近日，由中國電子信息產(chǎn)業(yè)研究院指導，中國大數據產(chǎn)業(yè)生態(tài)聯(lián)盟、賽迪傳媒主辦的2022（第七屆）中國大數據產(chǎn)業(yè)生態(tài)大會(huì )在北京召開(kāi)，本屆主題為“激發(fā)數據潛能 共贏(yíng)數字未來(lái)”。會(huì )上，神州信息中小微場(chǎng)景金融首席專(zhuān)家辛園做題為《大數據賦能中小微場(chǎng)景 ，一站式信貸SaaS服務(wù)平臺》的主題演講

以下為文字實(shí)錄：

不管從政府層面還是民生層面，中小微在經(jīng)濟中發(fā)揮了重要的作用，扮演著(zhù)重要的角色。特別是近兩年疫情爆發(fā)以來(lái)，金融監管部門(mén)、負責民生的政府職責單位，都在各項政策扶持手段上加大了力度。銀行對信貸的投放比例，包括在利率、稅收上，就如何減免或者減輕這類(lèi)客戶(hù)的負擔和壓力，和政府做了很多工作。

在今年5月份，我們看到第一個(gè)季度和4月份的貸款投放并不好，很多金融機構對于客群是想貸但不敢貸，很多企業(yè)是想借不能借，因此對他們來(lái)講受到的壓力沖擊很大。

除了融資難和融資貴的問(wèn)題外，疫情加劇了對中小微場(chǎng)景的困局。整個(gè)產(chǎn)業(yè)鏈上下游，不管是中小微或者過(guò)去有一定積累的企業(yè)，在供應鏈場(chǎng)景中都或多或少受到了沖擊和影響。同時(shí)，兩年多的疫情導致很多行業(yè)發(fā)生了改變，也刺激了金融機構和金融科技公司做出改變，更好地結合現在的現狀，為這類(lèi)客群提供更多的服務(wù)。

金融機構在投放壓力下，更多把貸款投放資源包括相關(guān)產(chǎn)品、技術(shù)往更貼近市場(chǎng)做調整。金融科技公司從大數據、區塊鏈等各種技術(shù)應用，以及客戶(hù)服務(wù)感知，讓更多的客戶(hù)從現階段的技術(shù)能力上感受到實(shí)惠。

過(guò)去幾年，金融在大數據應用方面更多都是偏向C端，很多公司賦能在金融機構的投放包括應用層面，也都在C端。首先C端的體量大，第二是技術(shù)構成上數據維度夠多——采集的方式各種各樣，一般都能獲取到相應的合規數據，金融機構基于這樣的數據更有利于研發(fā)相關(guān)產(chǎn)品。B端在過(guò)去相對很單薄、單一，很少有大型公司能提供一站式全方位的針對企業(yè)自己的非第三方獨立的數據源，這個(gè)非常難獲取。數據壁壘加上技術(shù)的限制，在B端不如C端時(shí)，很難做到標準化投放。

這兩年我們看到，除了政府的推動(dòng)，大家對B端需求的認知也進(jìn)一步提高，越來(lái)越多的金融機構在探索B端的藍海?；跀祿用?、技術(shù)層面、市場(chǎng)驅動(dòng)層面，我們在場(chǎng)景中慢慢談到針對企業(yè)端、中小微端和供應鏈產(chǎn)業(yè)鏈端，利用什么數據能賦能什么客群，他們也能像C端客戶(hù)一樣，在大數據服務(wù)上體會(huì )到更多產(chǎn)品和服務(wù)。

這兩年比較火的是隱私計算，大家一直在探討數據安全性的話(huà)題。這驅使我們在整個(gè)行業(yè)的合規性、技術(shù)能力的改造和提升方面，逐漸地貼合客戶(hù)的需求和痛點(diǎn)，從自身在風(fēng)控管控，到迭代產(chǎn)品和服務(wù)，再到最終金融機構關(guān)注到業(yè)務(wù)的規模和風(fēng)險的比例，形成大家在相對良好的氛圍環(huán)境下達到平衡，讓整個(gè)產(chǎn)業(yè)鏈形成在技術(shù)和服務(wù)的加持下，找到更好的平衡點(diǎn)。

有一位銀行業(yè)內人士講過(guò)一句話(huà)：金融機構如果想做得好，一定要將風(fēng)險管控做好，風(fēng)險管控對于金融機構來(lái)講是健康持續長(cháng)久的必要環(huán)節?；谶@樣的觀(guān)點(diǎn)我們回顧去看，現在的金融機構在關(guān)注風(fēng)險層面、在維持良性發(fā)展層面，更多是看到行業(yè)、政策和信用。不管是C端還是B端，大家看到的點(diǎn)是完全一致的，在一致的情況下怎么拆解和構建針對B端的技術(shù)中臺，利用什么數據挖掘構建相關(guān)的指標和形成客戶(hù)的畫(huà)像，能在場(chǎng)景中為這類(lèi)客戶(hù)提供服務(wù)。

