編輯導語：物流行業金融資金需求大，然而當下物流行業、尤其小微物流企業的金融需求并沒有被完善滿足，因此這一方面的市場發展還有很大空間。本篇文章里，作者基于對當前物流行業的理解，結合數據分析，對小微物流的普惠金融發展做出一定分析，讓我們來看一下。

全國持證的小微企業包括個體工商戶的主體的數量大概在1.1~1.3個億不等，因為統計口徑不完全一樣，從銀保監會公布的小微企業的貸款覆蓋率來看，截止到去年7月份，當時銀保監會新聞發言中提到滿足了3007萬的小微及個體工商戶的信貸供給。

那么3007萬相比1.1~1.3億的總量，大概占1/4左右，也就是說有1/4的小微企業隨著過去兩年普惠金融的快速發展，確實得到了金融機構的資金供給。而物流行業的金融服務可得性遠遠低于這個占比。

今年的《中國銀保監會辦公廳關于2021年進一步推動小微企業金融服務高質量發展的通知》中提到“依托產業鏈供應鏈的交易數據、資金流和物流信息，有序發展面向上下游小微企業的信用融資和應收賬款、預付款、存貨、倉單等動產質押融資業務?！?/p>

“完善‘敢貸愿貸’內部機制。銀行業金融機構要對照商業銀行小微企業金融服務監管評價指標，進一步完善內部機制體制，強化對小微企業‘敢貸愿貸’的內生動力。要不折不扣落實‘普惠金融類指標在內部績效考核指標中權重占比10%以上’的政策要求?！?/p>

其實表明，銀行等金融機構將要加大力度在物流行業的支持。核心物流企業的模式，其實在銀行體系已經算是較成熟，那小微物流普惠金融如何做、怎么做得好，其實現在的金融機構都還在摸索中。

獵人基于對物流行業的一些淺顯的理解及相關的數據應用的邏輯經驗，結合行業大牛們公開的經驗材料，從以下幾個方面分享給各位讀者。

一、物流運輸服務及物流運輸發展現狀

1. 2020年全國物流運行情況

1) 社會物流總額增速持續回升

2020年全國社會物流總額300.1萬億元，按可比價格計算，同比增長3.5%。

2) 社會物流總費用與GDP的比率基本持平

2020年社會物流總費用14.9萬億元，同比增長2.0%。社會物流總費用與GDP的比率為14.7%，與上年基本持平。

從結構看，運輸費用7.8萬億元，增長0.1%；保管費用5.1萬億元，增長3.9%；管理費用1.9萬億元，增長1.3%。公路運輸費用占社會物流總費用的50.2%。

3) 物流業總收入實現小幅增長

2020年物流業總收入10.5萬億元，比上年增長2.2%。

運輸費用接近8萬億元，物流企業的費用的規模其實可以看成物流企業資金周轉的潛在缺口，無非是這個缺口實際上的百分比是多少。而根據公開數據顯示，資金缺口在3萬億以上，要知道頭部平臺微粒貸的累計放款規模也就2萬億左右。而2020年末，我國普惠小微貸款余額也才突破15萬億，2020年全年銀行業累計發放普惠小微信用貸款3.9萬億元。

所以物流費用金融這個市場的確是事實上的“運輸大市場”，而整個行業屬于“運力小企業”，從“企”“車”“人”三方面體現。

企業方面，物流相關法人單位40萬家左右（這里的40萬家應該是指有營運資質的企業，有些公開數據顯示物流行業相關機構超700萬家，這個數據應該是涵蓋了大部分的個體戶），2020年我國物流企業50強實現物流業務收入1.1萬億元，同比增長15%，第50名的企業物流營業收入超過37億元，同比增長19%。

也就是50家頭部物流企業收入占比10.5%，按照40萬家口徑，則剩下的企業平均年收入2000多萬，按照700萬家口徑，則每家年收入130萬左右。中小微物流企業超90%,有30%物流企業處于虧損狀態，利潤率不足往年的一半。

貨車方面：而整個物流運輸行業有超2000萬輛貨車，其中擁有貨運車輛數在50輛及以上的企業，大約3萬家。

從業人員方面：國家統計局的運輸道路從業人員數量為365萬（應該是按照在冊運輸許可資格數量計算）。而從一些公開渠道查得的數據整個行業從業人員超過5000萬人，運輸相關從業人員約在1800萬。正常一車多人，至少一車一人才算比較正常，這樣折算，也有近1500萬貨車司機是無道路運輸從業資格。

所以銀行愿意為這365萬司機提供金融服務，還是1500萬貨車司機提供金融服務？獵人推測，1500萬貨車司機大部分都是4.5噸以下貨車從業者。

這些數據其實反應了描述物流行業特別是小微物流企業貨運群體“小”“散”“多”“弱”。

雖然整個市場金融需求非常大，但很多物流企業特別是中小企業因為自身抵押物有限、征信數據難以獲得等原因面臨融資難、融資貴的問題，且業務開展過程中存在需要貨物押金、運費結算不及時、應收賬款與票據賬期過長的問題。

