建設企業收支流水大數據征信平臺的探索與實踐
——以江西省為例

■中國人民銀行南昌中心支行課題組

一、引言

中小微企業是國民經濟的重要組成部分，但具有明顯的個體弱質性，尤其是在獲取金融支持方面，中小微企業在與大企業的激烈競爭中處于明顯劣勢。我國中小微企業融資的主要渠道是銀行信貸，因此中小微企業融資難問題更多體現為企業貸款難問題。根據銀保監會數據，截至2019年末，我國小微企業法人數量超過3000萬戶，個體工商戶超8000萬戶，但這些小微企業中在銀行有貸款的僅約2200多萬戶，僅占小微企業和個體工商戶總數的20%左右。銀行業金融機構用于小微企業的貸款余額36.9萬億元，占金融機構人民幣各項貸款余額的24.1%，其中單戶授信總額1000萬元及以下的普惠型小微企業貸款余額11.7萬億元。可以看出，盡管近年來中小微企業的信貸環境改善，但中小微企業的經濟貢獻與其獲得的金融支持仍很不匹配。

近年來，移動互聯網、大數據、區塊鏈、物聯網等新技術的應用飛速發展，對金融服務的方式和路徑產生了深刻的影響，為緩解中小微企業融資難題帶來了新的機遇。如移動互聯網的應用有效降低了金融服務交易成本、加快了信息流通，大數據技術幫助金融機構識別有效信息和挖掘潛在客戶等。移動互聯網和大數據等新技術的應用能力已成為決定金融機構是否具有市場競爭力的關鍵因素。然而，長期以來，金融機構的大數據應用始終受限于數據資源，因為金融機構之間競爭性決定了其數據割裂性，這一狀況導致各金融機構掌握的數據或“企業畫像”僅涉及企業的某一方面，無法覆蓋企業的全貌，導致了大數據應用的潛力無法得到充分發揮，極大影響了金融機構支持中小微企業的整體績效。為此，本文通過探索建設企業收支流水大數據征信平臺，通過發揮央行“銀行的銀行”職能優勢，探索整合各銀行機構的企業客戶收支流水數據，再利用大數據分析技術，全面分析企業生產經營狀況，進一步對企業實行針對性金融服務，從而促進形成普惠性的可持續中小微企業融資機制。

二、建設企業收支流水大數據征信平臺的可行性與必要性分析

（一）企業收支流水大數據征信平臺的概念與特點

建設企業收支流水大數據庫的假設在于，基于企業所有生產經營活動都要通過資金運轉來實現，而企業所有資金流轉活動最終要通過金融體系來實現，通過企業收支流水數據全面分析即可實現對企業信息的相對較完備掌握，并據此能夠準確把握企業的生產經營狀況。因此，企業收支流水大數據征信平臺是一個信息歸集平臺，其主要特點包括三個方面：一是數據來源于商業銀行。商業銀行天然擁有大量的客戶數據和交易數據，且客戶群體足夠龐大，但是由于各銀行之間的數據處于割裂狀態，使得各銀行對其客戶的信息掌握不夠完備。二是數據具有系統完備性和更好的大數據應用基礎。企業收支流水大數據征信平臺以商業銀行海量數據為基礎，可以匯總同一企業在各家不同金融機構的資金流水信息，進而可以全面、真實和準確地反映中小微企業生產經營狀況乃至信用狀況，為破解銀企信息不對稱提供了另一個維度。三是具有很好的應用拓展基礎。企業收支流水大數據征信平臺在運營后，不僅能為銀行提供信用信息服務，而且作為被人民銀行主管的平臺，還能在信貸政策制定、風險防控、普惠金融、非法集資監控等方面，發揮很好的支撐作用。

（二）建設企業收支流水大數據征信平臺的必要性

1.解決融資難

企業收支流水大數據征信平臺建成后，將具有強大的信息支撐服務功能，特別是對于緩解中小微企業融資難題，將具有重要意義。一是破解信息不對稱。通過企業收支流水大數據征信平臺，利用大數據分析企業信用狀況，有利于破解銀行和中小微企業信息不對稱難題。二是破解抵押擔保物不足。在企業收支流水大數據征信平臺基礎上，可推進應收賬款質押擔保融資模式，有利于破解中小微企業抵押擔保物不足難題。三是破解銀行經營管理成本過高。運用現代科技手段，建立線上線下有機結合融資機制，實現貸款批量化、規?；?、規范化、高效化，能夠大幅降低中小微企業貸款經營成本，破解銀行經營管理成本過高難題。

