起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識破局小微企業融資難，對癥下藥還要對因治療
小微企業融資難似乎是一個眾所周知的問題，大部分的小微企業平均壽命只有3年，本身的風險性讓金融機構望而卻步，怎樣才能解決這個問題？筆者從數據、征信等多個方面給出了自己的思考。
治病救人，講究對癥下藥。但對癥下藥亦非究竟，若對癥不對因，就是頭疼醫頭、腳疼醫腳，治標不治本。小微企業亦然，融資難、融資貴是癥狀表現，廣拓融資渠道、降低貸款利率即是對癥治療，可緩一時之急；與此同時，還需追根溯源，探析病因。對因下藥，方是治本之策。
從經濟轉型的角度來看，服務業與科創型企業才代表未來方向；從當前行業的實踐來看，針對此類企業，信用貸款遠比質押貸款更有效率。而信用貸款，只能靠數據——低成本、批量化獲得企業真實經營數據（或能反映經營狀況的數據）。因此，能否低成本、批量化獲得小微企業真實的貸前貸后數據，成為解決當前小微企業融資難的根本出路。
從這個角度來說，小微金融的社會價值，不僅僅止步于發放了多少貸款，更大的價值在于為多少小微企業建立了信用檔案。
一、探因小微企業融資難
眾所周知，小微企業融資難，難在風控。
我國小微企業平均壽命只有3年，跨過這個坎，有望晉身大中型企業；邁不過去，就死掉了。對銀行來講，面對平均只能活3年的群體，風險管理就很難辦——在3年時間里經歷生老病死，企業經營狀況半年一小變、一年一大變，很可能申請貸款時一切正常，貸款剛發放，企業就由盛轉衰、行將就木了。
所以，做小微金融，貸前調查很重要，貸后管理更關鍵——要實時追蹤企業經營狀況，對于潛在風險早發現、早應對。但貸前調查就已不易，實時監測更是難上加難。淘寶、蘇寧等平臺企業，對線上商戶可實時監測，銀行沒這便利條件，若靠客戶經理實時盯防，人力成本太高，在商業上不可行。
問題是，小微企業是一塊大市場，政策層面又有要求，不能不做，怎么辦？抵質押擔保。抵押物在手，貸款發放后，企業經營狀況變好變壞不再重要，大不了處置抵押物。此時，小微金融風控難題迎刃而解——不僅貸后管理壓力減小，連貸前審查也輕松不少。
基于此，抵質押擔保成了銀行小微金融業務的主流模式。據央行數據，截至2018年末，銀行單戶授信500萬元以下的小微企業貸款中，抵質押擔保貸款占比87.5%，信用貸款占比僅為12.5%。
但是，能提供抵質押物的企業畢竟是少數。從規模上看，小企業大概率還有些可供抵質押的資產，微型企業就難了；從行業上看，制造企業有設備廠房，生產性（/生活性）服務業、科創類企業則是輕資產，沒啥東西可供抵押。
恰恰，從規模上看，普惠金融的重點在微型企業；從經濟轉型角度看，服務業與科創型企業才代表未來方向。所以，銀行業若不改變抵質押擔保的模式，繼續發力小微金融，數據層面可以很好看，貸款資金卻未必給到該扶持的企業。
這么看，發力信用貸款，才有可能讓資金流向科創型企業以及生產性（生活性）服務業。
能提供抵質押物的小微企業成了座上賓，銀行爭相拋出橄欖枝，敗下陣來的銀行只好去做信用貸款，卻只把小微金融看作硬指標，放貸憑一腔熱情。貸款放出去了，3年后小微企業死掉了（因為小微企業平均壽命只有3年），壞賬來了、客戶沒了，只能重新開發新客戶。之后，三年又三年，客戶不斷歸零、壞賬不斷累積，越做越差，步入死胡同。
要做信用貸款，只能靠數據——低成本、批量化獲得企業真實經營數據（或能反映經營狀況的數據）。從這個角度看，不能低成本、批量化獲得小微企業真實的貸前貸后數據，才是制約當前小微企業融資難的根本原因。
二、對因治療，數據為藥
對因治療，數據為藥——發掘實時數據，隨小微企業經營狀況實時調整信貸策略，才能深入小微金融又不被高風險所傷。這條路，金融機構都知道，也做了探索。從數據層面看，主要有這幾個維度：產業鏈數據、政務數據，以及金融機構內生數據等。
1. 產業鏈數據
基于產業鏈數據，衍生出供應鏈金融的進化與創新。在供應鏈金融中，金融機構基于對信息流、資金流、物流的把控實現風險定價與分散。
早期，供應鏈金融仍然依賴核心企業擔保、依賴應收賬款質押，這些年，隨著產業互聯網化尤其是物聯網等新技術的應用，供應鏈金融有了新的玩法。