2.?全國物流商用車市場發展規模

近年來，中國商用車市場規模整體平穩上升。2019年，中國商用車總銷量約289萬輛，與前一年相比保持穩定。其中，中重卡銷量約131萬輛，輕卡銷量達143萬輛。

與乘用車不同，商用車作為生產工具擔負著運輸職能，與宏觀經濟的發展趨勢關聯度較高。

輕卡雖然也具有一定的周期性，但總體來看作為城際物流和城市配送主力，在城鎮化等因素推動下有望恢復增長趨勢?！案删€運輸+區域分撥”的物流模式逐步得到推廣，輕卡作為支線城際物流和城市配送的主力地位也得到提升。

同時，快遞、冷鏈、?；认掠挝锪骷毞诸I域不斷發展，與之對應的細分輕卡需求也得到推動。2019年，各地落實取消4.5噸及以下普通貨運從業資格證和車輛營運證，一定程度上降低了輕卡購車阻力。

從2013-2019年國內運輸商用車歷史銷量來看，商用車的銷售其實穩中有漲。年銷量基本可以保持在200萬輛以上浮動。

運輸商用車的市場規模在2019年也達到了2770億，整體規模還是非常不錯。其中中重卡因其產品單價高和車隊掛靠機制成熟的特點，2019年金融滲透率高達85%，并將繼續緩慢提升。因此，中重卡成為商用車金融的主力細分市場，占據整體市場約83%。輕卡市場金融滲透率較中重卡則低得多，僅為35%，發展空間巨大，將保持穩步上升的趨勢。

二、小微物流普惠金融行業需求及發展難點

1. 小微物流企業金融資金需求及難點

整個物流行業的資金需求普遍包括基礎配套設施投入、線下網點建設、運輸車輛以及人員投入。

另外由于行業的特殊性，雖然合同穩定，但結算周期長，企業的應收賬款的壓力大，尤其在業務旺期，客戶越多、客戶規模越大，物流企業流動資金占壓越大。因此企業可持續發展的現金流的需求也占大頭。

而小微物流企業流動資金需求大體上與頭部物流企業差別不大，如墊資運營，來滿足日常運營中的工資支付、設備租賃費、燃油費、過橋過路費、購置車輛和車輛維修費等資金需要。但由于小微物流企業處于物流產業鏈的最下游，大多數個體戶小老板，自有資金池小，融資渠道路徑少，賬期長導致的資金周轉影響更大，融資需求非常急迫。

物流行業企業資金需求點非常多，正常情況如果有金融機構愿意提供金融服務，物流企業們應該是非常歡迎的。

但實際情況是整個物流行業費用的融資需求獲貸率<10%，90%的物流企業無法獲得貸款，物流運費墊資貸款需求95%是無金融機構愿意滿足。很多金融機構的金融產品進件門檻有一條是將物流行業設為禁入行業，整個物流行業融資環境都如此不順暢，那處于物流行業末端的小微物流企業普惠金融需要突破也更困難。

在金融機構眼里，有數據的企業才是可以準入的，沒數據的行業至少也要有資產，沒數據沒資產的企業則沒啥希望了。

這里的數據其實主要指企業自行可以提供的標準化后的納稅、流水、應收等可以直觀體現企業收入能力及持續經營能力的數據，當然互聯網金融的崛起更多的是金融機構擁有通過三方數據渠道獲取直接或間接體現納稅、流水、應收等數據來判斷企業資質。沒數據的情況下，企業有相關資產可以抵押，這種途徑則是最為傳統便捷的方式。

所以才有以下銀行針對常規企業，授信邏輯主要有三種：

1. 押品信用——借款主體能提供合格足值押品，從而依據押品信用進行授信。也就是根據資產現有價值抵押折算后進行授信。
2. 主體信用——銀行通過借款主體可信的財務及運營信息來確定授信額度和風險定價。
3. 交易信用——交易背景是真實的、連續的，并且能夠通過評估違約成本（行業聲譽等）或鎖定交易資金作為還款來源等方式進行放款。

這種授信邏輯簡單粗暴有效，但如果是小微物流企業，大部分都是個體戶，要資產沒資產，連車可能都是別人掛靠的；要數據沒數據，都是簡單的紙質記賬，個體戶無法保障可持續地運營。

即使能提供一些相關數據，但交易信息極其碎片化，交易環節復雜，組織化程度低，交易信息沒有統一標準，連最基本的運單真實性都難以核實，因此在金融機構眼里小微物流企業缺乏最基本的交易信用。

2. 小微物流貨車司機金融資金需求及難點

貨車司機群體比較特殊，大多屬于個體戶，但風控模型卻使用個人金融的風控邏輯。對于貨運司機群體，普遍的資金需求包括貸款買車、自付運營費用（過路費、油費、維修費等）及日常生活消費。由于物流行業企業普遍的相互賬款周期較長的原因，其也會有拖欠報銷司機的墊資行為。

