小微企业大数据信贷产品是商业银行运用大数据理念和技术,对小微企业客户的结算、交易、存款、资产数据及信用记录等信息进行采集、分析判断、主动挖掘和营销，按评分卡业务或“互联网+”模式办理的小微企业信贷业务，并通过系统打分工具为手段进行贷款需求和偿债能力评价。
在客户挖掘上，主要利用行内外及第三方数据进行批量筛选挖掘；在营销方式上，对符合筛选标准的目标客户开展主动营销；在风险防控上，基于客观信息判断，强化系统支持和预警管理，控制单户贷款金额进行风险分散；在业务模式上，通常采用流程效率高、资本占用低的评分卡业务模式，且进行专业化分工和标准化操作；在贷款期限上，人民币信用短期贷款为主，且能实现可循环贷或随借随换。
1、根据数据类型和来源不同，大数据信贷产品可分为：
“结算流水类”产品，重点以小企业账户结算信息为依据，通过对结算量、结算真实性、结算稳定性等方面进行分析和判断，佐证客户实际经营水平，并据此确定授信金额。目前常见主要有：建行推出的“善融贷”、“结算透”、“薪金贷”， 工行的“结算信用贷”、交通银行的“优贷通”、中行的“中银短贷通”等。
“交易信息类”产品，重点以小企业商业交易信息为依据，通过对交易金额、交易真实性、有效性、稳定性等方面进行分析和判断，佐证企业实际经营状况，并据此确定授信金额。目前常见主要有：建行的“税易贷”、“POS贷”、“善融e贷”，中行的“中银多融易” 、中国邮储银行的“税贷通”。
“资产价值类”产品，重点以小企业及企业主自有资产信息为依据，通过对资产总额、权属、价值等方面进行分析和判断，佐证企业经营实力，并据此确定授信金额。目前常见主要有：各家银行推出同名的“信用贷”、“创业贷”系列产品。
“移动快贷类”产品，重点是以银行系统内筛选的对公有效户、平台内客户、系统圈链式产品客户，且从事行业为非限制内、非压缩退出内行业客户，常见产品为建行的“快e贷”、“融e贷”、“质押贷”、“云税贷”，农行推出“金穗快农贷”、工行的“网上小额贷款”、广发银行的在线供应链“秒级出账”。
2、根据数据业务模式不同，大数据信贷产品可分为：
以内部评分卡业务模式为支撑，利用大数据理念和技术，采集分析小微企业的结算信息、资产情况、POS流水大力开办基于大数据分析技术的信贷产品。如建行的“创业贷”、“POS贷”、“税易贷”等系列大数据产品，以及工商银行最新大数据普惠金融产品—“网上小额贷款”，重庆银行今年7月上线大数据金融风控平台推出的“好企贷”，可在大数据模型评分体系基础上实现小微企业纯信用贷款，并可实现全流程线上办理。
以 “互联网+” 系统整合模式为手段 ，对小微企业客户内外信息全面采集和大数据分析，加强打造网络金融服务新模式。这种模式流程相对简单，满足小微企业“短、小、频、急、散”的特点，企业自主选择担保方式，自主支用，速度分秒实现。例如：建行的“小微快贷”、工行的小企业循环贷款、小企业网络融资等产品。
这一阶段可称为电子商务平台与网上银行融合期，也可视为小微企业大数据产品萌芽期的尝试。受互联网金融的冲击，商业银行电商平台应运而生并呈爆发式发展。之后，针对互联网金融小微贷的优势与特征，国内商业银行集中精力在“小微贷”市场创新线上产品，争夺市场空间。如招商银行2010年9月推出的信用卡网上商城“非常e购”，体现招商银行“因您而变”的经营理念,建设银行2012年6月出的电子商务金融平台“善融商务”， 2012年工行“融E购”、中行“中银易购”、交行“交博汇”等电商概念频出，平台上则以电子商务切入，银行、电商和第三方支付平台在推动网上交易的同时积累了海量的信息数据，包括资金流和交易信用数据等，由此形成“大数据库”。这一时期大数据信贷产品在2014年建行电商平台取得突破，线上产品“善融e贷”终于为客户提供“交易+融资”的互联网金融服务迈出关键一步。这一时期产品特点主要有：
