌握數字風控能力。很多銀行選擇以項目咨詢的形式獲取金融科技公司提供的各種已經在其他金融機構或者業務上證明“成功”的模型甚至全套“風控體系”，并據此認為掌握了技術和風控能力。咨詢項目最大的問題是不會為最終的業務結果負責，而信貸風險永遠是滯后的，因此絕大部分的咨詢項目都是面子工程。不過反過來想，一個能為結果負責的項目也確實不是咨詢的收費價碼。

數字風控要精準有效，需要依據客群特征、數據變量、錨定的風險指標去定制化開發評分卡模型。建模是一個復雜的機器學習過程，需要歷史數據中同時具備X、Y變量。目前大部分銀行或是沒有足夠的某類客群或產品的X、Y變量數據，或是歷史數據治理不能滿足模型開發的要求。在其他業務中成立的風險邏輯，換個地方未必適用，這種情況下形成的評分卡模型只能做為業務冷啟動的第一步。再者，數字信貸是涵蓋營銷、風控、產品、運營的一個數字化業務體系，引入一套風控系統并不能解決整套業務體系的適配問題，反而會出現看似有了風控技術卻沒有業務的狀況。

即使建立起整個數字信貸運作體系，評分卡模型也有其生命周期，需要持續不斷地定期監控和驗證，建立完整的指標體系和評判標準去處理模型監控過程中的各種復雜問題。如模型中某一變量的失效、應用客群的大幅度行為特征偏移、底層數據變動導致的變量分布變化、周期性的波動等，都有不同的解決方案。風險管理的效果需要較長時間的調優與驗證，一次性的咨詢合作往往只對當期結果負責，顯然無法長期跟蹤風控效果進行持續優化從而保證長期效果，而銀行要掌握技術恰恰要學習這些優化邏輯。

誤區4：數字信貸技術尚沒有經過經濟周期考驗。首先，要理解信貸風險包含微觀、中觀和宏觀風險。微觀風險指的是單筆貸款的逾期風險，中觀風險包括行業風險和區域風險，而宏觀風險則是指經濟衰退、金融危機帶來的風險。數字信貸的模型策略只能對微觀風險負責，它解決的是風險排序問題，并不能對中觀風險、宏觀風險進行管理。

宏觀風險的典型特點是無差別打擊，此時即使模型仍然有效，風險也會隨著整體資產質量的下降而升高。如新冠疫情爆發以來，各類金融機構不論模型效果有多好，存量資產都或多或少受到了影響。僅從風控效果講，此時收緊整體信貸政策才是管理風險最明智的選擇。

數字信貸技術雖然不能控制宏觀風險，但它可以提早感知，有助于及早識別系統性風險并籌劃對策，這才是數字信貸技術應對經濟周期的應有之義。

數字信貸技術能力的突破路徑——聯合運營

普惠金融是中小銀行尋求突破的業務領域，而數字化轉型是其必然選擇。但限于基礎能力不足、資源相對薄弱，中小銀行建立數字信貸能力需要在對技術有深入理解的基礎上，從頭布局、堅定投入、開放合作。

戰略要清晰。先厘清自身定位和資源稟賦，如服務什么樣的客群、自身的積累如何、差異化優勢在哪里、可以投入的資源等，再結合對技術的理解去規劃發展路徑。如要建立完整的數字小微信貸自主能力，至少需要有單一產品過百億的業務，否則固定成本就會成為盈利負擔。

在必需的資源上進行投入。這里至少包括兩項基礎建設——人才引進和數據平臺建設。銀行需要逐步建立數字風控團隊，才能夠在與金融科技公司的合作中做到了解客戶，將外部技術轉化為自己的能力。風控人才需要銀行主動招攬，特別是深入了解其過往戰績。數據平臺實現內生數據、外部數據的整合與治理，是大數據技術應用的起點，可以借助外部力量完成搭建。

開放合作。在具備人才及數據平臺的基礎上，通過引進有技術實力的金融科技公司的力量，完全有機會建立起數字信貸能力，包括難度較高的數字化小微信貸技術。選擇的核心在于供應商是否有實戰經驗及可驗證的表現，包括風險質量和業務量這兩個必須同時兼顧的指標。

聯合運營是中小銀行建立數字信貸能力的最優選擇。聯合運營是應銀行能力建設的需求而產生的。不同于咨詢項目往往提供模塊化能力建設及僅對當期結果負責，聯合運營的優勢在于銀行與金融科技公司可以開展長期的聯合實戰，根據銀行現狀完善從獲客、風控、產品到運營的各維度數字信貸能力，銀行在做業務的同時建立能力，技術提供方對長期業務結果負責，因此技術的有效性更有保證。如近年來大數金融把技術開放給銀行，通過共建產品、聯合風控、聯合運營共同服務更多的客戶，并將數字小微貸款技術逐步轉移給銀行，銀行在業務規模上量的同時，建立起全流程小微和個人無擔保貸款業務單元。大數金融通過參與長期產品運營的陪伴式服務，支持風控模型、系統、產品的持續迭代，確保合作銀行掌握包括風險和產品能力、全流程運營能力在內的完整的信貸業務自主能力。

相較于傳統助貸，聯合運營中銀行雖然承擔了業務風險，但風險表現更穩定，收益更可觀，且銀行的數字信貸能力切實得到了提升，早期開展聯合運營的銀行已具備了獨立的產品設計、開展小微信貸業務的能力，且開始向其他銀行進行技術輸出。

面對數字小微信貸技術較高的技術門檻和試錯風險，中小型銀行可以考慮充分運用牌照這一稀缺資源，構建以銀行為中心的合作平臺，引入外力，快速建立信貸技術能力。隨著信貸產業專業化分工時代的到來，越來越多的銀行在與金融科技公司開展聯合運營，引進數字信貸技術，從而完成從觀察、認可、學習到能力建設的過程，為日趨激烈的行業競爭積攢內生力量。

（作者系大數金融董事長兼CEO）