小微物流司機普惠金融發展難點

小微物流企業普惠金融這么難做，那是否小微物流的貨運司機群體會好點呢？怎么說也算是個人金融，互聯網的個人金融產品成熟、風控能力成熟，有些網絡貨運平臺也有大部分司機運營收入的數據，這樣乍一看，應該是個藍海。

但一旦扎進去，發現不是那么一回事，欺詐壞賬都超出防范范圍，導致整個金融行業即使是垂直于物流行業的核心企業也不太敢大規模鉆進這個市場，什么原因呢？

我們先看看金融金融眼里的小微物流貨車司機畫像。

①?整體資質相對較低

貨車司機群體在金融機構對用戶群的劃分屬于較低資質，可能也就比那些無業游民好點。無論是企業自雇還是第三方雇用，大部分的小微物流司機大多來自農村（他雇司機和自雇司機中來自農村的都占了80%上下）。與其他農民工可以從事的工作相比，從事卡車運輸依然是一份有著“較好的看得見的收入”，且看上去似乎更加自由的工作。

②?掛靠便捷、司企關系不穩定

據統計，全行業掛靠比例至少超55%以上，自養車隊一般受限于成本，只會維持一個常規數量，由于物流行業每年行情波動，通過掛靠車輛去滿足高峰期業務需求，是更好控制成本的方式。

借用掛靠公司的名義登記入戶，獲取道路運輸資格，公司則收取一定的掛靠費用，為掛靠車主提供適于營運的條件”。掛靠僅僅是一種形式上的隸屬關系，卡車司機實際上仍然是自主運營的個體戶。

掛靠之所以成為一種支配性的行業制度，是因為國家政策傾向于運輸業的集約化、規?；洜I，因而大部分地方政府明確要求貨運車輛掛靠公司。

一方面，物流企業出于成本考慮，自養車越來越少，合作車和平臺車越來越多，這意味著越來越多的司機屬于“召之即來，揮之即去”的臨時性雇傭司機，這也導致其缺乏相對正規化的福利和保障制度的保護。另一方面，物流企業與客戶之間的關系也越來越趨向于理性化，交易越來越成為交易，而曾經附著于交易層面的關系屬性則越來越淡薄。

③? 收入不穩定、還貸壓力大

掛靠司機的存在是需要司機自有車輛，通過貸款購車成為掛靠司機的常用手段，但隨便一臺貨車單價都非常高，對于貨運司機這個群體來說，壓力還是非常大，且現在的收入水平用來還貸也是比較困難。

“掛靠”制度一方面造成了貨運市場準入門檻過低，卡車司機通過掛靠公司可以很方便地取得運營資格，這反過來又導致貨運市場上形成車多貨少的惡性競爭格局。

另一方面，“掛靠”制度也推動卡車司機成為中國“最大的債務工作群體”，因為大部分卡車司機是通過掛靠公司來申請銀行貸款買車的，或者掛靠公司本身就經營放貸業務。

而當卡車司機出于還貸壓力，不得不最大程度地自我壓榨其勞動力以投入到貨運業的趕工游戲時，又遇到了國家政策帶來的另一重挑戰，即近些年來的環保治理轉向。

環保指標在地方政府的政績考核中所占的分量越來越重，環保部門因此對貨運卡車的污染排放量、車型車體等技術標準提出了嚴格要求，這導致了卡車的使用周期比以往縮短，卡車司機必須不斷加快其運輸工具的更新換代才能跟上越來越嚴格的環保政策。這反過來導致了運營成本的提高和還貸壓力上升的循環。

④ 唯一的主要收入來源

由于掛靠現象的存在，代表55%以上都是貨運個體，掛靠主要是甲方市場，物流企業把控了掛靠的主動權，誰成本低就和誰合作，導致司機們只能競價合作，主動降低了收入水平。而99%的貨車司機一般只有這唯一的一份收入來源。

⑤ 平均工作時長

貨車為貨車司機工作工具，貸款買車的還貸周期短，還款壓力大，司機需要每個月保障穩定的收入才可以保障還貸準時。

而要實現穩定，會對卡車司機找貨的方式、接受的運價、行車的路線、駕駛的習慣、圍繞工作的日常生活產生了直接影響，導致其更容易接受雖然可能更不穩定、條件更為苛刻，但能夠保持持續現金流收入的工作。

這就導致長途訂單司機期望可以縮短交付時間提高效率，犧牲休息時間長時間駕駛則是最簡單的方式，貨運疲勞駕駛則成為常態。

⑥ 貨少車多、單價下降

掛靠現象的存在其實就是常規業務量自養車輛基本滿足，特殊行情引起的增量需求則掛靠群體去瓜分。且由于網絡貨運的崛起，傳統的依靠微信群交換訂單的方式，本就小范圍內進行分配，但網絡的出現打破了傳播范圍及群體對象。本來可以就幾百米范圍內的幾臺車搶單變成幾公里范圍的幾百臺空閑車輛搶單。那拼價格是貨車群體最能掌控的唯一方式了。