針對B端大數據產(chǎn)品的技術(shù)架構，數據源其實(shí)回到B端，是行內和行外。行內數據和過(guò)去C端沒(méi)有特別大的差異，更多是企業(yè)在行外的數據源，行外分兩類(lèi)一類(lèi)是公開(kāi)市場(chǎng)獲得的數據，比如說(shuō)像工商、司法，不管任何場(chǎng)景在過(guò)去幾年得到非常強的應用。針對其他的，像宏觀(guān)數據和輿論數據，從宏觀(guān)層面也包括輿情層面，都能更好的全方面刻畫(huà)針對中小微場(chǎng)景的數據源。

結合這樣的外部輸入，對數據進(jìn)行存儲和加工，核心更多是在于怎么樣融合找到哪類(lèi)數據源針對不同場(chǎng)景下中小微企業(yè)的數據延伸指標，什么樣的指標才能在大數據風(fēng)控里得到應用，一定不是構建一套模型和大數據產(chǎn)品應用在所有的B端產(chǎn)品中，而應該是根據不同機構的產(chǎn)品定位基于不同的大數據應用設計不同的產(chǎn)品。

從授信金額、客戶(hù)規模、客戶(hù)體驗等不同的需求下，金融產(chǎn)品需要做相應的調整，服務(wù)不同場(chǎng)景的客戶(hù)，不同銀行的定位也是服務(wù)不同的客群主體，再結合他們獲取到的數據以及技術(shù)能力，以貼近自己的定位進(jìn)行風(fēng)險定價(jià)，更好地服務(wù)不同的客戶(hù)。

這兩年我們一直在研究，更多從企業(yè)經(jīng)營(yíng)上做調研，圍繞企業(yè)數據構建不同的場(chǎng)景金融產(chǎn)品。我們發(fā)現最核心的還是通過(guò)企業(yè)端基于稅務(wù)和發(fā)票作為基礎數據源去做不同的應用。

基于這樣的評估，結合外部第三方數據和C端數據，我們構建了圍繞企業(yè)完整的知識圖譜，包括賬戶(hù)畫(huà)像等，更好地為不同金融機構在征信包括授信層面做好全面的風(fēng)險管理，其中包括在信用評價(jià)評級、信用修復方面的應用。目前除了在金融機構應用以外，也在招投標和非金融類(lèi)方面得到了應用，這類(lèi)數據源目前在市場(chǎng)上已經(jīng)得到了非常大的公開(kāi)認可，大家已經(jīng)不再去探討數據本身，更多是探討數據如何精細化地利用。

過(guò)去講到稅票數據源，企業(yè)授權銀行和稅務(wù)局通過(guò)直連，銀行可以獲取這類(lèi)數據。獲得數據之后，不管是銀行還是第三方金融科技公司提供相應的服務(wù)，能更好地把數據得到應用。

現在我們看到因為各地稅務(wù)局的差異，導致沒(méi)有辦法通過(guò)全國統一的標準形成一套標準化的數據，各地的金融機構更多開(kāi)始探討，如何做到差異化，如何從數據的本身挖掘到更有價(jià)值、相對更全面更可靠的企業(yè)信用評估。這就需要通過(guò)其他辦法，如大數據的技術(shù)能力，先去補齊數據，并在更完整的數據情況下，在普惠信貸，在供應鏈、抵押和企業(yè)主等不同場(chǎng)景里，把這些數據應用進(jìn)去。

神州信息構建的一站式信貸SaaS平臺，鏈接了B端企業(yè)的多種外部數據，這些數據本身的存儲并不在神州信息，因為我們在數據合規上做得非常嚴謹，我們更多的是基于對外部數據源，包括對數據指標的獲取挖掘，在技術(shù)層面圍繞公開(kāi)數據的接入，以及接入后協(xié)助金融機構做數據的擬合、融合，圍繞不同的產(chǎn)品構建從數據的治理、清洗再到轉化和SaaS應用，構建相應的從業(yè)務(wù)場(chǎng)景再到風(fēng)險產(chǎn)品全套的邏輯。我們更多形成的一體化是在于從過(guò)去很多銀行的獲取渠道，不管是線(xiàn)下地推團隊、客戶(hù)經(jīng)理做營(yíng)銷(xiāo)，還是在于和外部渠道的合作，我們基于對客戶(hù)的自動(dòng)化分層、客戶(hù)的數據畫(huà)像，更好地從前端做到智能營(yíng)銷(xiāo)和B端智能營(yíng)銷(xiāo)。