一是平臺模式崛起。以電商（包括B2C平臺和B2B平臺）為典型代表，全面掌握商戶經營數據、區域分布、季節經營特征、賬期及付款方式等信息，貸前可預知融資需求，貸后可自動化監測風險，解決了小微企業融資難題。
二是SaaS模式崛起。在小微金融數據化大潮下，服務于企業日常經營的ERP、SaaS及各類數據軟件公司等，也憑借對信息流的掌握切入供應鏈金融業務。
三是物聯網帶來產業鏈中物的覺醒。通過物聯網技術，實現物品識別感知、位置定位和跟蹤監控，金融機構可實時掌控企業經營活動、監控抵押物最新狀況，為信息訂閱、監控報警、數據可視化等服務提供支撐，為供應鏈金融打開新的想象空間。
2. 政務數據
稅務、工商、行政處罰；醫保、社保、環保；水表、電表、海關報表等，這些散落在政務部門的數據，可間接反映企業經營狀況，是近年來銀行發力信用小微貸款的主要抓手。
不少銀行的明星小微貸款產品，如建行小微快貸、工行經營快貸、農行微捷貸、微眾銀行微業貸、蘇寧銀行稅e貸等，背后都以稅務數據為核心，疊加其他公共事務數據、征信數據甚至企業主信息等進行大數據建模。
據《中國小微企業金融服務報告（2018）》，江蘇省金融機構將融資產品與政府扶持政策、企業公共信用信息、融資需求等數據整合，構建金融服務信息共享平臺，破解中小微企業融資難題。截至2018年末，已有90余家金融機構接入平臺，面向9萬多家注冊企業提供服務，成功授信4.2萬筆，涉及金額近6000億元。
3. 金融機構內生數據
企業生產經營離不開金融產品支持，賬戶、存款、支付、代發薪等基礎金融服務中，沉淀了大量有價值數據。只是，一則這些數據分散在不同銀行，二則即便同一家銀行數據也被分散在不同的部門，缺乏有效整合，難以發揮合力。
央行征信數據，是金融機構內生數據的最典型代表，也是集大成者。通過整合不同銀行的信貸數據，央行征信成為金融機構信貸決策中當之無愧的指路明燈。
支付數據，是另一塊寶藏。銀行以收單數據為抓手，開發了POS貸（基于商家POS流水進行放貸）；支付機構基于支付數據，也打通風控解決方案對外輸出之路。其中，最具代表性的是支付寶，通過遍布線下的收款二維碼，倡導“多收多貸”，已向600多萬線下小微企業（商戶）發放小額貸款。
三、數據價值評鑒
上述三大數據源，有的是生產經營一手數據，如產業鏈數據，是企業經營狀況的直接反映；有的屬于二手數據，如政府公共事務數據和金融機構內生數據（支付數據是例外，既是金融機構內生數據，也是產業鏈中資金流數據，本質上也是一手數據），是企業經營狀況的間接反映。無論直接數據，還是間接數據，都能在小微金融領域發揮大作用，問題是，不同的數據，獲取難度和可用數據規模差異很大。
產業鏈數據，核心企業和行業平臺信息密度最高，催生了供應鏈金融模式，更多地數據則散落于各處，規?；蒙行钑r間。
政務數據，散落于不同部門，尚需整合。此外，基于數據報送門檻及國家對小微企業的減稅降費等措施，很大一部分小微企業數據并未被有效覆蓋。
金融機構內生數據，含金量高，但金融機構本身太過分散，導致數據分散、難以整合，如截至2018年末，我國僅銀行業金融機構就有4588家。央行征信將銀行信貸數據整合起來，成為整個金融體系信用風險防控的定海神針，其他有價值的數據，如支付、存款、理財等，仍有待整合發掘。
近年來，商業銀行紛紛上線基于數據的小微貸款產品，強調自動化審批，從貸款客戶數看，差異卻很大。截止2018年末，網商銀行累計貸款客戶數1277萬戶（2019年6月已超過1700萬戶），在同業中遙遙領先，原因就在于背后數據量的不同。
就網商銀行而言，線上貸款客戶來自阿里電商渠道，對應國內最大電商平臺；線下為支付寶收單商戶，對應最大的移動支付工具，入口集中度高，客戶輻射能力強悍。其他銀行的小微貸產品，則以稅務等政務數據為主，數據分散于各地政府機構，整合難度較大，很難快速上量。
小微金融，難在數據；數據獲取之難，難在入口分散，孤島效應難以消除。而支付領域尤其是B2C支付，市場集中度高，入口效應明顯，無疑為小微金融批量化、規?；卣归_辟了一條新路。
兩大支付巨頭均手握幾乎全域用戶，合計占據90%以上市場份額，與幾乎所有2C端小微商戶都能打上交道。以支付為入口最廣泛觸達小微企業客戶，再輔以理財、保險、貸款、數字化經營、社區交流甚至進貨渠道、物流支持等服務，逐漸黏住小微企業，獲取多元數據，風控自然不在話下。