⑦ 作業習慣波動大

物流企業自有的貨運司機一般都有固定的干線，但掛靠群體由于經常換掛靠企業，不同物流企業的訂單來源不一樣，所以運輸干線也非固定不變。熟悉干線的群體，駕駛過程更順暢及安全，不熟悉干線的群體由于訂單送貨周期及時間問題，往往會出現延遲或出現小事故等。

以上七大點，金融機構會認為司機群體存在非常大的不確定的風險。

另外金融機構主要看的一個指標——收入水平也不樂觀，小微物流貨車司機平均工資8千元以下占比84%，0.8萬-1.2萬占比12%，1.2萬-1.5萬占3%，1.5萬以上僅1%，也就是月薪過萬的也就10%左右。

針對風險大且收入不高的群體，金融機構應該提供什么的金融產品可以同時滿足這個公式——（風險成本+運營成本+資金成本）≦（利息收入+中間業務收入）？金融機構會覺得額度低的產品，賺的錢可能都無法覆蓋風險，大概率是直接“敬而遠之”。

3.物流金融融資業務模式對比

1）第三方龍頭物流企業融資平臺模式

該模式下，物流企業可聯結不同行業的產業鏈，向商業銀行推薦產業鏈上的優質企業，代理銀行向客戶提供供應鏈融資增值服務的質押、信用、擔保融資監管，實現客戶基于供應鏈金融的融資需求。

第三方龍頭企業掌握合作的物流企業的在該體系下的訂單情況、收入情況、運力情況及運營持續時間等金融機構授信剛需的核心數據。

第三方龍頭物流企業融資平臺模式其實就是誰和頭部物流企業玩得久、玩得好，就有資格得到頭部物流企業的增信獲得金融機構的授信，圈子外的或者剛進來的物流企業，短期內無法順利得到頭部物流企業的認可及達到金融機構的進件要求。

2）小微物流為主的普惠金融模式

該模式下，小微物流企業無法通過質押、信用、擔保融資等方式進行融資，而金融機構也無法從小微物流企業端獲取足夠的數據支撐，大多需要聯合三方服務機構，借助其三方機構覆蓋的物流企業資質數據、物流企業運力數據、物流企業運營情況等多維合規權威數據盡量滿足小微物流企業融資需求。

數據源主要分為兩類來源，一類是政府端與物流相關的數據，如高速貨車通行數據、物流信息中心的運證相關數據、公安部門的貨運違章數據、信用中國體系的小微物流企業紅黑名單；另一類是企業系統服務商，如TMS機構、支付公司、ERP公司當然也包括核心企業。企業系統服務商的數據為建模評價小微物流企業的資質能力，政府端數據驗證相關數據的準確性及可信度。

4.?數據寶在小微物流金融實踐方案

1）頭部物流集團物流金融模式

頭部物流集團圍繞集團內各業務線合作商戶的資金需求場景，規劃了對應的金融產品。

①?承運商金融

如針對承運商的自有車輛或外部合作商的運費墊資需求，提供運費貸產品。

針對承運商的自有車輛或外部合作商的車輛車險保費分期需求，提供車險保費分期產品。

這塊產品頭部物流企業通過與承運商的合約賬期及運費應付賬款等相關數據及集團對行業普遍的運費及保費實際金額需求進行聯合分析，為相關產品提供產品定價及根據合作賬期進行風險防控。

② 小微企業金融

賦能鏈條上的小微企業，頭部物流集團為長期提供經營服務的小微企業的倉儲服務提供倉單貸，通過小微企業的經營數據提供以經營數據為主的純信用經營性貸款。

倉儲服務是通過倉儲貨物的量級及價值進行定價，通過限制倉品進出庫防控風險。純信用經營性貸款是根據倉單及進出頻率間接預估小微企業貨物銷售額，以此判斷小微企業收入情況及可持續情況。

③ 直營網點金融

針對直營網點的日常經營情況，頭部物流集團可以通過集團內部系統清晰看到各直營網點的實際經營情況，同時結合經營數據提供針對經營流動資金需求的網點貸。

④ 采購商金融

針對長期合作的采購商，頭部物流集團與采購商長期的采購關系，對采購商的經營能力及發展需求相對比較清楚，同時由于長期采購一直存在，應付賬款也會有周期性的結算周期。

通過基于應付賬款行為為采購商提供一定的杠桿資金支持如應收賬款融資，幫助采購商更好的解決大部分的賬期墊資問題，提高資金的回籠效率，而頭部物流企業通過應付賬款的賬期來防控風險，相對該類融資產品可控性較高。

