缓解小微企融资难，大数据风控是重要抓手

编者按：

2020年，金融科技从战略走向落地。

众所周知，2019年，央行正式发布金融科技三年发展规划，这是我国金融监管机构首次对金融科技进行系统化的归纳与论述，是金融科技发展进程中的里程碑。

时间过半，金融科技发展规划落地成效几何？赛道上涌现的参与者又将如何乘风破浪？

《国际金融报》记者邀请多位行业研究者、思考者和实践者，一起探讨金融科技在促进区位经济一体化、助力小微企业融资、金融业数字化转型、破除农企融资困境方面起到的作用，以及金融科技落地应用面临的挑战、后续发展路径。

“今年2月到6月，整整4个月，厂里没法开工。我们的重要客户是酒店和大型餐饮，同样受疫情影响举步维艰，工资、货款等压力从四面八方而来，当时资金周转紧张。”一场突如其来的新冠肺炎疫情，让小微企业主宋发良犯了愁，他和两位创业伙伴共同设立的食品公司陷入周转资金短缺难题。

疫情期间，和宋发良境遇相似的小微企业主比比皆是，疫情无疑凸显了小微企业的融资困境。为了缓解疫情对经济“毛细血管”的侵害，党中央、国务院出台多项政策，助力小微企业融资。

然而，面对海量的小微企业融资需求，传统金融机构在有限的服务能力下能覆盖到的小微企业毕竟有限。在复工复产的“后疫情时代”，小微企业融资需求陡增与众多金融机构、融资平台出口紧缩形成了巨大矛盾。

360数科CEO吴海生近日接受《国际金融报》记者专访时指出，小微企业自身管理制度不健全，缺乏一套完整的中小企业信用评级体系和征信系统，传统金融机构服务能力不足，对小微企业授信“事多利薄”等因素都是造成小微企业融资难、融资贵的重要原因。

通过创新实践，360数科发现大数据风控是破解小微企业融资难、融资贵的重要抓手。“依托360集团先进的互联网安全技术，以数据驱动，通过对财务、发票、流水、司法等多个企业经营数据渠道的对接，就可以搭建起较为清晰的企业客户画像，再应用人工智能技术建立起对风险系统、动态的管理。”吴海生称。

1

疫情凸显小微企融资困境

“国外经验表明，中小企业信用评级体系的建立有利于解决信息不对称的问题。然而，这是一项复杂的社会系统工程。”

小微企业融资难是世界级的难题。吴海生分析指出，中小企业发展过程中所面临的问题，主要分为外部困境和内部缺陷两方面。从内部缺陷看有两方的原因：首先，我国很多中小微企业主的生活与经营是无法分割的，企业现金流通常是靠企业主私下融资来维系的，这虽然在一定程度上解决了中小微企业资金困境，但也同时提高了他们的融资成本和融资风险。

其次，作为实体经济“毛细血管”的小微企业，缺乏对相关法律、政策、金融常识、财税认知等的了解，加之企业自身管理制度不健全，尤其是财务制度混乱，使得金融部门难以获得企业真实的生产经营和资金运用状况信息。同时，一方面中小微企业贷款担保资产的范围严格受限，另一方面符合现阶段创业大潮的技术型企业往往有效资产抵押不足，不符合金融部门资产担保要求，这样的矛盾造成了银行惜贷、慎贷情况的发生。

从外部困境看，吴海生总结出阻碍中小企业发展的三方面原因：第一，传统金融机构服务能力不足、给小企业授信“事多利薄”。中小企业贷款往往程序繁琐、费时费力，银行对小微企业放贷收益不合算，从而导致企业需要时贷不下来，不需要时贷款指标又放不下去。

第二，没有形成一套完整的中小企业信用评级体系和征信系统。国外经验表明，中小企业信用评级体系的建立有利于解决信息不对称的问题。然而，这是一项复杂的社会系统工程，需要科学、漫长的建立过程，需要完善的法律制度保证信用数据的真实性和信用数据主体的积极参与，需要政府监管和行业自律管理。