網商銀行的實踐，已經證明此路可行。截止2019年6月，網商銀行已累計為1700萬小微企業（商戶）發放貸款超過3萬億元。
四、征信外溢，價值輸出
受益的不僅僅是1700萬家小微企業（商戶），也不僅僅是網商銀行和310模式（3分鐘申請、1秒鐘放款、0人工介入）下的合作銀行，貸款數據納入征信，征信具有外溢效應，整個小微金融生態均可受益。
據央行數據，截至2018年，央行征信累計為261萬戶中小微企業建立了信用檔案，累計幫助54萬戶中小微企業獲得銀行貸款，余額達11萬億元。遺憾的是，央行征信采集的是商業銀行歷史數據，解決的是有貸戶的二次、三次申貸問題，無法解決首貸問題。
小微企業融資難，難在首次貸款。首次貸款后可建立信用檔案，第二次獲得貸款的概率可提升至75%以上。首次貸款，只能靠金融機構主動探索，對央行征信覆蓋不了的小微客戶伸出橄欖枝。
從這個角度看，小微金融的社會價值，不僅僅止步于發放了多少貸款，更大的價值在于為多少小微企業建立了信用檔案。輻射的小微企業數量越多，小微金融的生態基礎就越扎實。
2018年以來，在各方推動下，國內小微金融迎來階段性高潮。為贏得各方配套的獎勵補貼政策，一些金融機構把小微業務視作硬指標，不能上強上，運動式做小微，引來了一些質疑。
其實，站在信用建設角度看，這并非壞事。原來不敢做的客戶，現在放開了，做了之后就會有結果，無論好壞，都是寶貴的數據。
就以不良率問題來講。當前，小微貸款暴露出不良率高企的問題，如截止2018年末，單戶授信500萬元以下的小微企業貸款不良率為5.5%，比大型企業高出4.17個百分點。若我們換個角度，不良率高并非全是負面因素。
不良率高，恰恰說明金融機構真正深入到不熟悉的領域，以高不良為代價，不斷拓寬客戶服務邊界，在這個過程中，有一些壞客戶，也發現了好客戶。
舉例來說，金融機構新拓展了100個小微企業客戶，其中10家出現問題，是會帶來一些損失，但反過來看也發掘了90家有能力還款的好客戶。這90家企業變成有貸戶后，數據可供整個金融體系查詢共享，可以輕松地獲得二次貸款、三次貸款。這才真正體現了普惠金融的價值所在，也是高不良背后的潛在價值。
當然，小微金融要堅持商業可持續原則，不能一味任由不良率高企。但降低不良的最佳方法，不是不做、少做，而是努力消除信息不對稱，讓小微企業信用從不可知到可評估，在所謂高風險群體中，把低風險客戶挑出來，不斷拓寬小微金融的客戶邊界。
五、標本兼治
當前，小微金融量增價降，已取得明顯成效。截至2018年末，小微企業法人貸款授信237萬戶，同比增加56萬戶，增長30.9%；普惠小微主體授信1793萬戶，較2017年末增加467萬戶，增長35.2%。2018年12月，全金融機構新發放的500萬元以下小微企業貸款平均利率為6.16%，同比下降0.39個百分點。
若以“融資難、融資貴”為癥狀，癥狀已明顯緩解。對癥治療救急，對因治療除根。現階段，仍有必要繼續對癥治標，更要積極對因治本——不斷夯實數據基礎。
圍繞數據驅動，還有很多事情可做：
- 打破數據孤島，推動政務數據共享，這塊硬骨頭還要接著啃；
- 基于支付入口的廣覆蓋模式，積極發掘其征信價值和空間；
- 激活核心企業掌握的數據，繼續拓展供應鏈金融空間；
- 利用物聯網、區塊鏈等技術，積極推動產業互聯網升級和小微企業數字化經營，讓更多地產業鏈數據可收集、可利用……
最后，還要改善營商環境，延長小微企業壽命。美國中小企業平均壽命是8年，日本中小企業平均壽命是12年，我國小微企業壽命只有3年，還有很多空間。
小微企業每多活一年，金融機構就少許多風險。不多要，小微企業平均壽命若能從3年延長至5年，很多融資難題自可迎刃而解。
近日，支付寶宣稱要加大對小商家的支持力度，在現有基礎上為小商家推出免費數字化運營工具、免費收單工具等一攬子扶持計劃，未來3年，至少為它們節省成本500億。
提高其數字經營能力，降低其綜合運營成本，讓數據可得，讓壽命更長，一舉兩得、標本兼治。
#專欄作家#
薛洪言，公眾號：洪言微語，人人都是產品經理專欄作家。蘇寧金融研究院院長助理、碩士生導師，關注互聯網金融、金融科技與銀行轉型領域。
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。
- 目前還沒評論，等你發揮！