⑤ 經銷商金融

頭部物流集團的經銷商們，長期存在渠道、銷售、鋪貨、墊資等經營活動資金需求，其可以向頭部物流集團提供在手訂單預付款憑證，獲得頭部物流集團的資金支持，緩解資金壓力。

圍繞頭部物流集團的各自金融產品，單純從數據角度，基本都是只能知道合作的資金需求企業的經營能力及經營穩定性，對于相關企業的信用水平一般是根據頭部物流集團對其商譽的認知及認可程度，當然這個過程肯定需要借助征信體系的相關數據進行更理性的判斷。

2）政府數據+企業數據在小微物流金融實踐方案

如果說頭部物流企業集團是通過集團內對各合作伙伴的強合作關系及無比清晰的數據鏈為授信基礎，輔助性結合外部數據的物流金融模式，這類模式無太大的普及能力，那通過政府的數據普惠結合三方物流系統服務平臺相結合的小微普惠金融模式應該值得相關機構研究參考。

小微物流金融的對象比較下沉，主要針對的是小微物流企業、車隊等群體。這類群體與頭部物流企業的合作關系也不全是完全穩定，因此無法通過頭部物流企業去聯合服務。

這類企業的數據大多可以在物流行業的系統服務商如TMS系統服務商內找到相對完整的或者能滿足授信的最少量級的經營數據，用于證明其營收水平及穩定性。

而單純TMS的數據維度及數據表現在金融風控模型中無法得到很好的識別，金融機構的認可度也不高，因此還需要結合政府端的權威數據，如在交通部記錄的高速卡口記錄的相關數據、ETC通行過程的產生的數據、在工信部記錄的車輛大數據、在工商部或信用中國記錄的企業信用情況及在司法部門記錄的被執行、涉訴情況等。

數據足夠多后，相應的風控模型能力可以雙方聯合實現或者再引入三方風控公司共同打造定制化的風控模型，實現針對小微企業的初步的識別判斷，最后由金融機構自身的風控能力做最后判斷。

三、小微物流普惠金融的數據驅動模式

1.?常用數據類型

常規的物流企業金融風控必備的數據排名，依次是訂單合同數據、歷史交易數據、財務報表數據、銀行征信數據、物流倉儲數據、生產運營數據、法院數據、工商市場監督管理數據、稅務數據、中登動產融資數據及關檢匯相關數據等。

其中隨著這兩年部委的數據開放，高速卡口數據及ETC支付數據也被相關企業在物流普惠金融業務中使用，且得到很好的效果提升。

以上這些數據融合企業內部數據、外部企業數據及官方數據三方面，涵蓋了人車企三個角度的數據類型，可以全方位地體現客戶的物流、信息流及資金流的相關情況。

2.?數據驅動小微物流金融場景

小微物流線上身份資質驗證場景都必須的，如法人、車主或司機的身份驗證，包括身份證、銀行卡及手機號認證、企業、司機及車輛的營運相關資質證明。

銀行小微物流普惠金融場景，在貸前的欺詐行為、信用情況及身份真實性的判斷；貸中的通過歷史消費能力判斷借款能力，償還貸款的能力的評估；貸后的異常行為識別及預警，如消費能力的突然下降、消費偏好的改變等。當然針對還款正常的群體，銀行會通過數據挖掘為這些群體提供更多的匹配的衍生服務，獲得更多的收益。

小微物流投保場景，主打物流企業財險、貨車險或貨車司機相關保險場景的保司會在這些對象投保前進行身份真實性驗證，包括投保人、被保險人及受益人三方身份真實性確認。

針對已有的數據給投保群體進行風險定價，特別是由于商車險政策的出臺，針對貨車的財險產品定價空間更大，因此不同的貨車由于歷史出現或平常的不良駕駛行為等數據表現會導致保費是不一樣的。在保前針對大額訂單，保司甚至會派專員進行線下的風險查勘，降低線上數據不足評估不到位的潛在風險。

而保中一般會看出險概率，出險概率一般看司機歷史的出險情況、日常的駕駛行為、運輸路線是否穩定、出行時間是早上還是晚上等綜合判斷。

反欺詐識別也會同步進行，司機群體在金融科技板塊其實屬于個人信貸場景，個人信貸的一大風險點就是團伙欺詐及身份冒用等。當然如果貨車司機順利獲得投保資格，且數據上體現的風險指數穩定，則有可能獲得保司的類似意外險贈送、加油貸貸款名額等增值服務機會。

經過一段時間的保后觀察，一些有前瞻意識的保司或助保機構會通過存量數據挖掘找到更多的司機群體的其他需求進而進行新產品研發或增值服務提供數據支撐。

如滿幫集團聯合數據寶通過平安財險推出的針對內部司機群體的空載險產品，滿幫對內進行數據挖掘，發現起碼有50%以上司機存在空載回程。而空載回程成本高，司機群體需要有保險產品來降低空載的成本，同時空載如果判斷及識別，需要有權威的數據來源——數據寶的高速卡口載重數據，基于以上幾點推出了空載險。