2.銀行有需求

當前商業銀行的數字信貸僅主要局限于單個金融機構自身內部信貸效率提升，如內部信貸流程、業務方式的改進、線下信貸業務線上化、審批自動化等方面。銀行對于將企業收支流水信息應用到貸款決策上愿望強烈，并且一直有此類訴求。未能廣泛應用的原因主要有：一是企業往往在多頭開戶，多家銀行間形成信息孤島現象，企業交易信息整合難度很大；二是銀行間存在業務競爭，不愿意共享核心原始數據；三是收支流水信息涉及企業機密，加工流水數據若沒有完善的體制保障，可能存在泄密風險。

（三）建設企業收支流水大數據征信平臺的可行性

1.理論上可行。根據會計基礎理論，無論是產品制造企業的供應、生產、銷售，還是商品流通企業的購進、銷售，都伴隨著資金的循環和周轉，必然導致價值增減的運動變化。企業所有生產經營活動都要通過資金來實現，而企業所有的資金流動最終都要通過金融體系來實現。而在大數據時代，銀行流水、納稅證明、水電繳費等具有真實客觀、及時性強的第三方信息，成為企業現金流的重要體現形式。商業銀行數據規模大、來源廣、質量高，具有運用大數據技術的顯著優勢，在服務小微企業融資方面可以發揮獨特作用。企業在銀行開立結算賬戶，通過該賬戶進行的各種資金往來活動，如采購付款、銷售收款、費用支出等交易行為數據，都會被記錄留存下來，這些信息是分析評價小微企業生產經營情況的有效優質數據。通過對企業收支流水的數據分析應用，能夠挖掘企業真實的現金流信息，為金融機構的貸前調查提供交叉驗證和風險預警，對貸后管理也具有輔助作用，極大地提升信貸服務的效率和覆蓋面。

2.技術上可行。商業銀行天然擁有大量的客戶數據和交易數據，且客戶群體足夠龐大。同時，商業銀行受到較嚴格的監管，其數據格式相對較為規范，數據的準確性也相對較高。按照銀行業監管相關規定，商業銀行基本都已形成一套標準化數據，能滿足全面采集企業收支流水數據的需求，數據的標準化程度更高。數據范圍涵蓋了銀行所有客戶基本信息、賬戶信息、交易明細、信貸明細等海量數據。

三、企業收支流水大數據征信平臺的建設——以江西省為例

（一）建設的目標和基本原則

1.建設目標

一是緩解中小微企業融資難。立足破解中小微企業融資面臨的銀企信息不對稱、抵押擔保不足、銀行經營管理成本過高等難題，助力中小微企業融資發展。二是優化金融資源投入結構。將已有的金融數據拓展應用于服務中小微企業領域，通過提供信息依據助力金融機構獲客和風控決策，推動更多的金融資源向中小微企業傾斜，助推穩企業、保就業。三是完善中小微企業信用體系建設。充分發揮替代數據作用緩解當前中小微企業信用體系建設面臨的信息采集共享難以及可持續性差等難題，改善中小微企業融資信用環境。

2.基本原則

一是科學合理原則。系統數據采集、使用和企業評價分析具有一定的操作依據，符合商業銀行需求，能夠反映企業的真實狀況。二是安全合規原則。系統建設和運營遵守相關的法律法規，強化安全合規，嚴防信息泄露，具體操作比照征信系統操作要求管理。三是可操作可持續原則。系統數據采集和運作模式具有可操作和可持續性，包括數據采集可操作可持續和運營服務可操作可持續，能夠不斷滿足后期業務擴展和技術升級帶來的新需求。

圖1 企業收支流水大數據征信平臺總體框架圖

（二）平臺建設的總體思路

企業收支流水大數據征信平臺建設的基本思路是引入工商注冊登記數據，全面采集企業分散在各家銀行的收入和支出流水數據，設計開發企業收支流水專項報告和小微企業信用評分模型，全面分析企業生產經營狀況，作為銀行風險識別、授信審批和風險管理的重要參考依據，解決中小企業特別是首次申請貸款企業信息缺乏的問題。

