一、引言

近几年国内小微信贷业务呈现快速发展势头，笔者因为工作原因有幸与国内四五十家银行有过小微信贷方面的合作或沟通，不论是传统国有大行、股份制银行，还是一直定位服务中小企业的城商行、农商行，亦或是新进的互联网民营银行，在合作沟通中能发现一些值得学习的点，如全行战略方向、组织架构、管理机制、激励制度、产品创新、数据应用、风险控制理念、创新营销模式、精细化运营等各方面。中国广袤的市场空间，诞生了多样化的小微信贷业务模式，无论是之前的IPC微贷、信贷工厂、六专机制，还是现在的大数据信贷模式，都是中国银行业持续探索解决“小微信贷不可能三角”所做出的种种努力与尝试，作为一项世界性难题，中国小微信贷从业者也书写出具有中国现代化特色的答卷。笔者作为众多践行小微信贷从业者中的一员，自身也倍感荣幸；荣幸之余，却一直在思考各家银行开展小微信贷业务的核心竞争力到底是什么，本文尝试探索一二。

二、探索

综合国内各家银行已知的小微信贷业务发展历程，本文总结出可能影响核心竞争力的因素列举如下：

1、市场环境的分析把控能力；

2、小微战略、所属地域经济发展水平、科技实力、资金成本、政策扶持等资源因素；

3、基础客群；

4、区域覆盖度、分支机构、线下网点及人员数量；

5、管理团队及人才资源；

6、互联网平台及创新营销渠道；

7、产品开发及运营能力；

8、风险控制能力。

以上是笔者在与各家银行沟通中，总结出的各家银行开展小微信贷业务上的特点，但特点不一定就是优点，甚至当时的优势，不一定是未来的优势；即使坐拥海量客户资源，若不思进取，也只会被搀行夺市；市场的规律会让现在的优势荡然无存，因此上述列出的点看似千头万绪，小微信贷业务核心竞争力的回答也是见仁见智，笔者尝试提出自己的观点，未来小微信贷业务的核心竞争力是：数据源的获取及数据挖掘应用能力。

三、数据获取及数据挖掘应用

随着《征信业务管理办法》的实施，以及监管对于数据“断直连”的要求，政府监管部门不管是出于数据安全的考虑，还是要求金融机构自主风控的需要，整治的源头便是数据。今后能直接获取到的明细类数据将越来越少，包括消费金融领域的数据源减少、各地税务局“银税互动”数据字段的减少均是此背景下的必然结果，而实现自主风控的关键点在于数据，“巧妇难为无米之炊”，因此不仅得“有好菜”，还要会“做好菜”。这是笔者提出小微信贷业务的核心竞争力是数据源的获取和数据挖掘应用能力的原因之所在。

目前小微信贷领域应用最多的数据是人行征信、工商、司法、反欺诈、多头、黑名单、税务、发票、银联流水、ERP、各B2B平台交易数据、物流数据。除此之外各地方政府主导的政务数据平台、地方征信平台数据也同样值得关注。总之，应在能力范围内，尽最大可能接入合法合规的数据，同时对数据的接入，要遵循合规性、真实性、可用性、连续性、稳定性原则，选择有征信牌照的机构合作。随着国内对于征信立法的完善及监管的加强，过去混乱的数据市场将永远被禁锢，切勿心存侥幸尝试不合规数据源，否则一旦监管查出，或出现连续性问题，已开展业务会遭受致命性的打击。

数据的来源目前多是从外部合作机构获得，基本都是由外部合作机构加工整理成标准字段供银行直接使用，但需注意数据的真实性，去除恶意篡改之外，数据合作方的数据加工并非完全没有错误，因此在数据源接入时通过其他维度交叉佐证数据的真实准确性尤其重要。目前数据多以结构化或半结构化数据为主，对于非结构化的数据，如图像、音频、视频的应用同样不容忽视，小微信贷产品形态不只局限于线上（参见笔者之前文章《浅析影响银行小微信贷业务精细化发展的六大要素》），对于有线下环节的产品，线下获得的拍照、录音对话、录像等非结构化数据的处理对于实现产品自动化审批来讲是必须攻克的，目前头部互联网银行已开始尝试客户通过拍照方式自证经营性的非结构化数据运用。

而对于传统银行机构而言，在与互联网机构竞争对比中最大的优势就是广泛布局的网点及人员优势。线下网点及人员不仅只用于业务推广，未来更大的作用可能是数据信息的收集，如黑名单、行业景气度、民间借贷、实际控制人、实际经营地、开工复产率等各项数据信息，更有日常客户拜访沟通中产生的巨量非结构化数据。参照互联网电商、团购等领域从线上到线下一店一小区的白热化竞争。线上数字化信贷模式经过一定的发展，必然会融合线下的因素，这也是笔者不厌其烦强调小微信贷线上线下相结合的原因之一。