空載險針對的信息不對稱致使配貨時間長、空駛率高的行業情況。一般的中小型制造業，沒有自己的物流運輸系統，需要物流公司提供貨運服務。在發貨時為了貨物的安全很少直接委托社會車輛進行運輸，一般會根據企業體量大小、貨物重要程度分為幾種選擇。

一是選擇過去有過合作的熟車個體戶代為運輸，這僅適用于貨運量不大的情況。

二是委托第三方物流公司代為運輸和配送，這要求企業有較為穩定且大量的貨源。

三是把運輸任務委托給信息部，也就是貨代，一級貨代可能還會進一步委托給二級貨代，貨代對運力資源市場的貨運價格、運輸路線、貨車數量、信用保障水平較為了解，他們一般會選擇信用保障水平較高的第三方物流企業或者熟車來完成運輸和配送任務。

在信息從貨主到最后實際貨物運輸方的多級傳遞過程中，信息不對稱問題日漸凸顯。貨主自己找不到合適的運輸車輛，轉給貨代，貨代收取費用同時耗費了時間；而司機在完成一單貨物運輸后，回程無貨可運，只能空載返回或者去附近的物流集散市場找貨運。貨主和運輸方信息難以快速準確地進行匹配，導致有人無車可用，有車無貨可運，浪費了運力和時間，整體配貨時間長、空駛率高，經營效率亟待提高。

物流企業日常運營需要對新招的快遞員、貨運司機的身份進行驗證，通過多方數據交叉分析支撐針對司機運力能力、運輸偏好及信用情況等方面進行判斷，用于后續優化運力做數據支撐。

而針對開展物流供應鏈金融的核心物流企業來說，以上數據也是必不可少的。而在攬件收貨及計件環節大多是針對收、寄件人身份驗證，若后續發現危險物品方便追溯。而物流企業還有一個需要通過外部數據才能實現的重要功能，對合作的三方物流企業進行資質驗證及貨物安全管控。

網絡貨運機構主要針對的是貨主、承運人的身份及資質驗證，特別是對承運人運力能力偏好及成本的管控，以便于后續實現智慧運力分配的目的。網絡貨運機構比傳統物流企業做得更好的是信息化方面，也就是數據的采集、存儲都相關全面標準及完整，同時由于網絡貨運機構需要靠網絡規模來增加估值，所以想法設法開展可控的增值服務，如針對貨車司機及物流企業的信貸、針對貨車的保險、針對二手商用車的交易等。

車輛融資場景，租前需要對租車人人身進行驗證，對其信用情況進行評估，同時對租賃分期的客群進行還款能力審核以判斷該用戶適合租賃那類等級車輛。租中需要對租賃車輛軌跡進行監控跟蹤，

3.?常規物流金融流程搭建

常規的物流金融離不開成熟的風控體系，流程大致包括7個流程：

1. 申請環節：派專人實地考察（多為非信用類金融產品或大額信用產品）、風控人員通過專人現場視頻連線進行遠程考察核驗，專人在現場開展進件工作。
2. 授信環節：進件過程現場填寫的材料結合線上能查詢的數據作為反欺詐及準入篩選的支撐，人工＋大數據雙重核驗。除互聯網數據、第三方機構數據外，公司結合業務需求打通對接三方車輛數據，更加貼合業務場景。
3. 額度環節：準入后則需要開始初始貸款額度評估，最終的額度需要扣除信用額度，額度算出來后，進行借款資格審批，這里加強資質的審核，審核沒問題就可以正式獲得貸款了，靈活匹配用戶需求與資質。針對借款用戶構建信用評估體系，基于信用評估定期給與授信額度調增調減凍結。
4. 借款環節：針對已獲貸的客戶必須保證信息完整、嚴格披露。在每一筆進行嚴格審批的前提下，對大額借款用戶核驗，同時設立審查監督金對借款人進行約束。
5. 還款環節：放款后，金融機構在企業正式還完款前會一直通過線上數據變化情況實現長期的風險識別，線下會不定期安排專人線下巡視查看企業運營情況。
6. 違約環節：針對不同的風險情況進行分級定制對應的風險策略，將突發的風險情況以最低的成本最快的方式解決掉。處理方式一般通過短信提醒、語音電話、上門拜訪等，對催收還款環節給與策略性指導，設置黑名單。
7. 催收環節：需要實現高效數據化動態識別。對逾期欠款用戶分級管理，建立并完善催收系統，提升貸后管理效率。

以上七大流程，總結起來就是貸前、中、后三大環節，每個環節方法都會通過多源數據，融合計算結合一定的模型算法得出最終的評分，分數代表不同的識別等級。

貸前主要有三大方法，反欺詐、評分卡風控及額度評估。

反欺詐主要使用的數據包括內部數據、外部數據及合作的平臺數據。評分卡需要有相關數據識別企業外部風險、企業內部風險、關聯企業風險。額度方面需要有資產證明、購銷合同、納稅申報表或可以替代的線上權威數據。