1.线上化。善融商务企业商城的小企业入驻商户可依据其在线交易记录、信用评分等数据获得贷款，并能通过善融商务平台在线提交贷款申请，改变银行贷款办理只在线下办理的模式。
2．信用化。银行系电商通过互联网形式，贷款由抵押保证类向信用类的转型，改变银行以往只注重抵质押和法人担保的风控方法。
3.小额化。基于商城在线交易情况办理的信用贷款业务是根据小微企业在商城中的消费、销售等交易情况，运用小微企业申请评分卡对客户进行快速评价，通常信用额度最高不超过200万元。
4.名单制。商业银行按照标准定期筛选符合条件的客户名单，测算意向贷款额度，并通过银行商务平台发送信息通知客户。
这一时期，互联网逐步进入大数据时代。大数据技术的高速发展，也使银行业的客户数据、交易数据、管理数据等呈现爆炸式增长，银行的客户细分和挖掘能力大大增强。各家银行总部自己或联动第三方基于客户历史数据进行分析和挖掘，运用大数据技术，陆续研发满足小微企业经营需求的信贷产品，产品设计适合于“以小为主、以微为重”的客户定位。比较典型的是建行推出“七贷一透”大数据信贷产品，分别是“信用贷”、“善融贷”、“薪金贷”、 “创业贷”、“结算透”、“POS贷”、“善融e贷”和“税易贷”，堪称同业之最。这一时期产品特点主要有：
1.数据化。 通过建立可靠的数据来源，在海量的数据信息中筛选客观的数据作为客户准入、授信评价和贷后管理的依据，着力解决小企业授信中的“缺信息”难题， 改变依赖小企业财务报表进行授信评价的方式，实现对客户的主动营销和精准营销。
2. 小额化。大数据信贷产品采用大数法则，金额相对较小，贷款可采取循环贷款方式，通过网上银行等渠道随借随还，适合于以满足200万元（含）以下的信用贷款需求为主，无需抵质押。
3.批量化。大数据信贷产品依托银行后台及其他相关系统、外部社区、税务等渠道批量获取客户数据，通过系统进行批量挖掘和批量营销，贷后管理采用非现场集约化预警监测为主。
4.标准化。大数据信贷产品以客观数据为依据，按照条件明确、要素清晰、流程标准的理念设计，便于统一风险偏好，流程操作简洁，动作要求规范，业务操作标准。
5.系统化。大数据信贷产品在客户筛选、名单推送、客户评价、预警监测等环节广泛采用系统工具，强调自动化支持，业务处理能力和效率优于传统小企业信贷业务。
6.差异化。大数据信贷产品大多根据客户的交易结算和信用记录进行数据分析和营销，并在产品定位上有所区别。例如：信用贷主要针对企业主为私人银行客户及高净值客户的小微企业，善融贷针对存量优质结算客户，创业贷针对“有业、有责、有信”的他行结算客户。
7.评分卡。大数据信贷产品创新性地采用评分卡业务模式，建行和工行运用较多，这一技术将企业的履约能力、信用状况、资产状况以及环保等行业标准达标情况等非财务信息作为评价的主要内容，围绕交易信息进行准确、高效的风险评价，提高了评价的针对性，加强了贷后预警监测，贷后管理效果得到提升。
8.优化性。对早期各类的大数据信贷产品在运行中不断升级优化，例如：“善融e贷”在2014年推出，2016年突出将在善融商务发生交易作为贷款办理的重要依据，增加客户在善融商务的交易情况、企业承诺贷款期间在建设银行结算情况等准入条件。
2016年下半年之前大数据信贷产品除电商系外均是在线下发展受理，尽管较传统取得很大进步，但各家银行机构不断通过大数据技术研制新产品，提升小微企业数字普惠金融服务能力，大数据信贷产品实现自动审批、实现全流程在线操作已成为发展方向。例如：建行的 “小微快贷”、工行的“网上小额贷款”和农行的“数据网贷”为代表，中小银行以贵州银行“数谷e贷”系列产品为代表。总之，这一时期小微企业大数据产品除具备以前特点外，还有以下新特点：