（三）平臺具體功能設計

在企業收支流水數據庫基礎上，設計開發企業收支流水專項報告、小微企業信用評分、回款賬戶鎖定、統計分析預警四個功能模塊。

1.企業收支流水專項報告。專項報告主要包括報告頭、報告說明和報告內容，報告內容主要展示企業基本信息、賬戶概要和企業收支流水分析等內容。各模塊將交易流水數據根據交易對手、交易用途等進行匯總分析，展示某一時間段企業在所有報數銀行的交易流水信息（具體功能模塊見圖2）。

圖2 企業收支流水專項報告功能模塊

2.小微企業信用評分。平臺利用江西省3.96萬戶有貸企業的樣本數據，從105個指標中，運用遺傳算法工具，篩選出影響顯著的指標59個（其中有16個衍生變量），主要包括企業成立年限、員工人數、關聯企業、資金流入流出金額和筆數、納稅支出等。進一步運用LightGBM模型，設計開發了基于企業收支流水大數據的小微企業信用評分模型。利用該模型對20%樣本企業數據進行檢驗，預測不良客戶準確率達到80.5%，預測好客戶的準確率達到81%。LightGBM模型得出的ROC值為0.81，AUC值為0.91，K-S值為0.68，PSI為0.0142，模型穩定性強。最終，平臺完成了對江西省所有有交易流水的小微企業的評分。

3.回款賬戶鎖定。該項功能模塊主要用于支持應收賬款融資。企業（債權人）與債務人在簽署正式采購合同前，與資金提供方共同約定應收賬款回款路徑。債權人和貸款銀行配合開設資金歸集功能，將指定回款賬戶中收到的應收賬款回款實時歸集至其在貸款銀行開立的監管賬戶，貸款銀行對監管賬戶的資金轉出進行逐筆管控，實現有效的應收賬款回款管理。平臺開發回款路徑監控模塊，如果訂單項下的應收賬款回款回到非約定賬戶，平臺自動報警，實時推送給資金提供方。

4.統計分析預警。該模塊包含明細查詢、異常查詢和匯總查詢。明細查詢可通過地區、查詢機構、企業名稱、開始日期、結束日期、查詢原因、查詢用戶等條件進行查詢量的統計。異常查詢可通過地區、查詢機構、企業名稱、開始日期、結束日期、查詢原因、查詢用戶等條件進行查詢量的異常統計。匯總查詢可按地區、金融機構、查詢用途三個維度統計對應的查詢企業數量和查詢條數。

四、企業收支流水大數據征信平臺的應用

（一）對江西省企業狀況進行摸底分析

基于江西省企業收支流水大數據征信平臺，從企業數量、行業分類、生命周期、盈虧等維度分析了江西省企業①企業統計未全面剔除行政事業單位和社會團體?？傮w狀況，數據統計截止時間為2020年9月30日。

1.企業數量

從企業收支流水大數據征信平臺看，江西全省企業總數為372.9萬戶，其中普通企業226.2萬戶，個體工商戶146.7萬戶。全省活躍企業有78.2萬戶，其中普通企業67.6萬戶，個體工商戶10.6萬戶。從企業規模看，大型企業數量12134戶，中型企業57597戶，小微企業3659023戶①“企業規?！卑凑铡镀髽I收支流水專項報告》中工信部最新標準確認。，其中小微企業活躍數量為759899戶，小微企業活躍數量占全部活躍企業比重為97.18%。

2.行業分布

對企業收支流水大數據征信平臺的底層數據進行了抽取和整合，將企業行業小類按照工信部標準對應大類后，發現在20個工信部確認的行業大類中，江西省內發展最多的三大行業為：批發和零售業、制造業以及住宿和餐飲業，企業數量占比分別為36.78%，8.23%，7.50%。其中，批發零售業最為活躍，活躍企業23.8萬戶，活躍企業占比30.40%，且在批發和零售業中小微企業最多，有23.4萬戶；制造業活躍企業7.5萬戶，其中小微企業7.4萬戶；住宿和餐飲業活躍企業1.5萬戶，其中小微企業1.3萬戶；農、林、牧、漁業活躍企業4.7萬戶，活躍度較高，這與江西省是傳統的農業大省有一定關系。