此外，吴海生认为，企业间缺少专业化协作也是导致其难以发展的一大因素。多数地区中小企业发展缺少宏观引导和产业组织，导致中小企业之间难以形成产业关联、专业化协作和经营网络，既难以形成有区域特色的产业链和企业集群，也无法利用中小企业集聚产生的规模经济、范围经济和协同效应。最终难免造成单个企业孤军奋战、自生自灭的局面。

吴海生向记者分享了一个360数科小微贷用户遭遇“贷款难”的真实案例。海门市刘浩镇荣达工具厂是黄卫荣于2000年注册成立的一家从事机械加工的小微企业，创立至今近20年，黄卫荣的企业有了近30名员工，销售额稳步提升。

然而，突如其来的一场疫情，把原计划全部打乱：“不能正常开工、外地工人很难到岗，导致生产线无法正常运作；供应商尚未完全正常运转，原材料紧缺；服务客户一直没有开工以致产品销路成为大问题，外贸订单几乎没有。”

从控制成本出发，黄卫荣首先选择到银行办理贷款，虽然企业已有一定规模，可以获得贷款额度，但各种审核流程长、放款时间不确定，让急需周转的黄卫荣只得放弃从银行获得贷款，转而选择灵活性更高的平台。

2

大数据风控系统加速“迭代”

“目前，360数科正处于系统进化的第三阶段，未来的优化方向是对于AutoFeature、端风控（隐私保护的机器学习）、增强学习 / 迁移学习等方法的应用探索。”

360数科近日发布的二季度财报显示，在“后疫情阶段”，360数科加大了在三农小微领域的扶持力度。截至2020年6月30日，三农小微累计授信400多万人，累计借款近300万人，累计借款金额逾1280亿元，借贷余额235.8亿元，在整体借贷余额中占比30%。

据悉，360数科旗下360小微贷通过电商贷、企业贷、发票贷等产品，为有经营性融资需求的小微企业，提供最高30万元的纯线上资金服务。凭借严谨的风控流程以及合规化的运营理念，结合小微企业自身风险和小微企业的实际控制人信用风险两方面考量，360小微贷可实现最快5分钟放款的高效金融服务。目前，360数科小微业务服务范围已覆盖31个省、450个市。

为针对性解决疫情对小微企业融资所增加的巨大困难，自1月以来，360数科小微贷联合金融机构，通过借款优惠券、免息奖金池等息费优惠举措，加大对小微企业的政策优惠力度。截至目前，已累计发放借款优惠券共计20.5万张，借款优惠合计逾1700万元，免息奖金池累计5000万元。同时，针对以上重点服务领域的共计7.5万家小微企业，通过定向发放复工复产免息优惠券，共计减免借款息费逾850万元。

“通过360小微贷的创新尝试，我们接触到了更大范围的小微企业，实现了地域下沉。与此同时，360小微贷通过多个企业经营数据渠道的对接，从财务、发票、流水、司法等各个方面，搭建起较为清晰的企业客户画像，便于客户风险管理。”在吴海生看来，360数科能快速覆盖数百万的小微企业得益于其金融科技的发展。

财报介绍，360数科自主研发的智能风控引擎Argus，已累计拦截潜在新型风险人数超100万，保护资产逾100亿元，日挽回损失千万元。360数科借此延续自披露财报以来连续领跑行业态势，风险先行指标D1入催率在二季度末下降至6.2%，达到比疫情前更优的表现。在Argus的助力下，360数科单次交易筛选变量数十万个、筛选风控模型超过3000个、约98%的授信申请和99.5%的订单申请实现全自动审核、亿级欺诈名单库、秒级反馈结果。