1．线上全流程。通过系统整合，对小微企业及企业主的金融资产、押品、信用状况、业务办理等全面信息的采集和分析，通过电子渠道在线申请、实时审批、签约、支用和还款的快捷自助贷款业务。
2．智能云速度。大数据系统可自动计算可贷额度、秒速审批，资金实时到账，快速满足融资需求，业务效率平均由线下的“周日”到线上的“分秒”，甚至通过手机银行给予客户“互联网+金融”的全新服务。
3.跨界组合性。线上产品通过跨界组合线下产品，从而形成自身子系列产品，形成联动持续发展。例如：基于纳税信息创新“税易贷”线下产品，运用互联网思维融入到线上“小微快贷”产品，二者强强组合，组合创新“云税贷”产品。
商业银行信贷产品业务模式对比表
业务模式 | 抵押信贷模式 | 供应链模式 | 商圈模式 | 大数据模式 |
客户范围 | 有抵押资产的小微企业 | 某大中企业的上下游小微企业 | 商圈内小微企业 | 系统内可以获取数据痕迹的小微企业或私营主 |
产品特征 | 额度大，利率6%-9%，抵押保证，期限1-5年，一次还本为主 | 额度大，利率10%-15%，存货或应收款质押，期限1年，一次还本为主 | 额度大，利率10%-15%，信用或联保，期限1年，一次还本为主 | 额度大小都有，利率6.5%-11%，信用化，期限1年，等额或随借随还为主 |
风控特征 | 侧重第二还款来源 | 第二还款来源足够覆盖和及时变现 | 侧重联保圈或商圈整体评估及保证金措施 | 数据化、侧重信用评分或评分卡 |
流程特征 | 调查简单，办理冗长 | 调查简单，办理快速 | 调查简单，办理较慢 | 在线系统自动调查，实时审批办理，标准化 |
风控效果 | 效果好，客户资源有限 | 效果好，效率较高 | 效果效率有好有坏
| 效果效率双优，预警、反欺诈系统模块化处理 |
客户体验 | 门槛高 | 有限客户、易接受 | 除联保风险和流程长，易于接受 | 简单、自助化、多样性、特受欢迎、部分极速化 |
运营成本 | 较高 | 较低 | 较低 | 批量化、最低 |
可操作性 | 成熟模式、易操作 | 需要拥有供应链客户资源，不易操作 | 需要拥有商圈资源，不易操作 | 客户银行双方操作快捷自助 |
通过以上产品模式分析，我们发现小微企业在大数据模式下，除了单笔信贷授信金额相对低于其他产品模式外，各方面均具有明显竞争优势，能满足小微贷高效、安全、持续、做广、做大、做强的发展需求。尤其在当前 “以小为主，以微为重”理念的引领下，小微企业发展的趋势由规模相对偏大的客户向小微转变。在此市场环境下，大数据信贷产品通过系统批量筛选获取目标客户，营销精准度高，有利于节约客户营销成本，降低业务风险，扩大信贷客户数量，并通过小额授信带动综合金融服务。大数据信贷产品作为小额化、标准化的小企业信贷产品，通过小额信贷业务带动，大数据产品能够帮助网点拓展有效客户，逐步引导信贷客户提高各自银行结算量、结算占比和存款额，增加结算客户粘合度，有效提升市场竞争力和客户满意度 。
1、大数据信贷产品“质与量”市场同步提升
以国内某银行为例，截至2016年年底，大数据业务已在除西藏外的36家一级分行开办，贷款客户37050户，贷款余额376亿元，不良率0.54%，已经低于阿里小贷1%的不良率。从具体产品看，“税易贷”已成为客户数量最多的产品，客户数超过1万户，贷款余额79亿元，不良率为0.84%。
截至2017年6月末，全行大数据信贷产品贷款客户102618户，比年初新增65568户，增长176.97%；贷款余额579.37亿元，比年初新增203.09亿元，增长54.0%；不良贷款率0.48%，户均贷款57万元。