貸中需要搭建針對有效訂單的風控方法、運價風控的方法及支用風控。

有效訂單需要通過汽車油耗數據、訂單數據及定位數據直接或間接識別有效訂單及訂單價值。運價風控需要通過汽車油耗、訂單數據及ETC數據綜合識別運價真實情況，從而得知企業的部分財務真實數據。支用風控需要獲取司機運費、保險費用及汽配費用，通過費用側識別支出的貸前貸中的變動指數，用于識別是否存在騙貸可能。

貸后則主要是搭建風險監控，通過日常監控、訂單統計及運力分析，持續性監控可以體現企業運營異常狀態。

4.?小微物流金融風控體系

小微物流金融風控體系與常規物流金融風控體系有著明顯差別，主要是小微物流金融主要的金融產品額度不高，主要通過線上全自動審核，所以能夠使用的數據來源決定了小微物流金融的可行性。

在客戶申請環節，主要有全自動的準入模型，進行身份冒用的偽冒識別、對申請人的信息進行核驗，同時進行準入判斷，準入模型中一般會有拒絕類規則，前置篩選掉不符合的客群，反欺詐模型用于精準的欺詐識別。

欺詐類型包括幫助金融機構推薦客戶的渠道欺詐，公安司法黑名單一般是拒絕類規則的一種。多頭借貸屬于準入模型的額度評估兼準入拒絕類規則的一種。聚類分析一般可以用來分析團伙欺詐，交叉驗證是為了更精確的判斷身份真實性及數據真實性。

評分卡模型，囊括申請企業及主要關聯人的企業和人員特征、經營水平、穩定性、流動性、凈資產等指標，優先使用的是直接的數據其次是間接數據。無論是直接還是間接數據，過程中都會根據人工經驗或技術模型進行特征衍生。評分卡配合著決策矩陣使用，簡單理解為按照評分分為三類，拒絕、人工審核或通過。

評分卡準入后，需要通過現金流模型，基于收款現金流測算小微物流企業或個體戶（司機）的經營情況以及現金流動性狀況，圍繞核心上下游，測算額度賬期，用于匹配或制定金融產品額度、利率及還款周期等。

小微物流普惠金融基本上都是無抵押的信用類金融產品，額度不會高，主要能獲取現金流判斷借還款能力即可，其他的信用數據相對還是好獲取。唯一無法判斷的是有足夠的還款能力及信用夠好，但也不能保障其會一定按時還款。

貸中貸后會有指標監控，主要監控資金流水穩定性、還款異常、互聯網數據異常等。

壞賬環節也涉及到逾期催收、會借助運營商的失聯修復等。

總地來說，小微物流普惠金融主要的環節還是貸前的各種模型策略及數據可用度。而貸后的人性問題不是數據能體現出來的。所以針對小微物流中的貨車司機群體，貸前做的好，但貸后問題多，這個行業內都在找比較好的解決方案。

5. 物流企業金融風險識別體系

1)?企業基本信用信息動態識別

企業基本信用信息動態識別包括企業基本信息識別以及企業不良記錄識別。

• 企業基本信息識別其特征：企業工商登記信息以及企業道路運輸經營許可信息，分析企業經營主體是否取得相應資質證照，動態識別企業經營主體法人、股東變更情況，動態識別企業經營性質是否發生變更。
• 企業不良記錄識別其特征：包括企業國稅欠稅信息查詢、企業司法信息、企業運政信息以及企業網貸黑名單查詢，分析企業是否有網貸黑名單，出現網貸黑名單將導致企業違約風險上升，企業經營主體司法官司、仲裁是否具有違約風險的因素。

2）法人基本信用信息動態識別

包括法人基本信息識別、法人不良信息識別以及法人風險預警。

法人不良信息識別包括法人司法信息、法人不良信息查詢、法人網貸黑名單驗證以及法人網貸黑名單查詢，所述法人風險預警包括法人金融風險預警查詢，對可能出現風險的信息進行預警，法人是否有網貸黑名單，出現網貸黑名單將導致企業違約風險上升，法人司法官司是否具有違約風險的因素。

3）承運安全識別

包括承運人資質識別以及承運車輛資質識別。

承運人資質識別包括身份證核驗、上崗證、駕駛證狀態查詢以及駕駛證要素查詢，動態識別駕駛人員資質證照，規避因駕駛員無照上崗違法情況下，出現交通事故保險公司拒賠的風險。

車輛資質識別包括行駛證狀態查詢、車輛營運證、車輛入網核驗以及車輛當前所在區縣核驗，動態識別車輛資質信息，規避車輛無資質違法上路情況下，出現交通事故保險公司拒賠的風險。