四、措施思考

国内数字化信贷最先应用于消费金融领域。在消费金融领域，头部互联网金融公司能迅速做大规模，除了客群优势之外，在产品创新及风险控制方面，数据是至关重要的因素。小微信贷领域大规模的数字化应用是在原银监会、税务总局2015年96号文《关于开展“银税互动”助力小微企业发展活动的通知》下发之后取得迅速发展。很多银行都想做下沉客群的个体户经营性贷款，由于个体户经营规范性较差，目前能获取到的经营性数据有限，仅凭现在银行掌握的数据无法解决个体户信贷中的“信息不对称”问题。做好这类客群的机构需具备丰富的替代数据，如电商、外卖、出行、账户流水、社交、航旅、电信等领域的数据，这些丰富的替代数据可以从个人及经营主体两方面综合进行风险控制及产品设计，而这些替代数据集中在各家互联网公司中，正因如此，近几年互联网金融公司和传统银行小微“联合贷”取得快速的发展。但监管对于互联网贷款包括联合贷的管理日渐趋紧，要求合作银行必须进行独立风控，要想做独立风控，就势必要争取数据源的接入。

另一点值得注意的是数据挖掘。数据挖掘应紧紧围绕业务目标进行，遵循全面、深度、关联、可用原则。以人行征信数据为例，各家机构间的应用能力差距较大，征信数据是最直观最重要的信贷数据，对于征信数据的挖掘不应浅尝辄止，更切勿因噎废食，将精力重心放在新接入数据源的挖掘，而忽视了人行征信这一最重要的数据。但数据的挖掘绝不仅仅是简单的特征数量的挖掘，盲目吹嘘特征变量的数量，只会陷入无尽的数据海洋而浑然不知，数据的挖掘是为了更好的服务于业务，对此笔者有以下几点思考：

1. 数据挖掘应用不仅是风险部门的事情，更是业务部门的重点。数据的应用分析对于客群的定位、产品要素的调整、产品流程及产品体验的优化、白名单客群的确定、营销推广措施的回顾、激励制度的改进、存量客户的维护等业务上的各方面都有较大的促进作用，因此建议在业务部门配备数据分析人员，有条件的可直接在业务部门建立数据分析团队。
2. 打破前中台之间的数据管控壁垒。除了核心风控策略与模型之外，在确保数据安全的前提下（制度、设备及措施），实现业务与风险部门间数据共享，共同进行小微业务的数据分析。笔者见过不少银行业务部门无法获取产品用到的数据源明细数据，业务部门不掌握客户的明细数据，怎能做好业务。
3. 深刻掌握数据的释义。对于银行之前不熟悉的领域的数据，应多学多思，需自身掌握场景下数据的释义，完整深度地理解数据，才能与业务更好的结合。
4. 数据的分层管理。按重要性和使用度划分为基础数据与场景类数据，基础数据是本机构每个小微信贷产品都会使用到的数据，如征信、工商、司法、反欺诈等，场景类数据是特定产品下使用的数据。对于基础数据应重点研究，逐项攻破，形成本机构对于每种基础数据的良好应用能力。场景类数据有时可以转化为基础类数据，如某些银行已将之前场景化税贷的税务数据应用到所有小微信贷产品中，此时税务数据便成为基础类数据，随之应加大和重视对税务数据的挖掘。
5. 场景化数据的运用。需详细分析场景，剖析场景的流程步骤，识别场景下的客户需求和风险特征，然后抓取每个流程上的核心数据维度；将场景数据与上文所述基本数据合理、辩证地结合使用。
6. 数据运用形式的多样化。数据的应用形式有明细数据、预筛选形式、核验形式。如上文所述，随着直连数据源的减少，想全部直接获得明细数据会越来越难。此时不应局限在明细数据获取这单一形式上。可采用前置模型的核验形式，或者结果导向的预筛选形式。近几年各地方政府大力发展政务数据平台汇集各个局委办的数据，但由于之前各个部门数据治理的差异，像税务数据一样采用实时明细获取很难行得通，多数政府部门的数据治理标准远达不到金融信贷应用的要求，此时便可以采取前置模型部署在政务平台或地方征信公司的形式，实现数据的最大化应用。

文/杨灿（深圳微众智能科技服务有限公司总经理）

原创作品，转载请注明作者信息