3.企業生命周期

根據企業收支流水大數據征信平臺數據，省內活躍企業賬戶數為204.3萬個，新增開戶數為28.4萬個，停用企業數為4.4萬戶，停用企業占企業總數為1.18%，占活躍企業的5.63%。從整體數據看，2018年1月—2019年9月，江西轄內企業活躍度較高，經營情況較好。此外，對篩選出的停用企業數據進行分析，發現停用時間在3個月以上的企業最多，其中小微企業最多，有323.4萬戶，占比達98.38%。由此可見，新冠肺炎疫情對省內小微企業影響較大。

表1 非正常經營企業分析

表2 企業生命周期分析

企業生命周期分析方面，大型和中型企業的企業存活周期較長，賬戶無交易數據較少，但是小微企業前三個月和前六個月賬戶無交易數據相對較多，存活周期相對較短。小微企業中，前三個月賬戶無交易數為101.2萬戶，前六個月賬戶無交易數為48.2萬戶，前一年賬戶無交易數為38.5萬，企業存活周期為42個月，小微企業存活周期約為中型企業的一半。如何提高小微企業的存活周期，推動小微企業持續存活并健康平穩發展需要引起重視。

4.企業盈虧狀況

以2018年1月1日—2020年9月30日數據為基準，兩年內收支差額大于0的企業視為盈利企業，計算類利潤率（類利潤率=（兩年內流入-兩年內流出）/兩年內流入）。經計算，江西省內盈利企業54萬戶，占活躍企業數量比重為69.1%。其中盈利0—10%的企業占比65.8%；盈利10%—20%的企業占比7.5%；盈利20%以上的企業占比26.7%。江西省內虧損企業24.2萬戶，占活躍企業數量比重31.0%。其中虧損0—10%的企業占比55.5%；虧損10%—20%的企業占比8.4%；虧損20%以上的企業占比36.2%。總體來看，盈利企業總戶數約為虧損企業總戶數的2倍，企業的盈利率和虧損率主要集中在0—10%之間。

（二）對企業進行信用評價

企業收支流水大數據征信平臺專門開發內嵌了專用企業信用評分模型，該信用評價結果可直接被商業銀行用于信貸投放參考。利用平臺對江西省所有有交易流水的小微企業進行評分，篩選出評分在541分以上的違約概率在10%以下（28.4萬戶），評分在561分以上的違約概率在6%以下（16萬）。同時，已將篩選出的優質企業名單提供給貨幣信貸管理部門，以供開展金融支持穩企業保就業工作參考。

表3 企業評分分布情況

（三）商業銀行識別信用風險

通過試點推進企業收支流水大數據征信平臺應用。平臺已設計了兩大核心功能，企業收支流水專項報告查詢和小微企業信用評分查詢功能。人民銀行南昌中心支行按照“屬地管理、分工負責、安全穩妥”原則，在保障信息和數據安全的前提下，選擇全國普惠金融改革試驗區贛州市和吉安市穩妥推進企業收支流水大數據征信平臺試點工作。試點過程中，選擇了工商銀行等多家金融機構在贛州、吉安兩地的分支機構參與，允許試點金融機構依據企業授權，查詢企業收支流水專項報告和企業信用評分，平臺數據查詢使用嚴格依照征信管理要求進行。

2020年10月起，平臺在國家級普惠金融改革試驗區試點，僅不到2個月時間，平臺累計查詢量達430筆，涉及企業375家，支持發放企業貸款6.5億元，其中普惠口徑貸款2.04億元，普惠口徑信用貸款發放2202萬元。支持首貸企業9戶，貸款發放合計1.2億元。

（四）探索應收賬款資產池質押融資模式

針對目前大多數應收賬款融資過程中，面臨的應收賬款真實性確認難和回款路徑鎖定難問題，依托企業收支流水大數據平臺，可構建全新的應收賬款資產池質押融資模式，進一步促進中小微企業應收賬款融資發展。

1.模式設計

（1）基礎模式設計

通過企業收支流水大數據平臺，以企業收支流水專項報告為基礎，在全面分析企業生產經營狀況的基礎上，篩選出具有穩定、高頻購銷關系，有較強支付能力的下游購貨方，校驗應收賬款的可信性，將優質的應收賬款組成資產池，作為融資的質押手段，并應用平臺的收支流水監測功能，鎖定應收賬款還款路徑。