基于業(yè)務(wù)的產(chǎn)品包括風(fēng)控產(chǎn)品，提供一體化能力，最終形成適宜的資產(chǎn)包鏈條，這樣的鏈條就能為金融機構不同的產(chǎn)品向下適配，從風(fēng)險角度為金融機構提供完整的一站式服務(wù)。目前提供的金融服務(wù)除了適合傳統金融機構以外，也延伸到征信、小貸、擔保公司等機構。

關(guān)于數據的獲取，其實(shí)會(huì )有數據短板，因為各地稅局開(kāi)放的數據其實(shí)并不是統一標準，數據的指標也不完全相同，對于大部分要做全國性和區域性業(yè)務(wù)的機構也包括持牌的非銀行類(lèi)的金融機構，往往沒(méi)有辦法獲得客戶(hù)信息。而我們研發(fā)的工具在客戶(hù)授權情況，就能通過(guò)合規方式幫助持牌的機構和公司采集到相關(guān)的企業(yè)數據。采集的數據已覆蓋全國各地30多個(gè)省市自治區，并且所有數據是標準統一的。

基于多維度、標準統一，我們做到所有的指標，包括產(chǎn)品的統一化，形成全國性的投放。這樣對客戶(hù)的完整性、標準性，包括從整個(gè)信貸風(fēng)險的可靠性角度，更好協(xié)助業(yè)務(wù)層面規模拓展和風(fēng)險控制。

對于金融及泛金融，它打破了過(guò)去我們受限于數據源的獲取層面而導致的瓶頸。整個(gè)指標體系最核心的不再是如何獲取數據源，因為現在各類(lèi)公司以及技術(shù)手段，都能在合法有效的情況下為客戶(hù)提供各類(lèi)標準。多元數據來(lái)了以后，如何有效抓住有效數據，為機構提供服務(wù)，核心的一點(diǎn)是對數據的認識和理解，也包括數據指標的延伸。如何進(jìn)行數據源指標挖掘，就需要進(jìn)行分類(lèi)研發(fā)包括不同模式風(fēng)險模型，這樣才能最大化挖掘到數據源在整個(gè)指標體系的構建。以稅務(wù)舉例，我們把稅務(wù)分成四大模塊，征收、申報、財務(wù)和上下游及發(fā)票，每類(lèi)數據構建不同的指標，針對不同的客戶(hù)分成一般納稅人和小規模納稅人，不同規?？蛻?hù)形成不同的指標體系，服務(wù)于銀行到底找的是哪類(lèi)客戶(hù)，哪些數據能構建好的產(chǎn)品。

大數據融合應用從來(lái)不是單一的，我們一定需要做融合應用。但現在講到B端和中小微，大家會(huì )理解為是不是只要是B端數據源就能做到完整信貸投放的產(chǎn)品。其實(shí)不是，因為所有B是由N個(gè)C端的組成，不管是針對企業(yè)主還是企業(yè)，更多是對于企業(yè)的實(shí)控人，包括股東，個(gè)人的行為以及行為畫(huà)像是密不可分的。在B端服務(wù)的信貸當中，我們還是需要針對C端做融合。這種情況下，我們會(huì )結合市場(chǎng)上C端數據，為金融機構提供企業(yè)+企業(yè)主（B+C）一站式的信貸服務(wù)，從完整性、全面性實(shí)現更好的平衡。

舉個(gè)例子，我們把整個(gè)風(fēng)險層面的排序包括模型區分做了展示。因為講到模型區分，過(guò)去很多金融機構覺(jué)得如果C端KS能做到0.35也很不錯了，但神州信息針對B端企業(yè)的風(fēng)險評估模型KS超過(guò)0.4。從國有大行再到村鎮銀行，覆蓋的客戶(hù)從頭部到其他的金融機構，不同客戶(hù)模型和不同數據源的使用完全是不一樣的，每個(gè)金融機構利率定價(jià)不同，結合不同利率定價(jià)，在數據源應用包括產(chǎn)品層面就會(huì )有很大的差異。在整個(gè)不同版本和客戶(hù)的模型層面，我們也在全方位的市場(chǎng)上得到了充分的校驗。

這是雙重模型構建體系，這里面首先強調的是B端場(chǎng)景，有了場(chǎng)景才知道我到底在里面是封閉式環(huán)境還是非封閉，這取決于這個(gè)市場(chǎng)到底是有限的客戶(hù)群體還是未可知無(wú)限的客戶(hù)群體。我們服務(wù)的客戶(hù)到底有哪些特定的行業(yè)屬性的數據，包括是否是定制化，需要做到開(kāi)發(fā)相關(guān)的工作，這樣才能更好挖掘，而非完全的標準化。B端在于找到非標準的同時(shí)，形成自己標準的數據解決方案去做融合，而不是簡(jiǎn)單做完全一對一的開(kāi)發(fā)，因為這樣對公司來(lái)講成本會(huì )很高。以上是我今天的分享，謝謝大家。