4）承運風險承擔能力識別

包括業務保單、車輛保單。

• 業務保單包括業務保單查詢。
• 車輛保單包括車輛保單查詢，動態識別企業承運風險能力，分別對實際業務及承運車輛保險進行識別來保障貨物承運風險承擔能力。

5）企業經營業務真實性識別

需要運單數據、車輛軌跡數據、車輛進出高速卡口數據、車輛高速稱重數據、業務保單數據。

企業經營業務識別包括業務真實性識別。

所述業務真實性識別包括運單數據、車輛軌跡數據、車輛進出高速卡口數據、高速稱重數據以及業務保單數據，用業務數據中的起止地數據、車輛軌跡數據、車輛進出高速卡口地點數據、貨物重量數據、高速稱重數據、業務保險數據六個維度校驗業務真實性，動態識別企業業務數據真實性，規避企業業務虛假導致違約風險上升。

用業務數據中的起止地數據、車輛軌跡數據、車輛進出高速卡口地點數據校驗車輛運行真實性，用業務數據中的貨物重量數據、高速稱重數據校驗業務中的真實性，用業務數據、業務保單數據核驗數據一致性。

6）企業財務流動性風險識別

企業財稅數據動態識別；所述企業財稅數據動態識別包括企業增值稅專用發票數據、企業銀行流水數據，通過企業增值稅專用發票數據、銀行流水數據、業務數據匯總數據三個維度校驗企業業務真實性及應收賬款回款穩定性分析識別企業經營過程中的財務流動性風險。

6.?物流貨車司機風險識別體系

針對物流貨車司機群體，基本是頭部物流企業、網絡貨運平臺及區域物流信息中心等掌握大部分物流司機群體運營數據的機構與金融機構聯合發起。使用互聯網金融的金融產品體系及風控體系。需要打造車主金融信貸數據體系及車輛運營數據庫。

車主金融信貸數據體系包括車主的貸款和還款數據、車主個人信息（例如，姓名、身份證號等）、車主擁有的車輛的信息（例如，車輛牌照、車型、載重 量等）、及車主的金融信貸數據（例如，至少包括車主的貸款和還款數據）、車主擁有的車輛的信息、車主的金融信貸數據。

車輛運營數據庫需要涵蓋：車輛運營級別、車輛新舊程度、車輛行駛道路情況、車輛維修記錄、車輛油耗記錄、車輛違章記錄。

在物流行業中，從事物流行業的人員，物流是從事物流運輸的車主、供貨方、收貨方等，與傳統的互聯網用戶的行為明顯不同。

特別是從事物流運輸的車主，他們從事電商交易與金融活動的頻次較少，無法獲取他們的資金及使用狀況。因此，互聯網金融中常見的風控模型在物流行業中很難發揮應有的價值。

所以物流貨車司機金融體系有兩大難點，上述的數據維度難獲取，因為大部分企業掌握的數據維度都是片面不全面的，需要有權威第三方數據輔助驗證。另外一點其實就是上文提到的貨車司機的畫像情況，貨車司機在金融客群里中屬于較低層級，且由于收入不穩定等，導致逾期壞賬等都較難降低。

四、數據驅動普惠金融創新展望

相關數據的豐富度及相關度直接影響了小微物流普惠金融的普惠規模，因此發展小微物流普惠需要有足夠多的相關性強的數據源。

傳統物流金融的數據源的來源由主要依賴頭部物流企業、核心企業及頭部物流系統服務商等，小微普惠物流金融的數據源主要依賴相關市場化政府部門（除央行征信外，也包括交通部、物流信息中心等）。同時隨著新能源及智能汽車的快速發展，車載OBU等車載設備大廠商也會成為比較核心的數據來源。

而小微普惠物流金融的需求方多為個體戶及貨車司機，模式上類似互聯網C端金融，客群相對下沉，因此為了更好地識別這類群體的多頭借貸及不良因素，需要整個小微物流行業共建類似金融協會等行業組織形成小微物流行業聯盟信用體，打造行業企業及貨車司機黑名單數據庫，協助金融機構降低小微物流金融違約及壞賬率，提高金融機構進入小微物流普惠金融的意愿。

參考文獻及材料

1.艾瑞咨詢：2017年中國物流科技行業研究報告

2.艾瑞咨詢：2019年中國物流服務行業研究報告

3.貨運行業從業人數驟減，已不足1800萬人，90后剛入行就后悔

4.國家發改委：我國物流企業40多萬家 從業人員超5000萬人

5.2020年物流運行情況：全國社會物流總額達300萬億元，總收入10.5萬億元

6.2017公路物流大數據70后80后是貨車司機“主力軍”

7.“雙重危機”與勞工研究再出發——以《中國卡車司機調查報告》三部曲為例

8.3000億商用車新車金融市場向用車金融市場發展，巨大潛力有待開發！

9.小微物流金融發展與模式創新等

#專欄作家#

大數據獵人，微信公眾號：大數據獵人，人人都是產品經理專欄作家。多年金融科技行業相關戰略研究、行業分析、商業模式及產品體系研究經驗，擅長政府數據+企業數據+公開數據多源數據融合流通交易及應用

本文原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 Unsplash，基于 CC0 協議