尤其是线上产品“小微快贷”业务快速增长。截至2017年6月末，“小微快贷”市级覆盖率达到83%。“小微快贷”贷款余额372.34亿元，较年初新增174.36亿元；贷款客户72778户，新增62552户；户均贷款余额51万元、不良率0.16%。
2.大数据信贷产品市场验证可通可行
国内银行大数据业务经历了2012-2016年这四年经济下行期的考验，小微企业产品质量仍然保持稳定。其中，纯信用部分贷款客户30277户，贷款余额达184亿元，不良率1.12%。
通过多年业务的顶层设计、部门联动和市场发展，大数据产品有了强大的数据支撑和科学依据。例如：国内某银行 “POS收单小微贷”客户，收单交易月数低于10个月的客户8778户，不良率大于4%。而收单交易大于10个月（含）的客户3531户，不良率仅为0.48%； “税快贷”，2016有缴税记录的小微企业有贷户35506户,不良率7.07%，大数据的分析，让我们找到了对客户评价更为有效的指标。
大数据线上龙头产品效益贡献突出。国内某银行“小微快贷”总体定价水平是非贴对公贷款平均定价水平的1.5倍，同时联动优势明显。例如：通过对2.5万户个“小微快贷”客户抽样调查结果显示，每新增3户“小微快贷”授信客户，平均联动新增对公结算账户1.35户、企业网银1.35个、代发工资客户1.1户、存款25万元、个人手机银行1.8个、信用卡1.2张。
1.数据方面
一是数据真实性风险。商业银行大数据信贷产品开展时间不长，主要通过大数据技术从数据筛选来确定目标客户，因此数据的真实有效性是大数据业务风险防控的关键。一方面在实际业务操作中，客户挖掘筛选中出现暇疵，可能会将可疑转账或洗钱行为的客户列入我行信贷的目标客户，不排除出现恶意骗贷现象；另一方面一些小微企业通过关联交易往来、刷单等手段刻意制造POS流水、结算流水，制造虚假纳税等信息。
二是数据内控风险。小微企业大数据信贷产品采用评分卡进行客户评价，会造成评分卡模式人为主观因素影响较大。一方面评分操作不客观，有些信贷人员对其中的定性指标存在盲目乐观、不顾实际高估的问题，错填定性、定量指标，造成客户评分失真；另一方面信贷人员过度依重“评分卡”对企业信用、履约能力的综合打分结果，忽视对企业经营能力、企业主家庭资产、总体负债、还贷能力情况、纳税等记录的真实性、有效性、连续性及稳定性等因素的考虑。
2．客户经营方面
一是经营性风险。绝大多数小微企业客户公司治理结构欠规范，家长式管理模式占据主导地位，业务稳定性弱，扩张中资金供应不足，经营风险较高；有些小微企业客户在发展过程中，对能耗、环保问题的重视和投入不够；有些企业大多从事技术含量低、易模仿的产品和行业，处在产业链低端，市场竞争较弱。
二是偿债能力性风险。小微企业大数据信贷产品大多是信用类产品，在风险控制等方面与传统信贷产品具有较大差别，不太强调抵押和担保，更多依靠小微企业过往的POS交易、纳税记录、结算记录等积累信用，加之小微企业先天存在资产规模小、生命周期短、经营风险较高等问题，实际控制人个人信用风险较大，如何防范和解决小微企业偿债能力不足造成的违约风险需引起关注。
三是过度授信、多头授信风险。从小企业自身行为看，小企业关联关系复杂，多头融资和过度融资问题较为突出，部分企业为了满足经营扩张、对外投资、参与民间借贷等，过度融资和多头融资，甚者通过关联企业进行“借壳”融资，导致企业融资额度超出偿债能力，给银行信贷业务带来极大风险；从银行内部管理看，部分信贷人员对小企业关联关系管理较为薄弱，对关联企业未按规定纳入统一授信管理，另外对过度授信的危害性认识不足，未能合理把握企业授信总量与经营水平的匹配度，导致对部分小微企业客户的授信额度过大。
