二十多年間，伴隨著經濟體系的變革，我國企業信貸體系發生了重大的變化，由以大型企業為主要貸款群轉變為中、小、微企業成為貸款主力軍。面對新的貸款群體，銀行等資金機構無法充分地給予資金，造成了日益嚴重的“中小微企業融資困境”。小微企業貸款的瓶頸是“缺乏高效率、低成本、高精度基礎征信服務”。在此背景下，小宇宙給大家講解幾種大數據征信的探索之路。

一、大數據征信誕生的背景

二十多年間，伴隨著經濟體系的變革，我國企業信貸體系發生了重大的變化，由以大型企業為主要貸款群轉變為中、小、微企業成為貸款主力軍。面對新的貸款群體，銀行等資金機構無法充分地給予資金，造成了日益嚴重的“中小微企業融資困境”。林毅夫早在2001年《經濟研究》發表的文章《中小金融機構發展與中小企業融資》，認為小型金融機構更適合服務于小企業，奠定了我國之后大力推動中小型金融機構發展的理論基礎。城市商業銀行、農村信用社、小額貸款公司紛紛成立，帶動全社會的小微企業貸款產品激增，資金供給量大大提高，數年間小微企業融資環境得到了很大的改變。

然而，小型資金機構的出現并沒有從根本上解決小微融資的困境，相對于大企業，小微企業對資金的占用比例極低（約30%），與小微企業對GDP的貢獻（約70%）極不相稱。近年來，小微企業的生存壓力不斷增大，傳統行業競爭激烈，利潤空間被不斷擠壓，賒銷使小微企業面臨殘酷的資金周轉壓力，因資金鏈斷裂倒閉的小微企業比比皆是。這種情況更加劇了資金機構“惜貸”行為，對小微企業貸款的負面預期導致小微企業貸款收縮，小微企業、小型金融機構兩方陷入惡性循環。小微企業和小型資金機構處于整個信貸體系的最底層。

小微企業信貸的困局看似很復雜，牽扯宏觀、微觀各方的行為，但實際我們看所有小微信貸的難點，全部集中于一點：資金方認為無法看清小微企業的風險，自然不能放款，這稱之為“信息不對稱風險”；既然無法識別風險，資金方制定了回避小微借款的貸款政策，形成了“逆向選擇”，小微信貸就此止步，陷入無錢可貸的困境。無論是大型銀行，還是小型資金機構，都面臨同樣的問題，所以都對小微信貸無計可施。這個問題可以籠統地稱為社會誠信體系欠缺導致信用風險高。

信用體系欠缺導致資金方難以看清小企業實際情況，這有著現實的原因。我國的小微企業內部管理是很隨意的，很多交易不會以規范的方式記錄下來。正規的資金方需要經過嚴密的盡職調查第一還款來源（依靠經營償還借款），輔之以第二還款來源（抵押品），才能做出決策。這個過程可以稱之為“征信”或者“信用審核”。前面我們已經分析過，由于資金方缺乏有效的可利用于小微企業的信用調查、審核手段，對于小微貸款項目，這個過程不但冗長成本很高，而且通常難以找到準確、真實、有價值的信息，阻礙了小企業信貸的成功率性。同樣，對于那些私募資金機構、民間資金機構，本來沒有能力進行相關調查，放貸只能靠感覺和其他手段，風險更大。

由此，我們可以得出結論：小微企業貸款的瓶頸是“缺乏高效率、低成本、高精度基礎征信服務”。可以想象，如果資金方有能力以一種低成本的方式準確識別小企業是否可信，再加以輔助風控措施（擔保、抵押等），小微業務將變得有利可圖，資金通道可以就此而打開，小微信貸就會變得順暢而有序。大數據征信正是在這種社會背景下應運而生的。

二、大數據征信技術的幾條探索之路

隨著大數據技術在各行業的深入應用，運用大數據為征信打開一條通路，逐漸成為了社會主流的意識。信用服務從業者、政府信用辦公室、互聯網金融公司對此進行了不懈的探索，期待找到一種可以針對于小微企業的量化深度評判方法。下面我們分析一下當前主要幾種方法的特點。

(一)量化信用評價（評級）模型（由內而外型）

多年以來，信貸機構、征信機構和評級機構一直期待著能夠形成一個量化信用模型，將各方面的數據導入模型之后，能夠自動生成評級結果，提示是否可以放貸。經過長期的探索、研究、試驗之后，這個理想的模型一直沒有出爐。我國部分有實力的資金方引進日本、美國知名咨詢公司的信用分析模型，但這些模型對我國的實際情況的適用性很差，沒有達到期待的效果——導入相關數據后即可對企業償還能力和償還意愿作出可靠的判斷。

國外的先進模型以及國內機構的多年模型探索，都沒有形成一個普遍性有效的評判小企業的量化模型，主要原因是我國小企業的數據質量低下。由于無論國內外使用的企業數據主要是財務報表數據，而財務數據是會計師事務所出具的。我國誠信體系存在巨大缺失，會計師事務所出具的審計報告幾乎是制造出來的，其可信度很低。對于誠信企業，這份報告具有較大的參考性，而對于蓄意騙貸企業，也未必能夠從審計報告中看出破綻。各種量化模型的探索之所以沒有得到令人滿意的結果，正是由于其所依據的數據質量是低下的，所以無論如何也不可能得出真正有價值的信息。這種方法基本上宣告了是無效的。