（2）過渡模式設計

實踐中，經調研發展，由于銀行管理機制和產品業務授權等原因，銀行尚難以普遍認可應收賬款資產池融資。在此情形下，將應收賬款資產池質押給擔保公司，作為擔保公司反擔保手段，由擔保公司提供信用擔保，將應收賬款融資轉化為擔保融資，達到增信的目的。由此可大規模提升和釋放擔保公司的擔保能力，大幅提升銀行對中小微企業融資的能力。同時，在應收賬款資產池逐步被商業銀行認可的前提下，可同步擴大銀行應收賬款資產池直接質押融資。

（3）升級模式設計

通過企業收支流水大數據平臺，以企業收支流水信用評分模型為基礎，分析應付方的信用等級，從而實現對單一企業應收賬款資產池的整體評估，進一步推動應收賬款資產池質押融資的發展，探索以應收賬款資產池為依托的“動態授信、循環使用、隨借隨還”融資模式，破解當前“無還本續貸”模式難以大規模擴大的難題。

圖3 應收賬款資產池融資業務流程

（五）應用展望

在現有實踐探索基礎上，未來還可進一步探索應收賬款資產池融資評價體系，并以此為基礎形成“動態授信、循環使用、隨借隨還”全新融資模式。

1.應用平臺可構建應收賬款資產池融資評價體系。應收賬款資產池融資評價體系緊扣供應鏈交易的自償性特征，降低小微企業本身實力不足帶來的信用風險。根據應收賬款池融資的模式特點，設計“輕融資主體，重債權項目”的二層遞進型評價指標體系，旨在整體考量供應鏈全局的前提下，側重評估應收賬款本身質量，強化融資安全性保障。第一層級為主體評價準入數據指標，堅持“寬準入”原則，拓寬融資企業覆蓋面，主要評價企業本身的基本素質、償債能力、運營能力、發展前景和誠信記錄等方面；第二層為債項評估風控數據指標，堅持“嚴風控”原則，保障授信銀行資金安全度，主要評價外部環境（包括政策環境、行業環境、經濟環境）、供應鏈關系（包括歷史交易記錄、歷史應收賬款記錄）、買方資質（包括買方資信情況、單位性質、償債能力、運營能力、盈利能力）和資產特征（包括初始入池應收賬款、通知確認程序、回款賬戶鎖定等）。

2.應收賬款資產池循環授信融資模式的流程設計

該模式下，客戶提交應收賬款融資申請后，銀行著手組成資產池，核定池額度，主要考慮交易真實性、應收賬款的合法性及是否已存在其他權利負擔，再依托前述應收賬款資產池融資評價體系，評估融資比例。融資比例確定后，進入循環期管理，在每次融資出賬時均確保以下等式成立，即“（有效應收賬款余額-專戶回款）×融資比例+專戶回款余額≥授信敞口”。在回款和核銷環節，要逐筆核對應收賬款回款情況，對已回款的應收賬款逐筆核銷，并將回款資金優先用于償還授信或補足保證金，因商業糾紛或其他原因被銀行認定為不合格的應收賬款應及時轉出，由借款企業補足相應保證金或補充新的應收賬款資產入池。若資產池中的有效應收賬款余額不足以覆蓋銀行授信敞口，銀行有權立即停止所有授信出賬，從借款企業的賬戶中主動扣款或采取其他資產保全措施。

隨著其應用的深入，企業收支流水大數據征信平臺還可逐步探索更多的融資模式應用。一是支持銀行在線信用放款。通過打通企業收支流水大數據征信平臺、江西省小微客戶融資服務平臺以及商業銀行授信審批和線上放款等系統之間的聯接，實現企業網上貸款申請、企業信用信息和征信查詢授權、企業收支流水專項報告查詢授權、授信審批進度查詢、線上放款等全流程網上辦理，逐步擴大在線融資的比重。二是開發融資欺詐預警模型?；谄髽I收支流水大數據征信平臺數據，通過邏輯回歸和深度學習等模型方法，以客戶畫像的形式探索構建融資欺詐預警模型，直觀輸出預警結果。三是開發非法集資監控模型?；谄髽I收支流水大數據征信平臺，充分利用大數據技術手段，通過分析資金流入、資金流出、資金流向等方面，加強對非法集資的監測預警。