2017年国内XX一级分行小微企业不良贷款产品结构表
2017-03-31 单位：万元、%
分类 | 产品 | 速贷型 | 成长型 | 评分卡业务 | 合计 | 其中：大数据产品 | 非大数据信贷产品 | 后两项对比 |
存量 | 不良余额 | 31097 | 141125 | 48407 | 220629 | 2001 | 218628 | -216627
|
余额占比 | 14.09% | 63.96% | 21.94% | 33.33% | 0.91% | 33.03% | -32.12% |
不良户数 | 48 | 191 | 197 | 436 | 57 | 379 | -322 |
户数占比 | 11.01% | 43.81% | 45.18% | 33.33% | 13.07% | 28.98% | -15.91% |
不良率 | 20.31% | 16.51% | 19.04% | 1 | 2.41% | 86.93% | -84.52% |
新增 | 新暴露不良贷款金额 | 5033 | 25830 | 9089 | 39952 | 496 | 39456 | -38960 |
占比 | 12.60% | 64.65% | 22.75% | 33.34% | 1.24% | 98.76% | -97.52% |
户数 | 9 | 37 | 49 | 95 | 21 | 74 | -53 |
占比 | 9.47% | 38.95%
| 51.58% | 18.67% | 22.11% | 77.89% | -55.78% |
从产品结构存量余额来看，传统产品不良额较高，评分卡业务不良过高，我行小微企业不良贷款22.06亿元，不良率33.33%。其中：非大数据信贷产品不良贷款21.86亿元，不良率33.03%，且主要集中在成长之路传统业务中，在小微企业不良贷款中占比为63.96%。而大数据产品不良余额2001万元，在小企业不良贷款中占比为0.91%；与非大数据信贷产品相比，不良贷款金额少21.66亿元，不良贷款率下降32.12%，不良户数减少322户。
从新暴露不良贷款的产品分布来看，主要集中在传统信贷品种上，占比98.76%；大数据信贷产品新暴露不良金额496万元，低于任何一支非大数据信贷产品，不良贷款率1.24%，比传统不良贷款产品占比率少97.52%。小微企业不良户数95户，大数据产品不良户数21户、占比22.11%，非大数据产品不良户数74户，占比77.89%。
由此可见，在该一级分行资产质量面临较大下迁压力情况下，小微企业大数据信贷产品不良余额存量、新暴露数据占比和户数占比远远低于传统信贷产品。从经营发展角度上，扩大信贷客户数量且完成监管指标三个不低于的同时，实现了大数据产品“促发展、降成本、控风险”的目标。
从国内某银行近两年动态数据结果看，2015年9月小微企业大数据信贷产品不良率0.44%到2017年6月的0.54%，不良贷款率较低，但小微企业信贷风险成为商业银行普遍面临的问题并未改变，我们必须结合小微企业大数据线上、线下产品的特点，针对性加强对小微企业大数据产品关键风险点的研究与防控。
信用化、数据化、系统化是大数据信贷产品的重要特征之一，不断改进提升大数据反欺诈规则及自动筛除等技术手段，实现贷前风险识别，贷中通过大数据评分模型实现标准化审批决策。而且贷前贷中注意分析客户的账户结算数据、POS结算等情况与客户的经营状况、纳税金额、企业主家庭经济情况是否匹配，进而确定数据是否真实可信。通过分析账户结算量、日均存款、销售收入归行率、交易记录等与其生产经营的匹配程度，甄别剔除虚假往来记录、异常流水等；通过分析企业与上下游之间有无交易资金往来；主要下游客户与供应商占比，判断是否存在关联交易等。通过银行明细账借方信息与纳税证明或完税证明的核对分析，判断纳税信息的真实有效性；贷后采用行为评分模型及预警系统实现自动化预警信号触发及标准化处理的同时，必须现场了解企业生产经营模式、上下游交易情况等信息，增强数据信息管控的深度和科学性。