吴海生透露，到目前为止，360 数科针对小微企业的大数据风控系统经过了三个阶段的迭代：第一阶段是从零到一搭建系统。在这一阶段最重要的是，需要准备足够的带标签样本，之后进行特征加工。在此阶段遇到的主要困难是，不同数据源的覆盖率差异较大，分布可能有偏，且个别数据源稳定性不好；有不少时间相关变量，相关性很强，但容易随时间偏移，影响模型的稳定性；因不同企业经营特点的差异型，无法用统一模型进行集中处理，工程化问题直接影响审批、放款等结果。

在这样的前提下，360数科进入功能完善的第二阶段。据介绍，首先，搭建特征及自动建模平台。 在风控模型的迭代过程中，大部分时间都消耗在特征相关的工作上。为了提升这部分工作效率，360 数科搭建了一个建模和特征分析平台，将特征的分析（比如特征表现、相关性等）、新增特征、特征组合分析等工作简化。此外，还提供很多配套工具，可以将模型的评估等工作自动化，提升建模人员的工作效率。其次，复杂关系网络的应用探索。 这其中包括图表征（Graph Embedding）、社交网络分析、基于聚类、社区分算等无监督算法等。这个阶段 360 金融重新设计了系统实验框架，日常大部分的测试实验（包括上线新模型）都可以通过配置化方式完成，迭代周期大幅缩短。

“目前，360数科正处于系统进化的第三阶段，未来的优化方向是对于AutoFeature、端风控（隐私保护的机器学习）、增强学习 / 迁移学习等方法的应用探索。”吴海生称。

3

完善技术赋能“普惠金融”

“互联网公司有大量的用户行为日志，这些数据经过处理可以衍生出成千上万、甚至几十万的特征维度，这些特征单独拿出来都不强，但组合起来可能非常有效。”

360数科在服务小微企业过程中，发现90后新消费、创业群体强势崛起、南方内陆省份借款需求旺盛、小微企业对人员专业度要求提高等几大趋势。数据显示，每10个微型企业主之中，90后数量合计近5个。然而由于闲置资金较少，90后对资金的流动性需求较高，因此借款需求更加旺盛。

360数科业务数据显示，2018年，借款用户大省Top 10中沿海省份占据6席。与此相比，2019年度沿海省份用户呈现下降趋势，四川、河南、广东跃居2019年借款总额前三名，福建、浙江、江苏无缘前十。从借款用途看，小微人群超半数借款，用于经营周转及生产物资购买；此外，小微企业2019年用于经营相关的培训费用占比，较2018年的6%有极大提升，由此可见，在小微经营过程中，对相关人员专业度要求越来越高。

面对新趋势，大数据风控技术要真正实现“普惠金融”的理念还需不断完善。吴海生坦言，虽然行业里有不少公司在对外宣讲大数据风控，但实际上仅仅是把机器学习（最典型的就是GBST、Xgboost等树模型）应用到建模中，替代传统评分卡。虽然这样做也能带来一些收益，但远远不够。

吴海生指出，真正的大数据风控应该满足大量特征数据、强大计算能力、稳定的三方资信数据等标准。“互联网公司有大量的用户行为日志，这些数据经过处理可以衍生出成千上万，甚至几十万的特征维度，这些特征单独拿出来都不强，但组合起来可能非常有效。这些数据很难造假，对欺诈防范有很大的益处”。

除了平台数据，还需要稳定的三方资信数据。“针对三方资信数据的稳定性问题，我们采用的方案是线上同时运行多套模型和策略，一方面相互作为灾备方案，在一套策略失效的情况，自动切换到其他策略，保证系统的稳定性；另一方面，我们也通过这种挑战者机制，对比不同模型间的效果差异，从而不断地提升系统效果。”吴海生介绍。

有了大量数据，下一步是处理数据。吴海生表示，“大数据风控要处理大量数据，且对时效性要求较高，因此势必要求系统底层有强大的运算能力。我们搭建了一套实时数据流系统，可以做到数据秒级更新，这样能最大程度降低数据延迟，可以识别一些短时、集中性的团伙欺诈。但搭建这样的系统，前期需要较大的资源投入，门槛较高，很少有公司愿意这么做。”