(二)外部數據庫接入（由外向內）模式

在企業內部數據質量不佳的條件下，各類機構開始向外尋找廣度更大、更加可靠的數據來源，例如政府各部門的數據，稅務系統數據、工商信息、行業主管單位業務數據、海關數據等，各行業協會的經營性數據等，也有在電商平臺上積累的交易數據（如淘寶上的交易數據）。基于這些數據查找與某企業相關的數據并進行綜合分析。我們稱之為“由外向內型”的數據體系，也就是企業征信服務不再是從被評價的企業提取數據，而是運用外部數據體系實現。

這種模式的優勢在于：數據庫系統形成之后，單個企業的征信信息采集將非常容易，征信服務的邊際成本極低，且速度極快，直接帶來的好處是征信服務的收費將非常低廉，并且服務量很大。但這種模式也存在自身的劣勢：對接多部門數據入口是一項巨大的系統工程，建設、磨合的成本很高，當前除了工商信息可以達到全國聯網外，其他部門信息均在分布在市級部門，整合工作相當巨大。另外，也是最嚴重的問題還是數據質量。我國的小企業對外報送的經營信息具有很大的隨意性，都是根據具體需要編出來的，例如為了避稅、貸款或者其他目的。有些地區政府為了鼓勵當地企業發展，給予很高的納稅優惠，比如核定一個固定納稅額度，這樣的話就不會要求企業如實報送。因此，從各部門搜集到的數據恐怕與實際情況相差較遠，如果用做征信服務，可信性也會遭到質疑。同時，一個企業產生的數據并非全部對外報送，事實上，對外報送的數據僅占一小部分，如基礎財務報表、應納稅額等，而大部分的能夠說明企業情況的數據沉淀在企業內部，如供銷信息、產品品類、資金流轉等，這些數據無法通過外部數據庫找到。外部數據庫的數據量雖大，但針對于某單一企業，卻顯得容量不足了。如果是電商內部生態圈數據也相對片面，因為一個企業不會僅僅通過一個電商渠道銷售，單一電商交易數據顯然是不夠全面的。

如果用外部數據編織數據網的話，這張網將是巨大的，幾乎可以覆蓋全國的企業。但由于關于某一企業的數據量不足，這張網的數據線條比較稀疏，也就是數據網眼很大，多數關于企業的有價值信息都被漏掉了，有效信息過小，不足得出可信的結論。這就是由外向內建立征信數據體系的探索。

自國務院交辦發改委建立全國信用體系以來，各級政府信用辦公室主導將轄區內各個掌握數據的政府部門連接起來，形成一個統一的信用信息平臺，由專業的第三方公司或者設立下屬公司運營，出具滿足社會需求的征信報告。除政府外，也有社會征信機構做類似的事情，接入一些政府端數據并運營。從目前的發展來看，這類征信服務當前能夠提供的最主要的信息是工商注冊類的信息，以及少量的各部門備案信息。這類征信服務提供的信息簡單，收費低廉，但對于信貸業務而言，基本上沒有發揮太大的作用。

(三)單體企業數據征信服務（由內向外）

另外一種數據征信服務，是從企業內部挖掘有用信息，從這個角度來說，這種方法和傳統的征信方法是一致的，不同的是采集的信息和分析模式。現在有些專業征信公司也在研發由內而外的數據征信方法。這種方法利用的數據量不像社會征信的數據量那么大（因此稱“小數據”），但與貸款相關度很高，再保證真實度的基礎上，可以得到很多有價值的信息（“大信息”），并且均為信貸業務中資金方最關注的信息。該項服務可以幫助資金方在最短的時間內評判該企業是否能達到可以貸款的條件，為資金方節約大量的調研時間和成本，適應小微企業融資的效率要求和風控要求。

數據征信雖然應用的基礎數據量不像政府部門數據那樣多，那樣大，但采集到的都是相關度最高的信息，可以捕捉企業真實經營情況和償還能力。如果從數據網的角度看，這種方法形成的數據網較小（只適用于某單個企業），但數據“網眼”恰好適合保留住關于該企業的大量有價值信息，而篩查掉無關信息、干擾信息，形成深度、高質量的征信報告，為信貸決策提供可靠依據。

這種數據征信服務的優勢是，啟動快，無需長期建設成本，很好地適應我國現有的信息基礎和社會現實。其難點在于如何取得借款企業的充分信任因此愿意提供深度數據。

企業數據征信技術已非一個技術上的構想，而是已經開始了大量的實踐。數據征信已經在擔保業務、小貸業務中發揮了重要作用，幫助擔保公司和小貸公司排查風險、清晰評估項目、提高業務效率。相信隨著市場環境的變化，將有越來越多的人意識到這種技術的價值。