批量化、主动性是大数据信贷产品的重要特征之一，主动识别和控制行业风险有助于促进大数据信贷业务的健康发展。严控产能过剩行业、高污染高耗能行业的信贷投放，严禁进入“产能过剩”产业（包括企业主所控制关联企业），不得支持各类娱乐场所，以及提供中介、咨询类服务的机构，对环保不达标的企业不得进行信贷准入。重点支持管理规范、有市场、有技术、有诚信、专业专注、稳健经营、成长性好的小微企业。同时，优先选择在我行开立基本结算账户、以我行为主办行、以抵质押或追加企业主及配偶连带责任保证方式办理的信贷业务。
小额化、差异化是大数据信贷产品的重要特征之一，我们必须坚持小额、分散原则，综合考虑企业现金流、企业主金融资产、评分卡结果等因素，合理确定授信额度。我们利用大数据技术，对小微企业审查评分数据与客户调查及申报书中的数据做到相匹配，定性评价指标与当地经济环境、行业经营状况做到相匹配，定量评价指标与同类企业经营情况做到相匹配，对于长期偏离正常值的定性、定量指标，应建议经营部门定期进行检查核实。
流程化和数据化是大数据信贷产品的重要特征之一。首先商业银行贷前要严格审查客户当前在其他银行的总体授信情况、结算量、实际占用额度、担保方式等，其他银行对客户授信政策是否稳定，分析判断客户的声誉、实力和在金融系统的融资能力；其次，贷中要关注企业及企业主家庭是否存在过度融资及多头融资现象（包括个贷与信用卡），审查小微企业在金融机构的融资总量和金融机构家数与其生产经营规模、资金需求、还款能力的匹配情况；最后，贷后加强动态监测，风险过程控制，审查个人关联账户资金流向的跟踪监测情况，及时甄别小企业生产经营与其所有者及管理层的投资、财务状况的变动等企业各类关联关系，有效加强对企业账户行为、经营状况、履约风险、企业管理等方面的监测预警。
线上流程化、跨界组合性是大数据信贷产品的重要特征之一，商业银行坚持合规经营，加强行为组织流程管理，提高风控管理水平。具体而言：
第一，建议政府可以参考西方的小微企业金融数据平台模式，在原有的央行企业征信系统之外，建立专业的小微企业金融信息基础数据库，即基于小微企业自身的特点，专门为这些小企业开发专用的征信数据库，以区别中等企业和大型企业的征信数据库，开展垂直领域或特定范围的征信。
第二，商业银行加强与社会商业机构合作，建立与第三方机构数据共享机制。利用第三方平台数据库资源，推进与中国银联、第三方支付机构以及B2C、B2B等新兴电子商务领域平台的合作，充分运用外部机构数据信息挖掘和筛选，建立共享资源、共助小微的合作机制。
第三，将贷前审查、贷后核查与内外审计紧密结合，动态监控实质性经营劣化可能引致的信贷风险，重点做好大数据信贷产品新暴露不良贷款成因、结构和区域分析，厘清小微信贷的风险根源，准确判断风险成因和趋势，更好地从顶层系统设计关注新模式新产品的风险，做好风险应对与防范。
参考文献
[1] 张兴军. 大数据信贷产品的风险防范 建设银行报，2017,1.
[2]朱良平. 大数据在银行信贷业务的应用实践 中国金融电脑， 2016,6.
[3] 韩强. 对小微企业信贷经营的几点思考 中国城市金融， 2016,12.
[4] 赵婷. 浅谈我国中小企业信贷风险基本特征及防范策略 时代金融，2015,1.
作者简介：郭建，河南建行驻马店分行，高级经济师，金融理财师，河南财经学院会计学专业