五、研究結論與政策建議

大數據等新技術的應用發展，可以為商業銀行等金融機構積極賦能，為緩解中小微企業融資難題提供了新的契機。但由于各金融機構的數據資源處于割裂狀態，同一企業主體，其交易等信息分散于不同的金融機構，導致金融機構服務中小微企業時，所掌握的企業信息不夠完備，無法對企業全貌進行完整畫像，銀企之間的信息不對稱難題始終存在。在此背景下，本文提出建設基于企業收支流水大數據征信平臺，對各商業銀行的企業客戶交易流水數據進行整合、處理與輸出，能夠較好地反映企業的收入、支出、供應鏈、水、電、煤氣等各類資金流信息，從而真正破解銀企之間的信息不對稱難題，促進中小微企業融資發展。研究發現，建設企業收支流水大數據征信平臺，具有顯著的優勢和必要性，并且在理論、技術、法律、現實需求等方面具有現實可行性。為此，本文以江西省為例，專門設計了建設企業收支流水大數據征信平臺的建設方案，包括平臺的目標、原則、建設和運營思路、功能設計等模塊。在平臺建成后，進一步對平臺在緩解中小微企業融資難題中的應用場景和實踐進行了介紹、論證與展望。本文圍繞促進基于企業收支流水大數據征信平臺的應用，提出以下建議：

一是進一步在政策與法規層面明確企業收支流水大數據征信平臺的地位。基于企業收支流水大數據征信平臺的建設探索與實踐，由于其所收集數據的完備性特征，為大數據技術發揮作用彌補當前企業征信信息的缺失，奠定了重要基礎。但無論是人民銀行征信體系，還是社會征信體系，對于企業收支流水大數據征信平臺的定位，均還處于空白，對其運行提供有效的監督和保障機制，還有許多工作需進一步推進。為此，建議國家層面進一步明確對該平臺的鼓勵與支持政策，接受監管的適用法規，以及數據收集、使用、共享和隱私保護等保障措施。

二是在探索試運行基礎上進一步完善平臺服務能力。運用基于企業收支流水大數據征信平臺，已經探索對江西省企業狀況進行了一次全面分析，并將所得信用評分較高的企業名單，向金融機構進行了推送，鼓勵其加強對這部分中小微企業的金融支持，取得了一定的成效。但由于平臺仍處于試運行狀態，許多標準需在實踐中進一步加以完善，如信息的采集、處理算法、加工的口徑和標準等。為進一步提高平臺的使用效率，建議進一步在試點基礎上加以完善，形成更加合理的建設與運營方案。

三是進一步鼓勵金融機構應用平臺開展金融產品與服務模式創新。第一，加快建立以信用稟賦為基礎的服務導向，尤其是針對低收入群體和中小微企業，要降低抵押擔保規則和方式的應用要求，積極運用基于企業收支流水大數據征信平臺等信用評價結果，改善服務水平。第二，創新基于信用評價的金融產品線條，依托大數據征信平臺等數據優勢完成產品特征與客戶需求特征的有效銜接，不僅要增加金融產品的新意和數量，更重要的是要能提供更精準的服務。要積極通過大數據征信平臺甄別機制，創新為中小微企業中信用良好的客戶提供更多優質價廉的金融服務。第三，依托平臺提升風險控制的有效性，包括應用平臺的大數據技術和輸出結果降低風險控制成本以及結合金融機構現有風險控制體系，進一步完善機制，提升風險控制有效性等。

四是進一步降低大數據征信平臺的使用成本與門檻，同時做好信息的安全性保障。基于企業收支流水的大數據征信平臺，有利于過去被拒絕授信的群體獲得貸款機會，還有利于金融管理部門利用數據庫進行宏微觀的精準審慎監管，可以說是一個具有顯著公共屬性的平臺。但平臺的使用授權需要滿足一定標準才能應用，并且以商業銀行為主，平臺與其他如社會信用信息平臺等共享機制等也還未建立。為此，建議進一步探索以有償或無償方式為更多經濟主體提供征信服務，促進信息共享與運用。同時，要由淺入深地做好信息監管工作，保障信息安全，如進一步規范信息的使用行為，信用信息的使用與共享規則，限制信用信息過度使用的具體規定措施等。