数据显示，过去几年中国各项贷款增速在始终在13%以上，而2018年商业银行普惠型小微贷款增速高达21.79%，取得较大增速。2019年政策继续加码，银保监会要求国有大型商业银行小微企业贷款余额较年初增长30%以上，并将客群下沉的任务交由到了城商行手中。而在这一过程中，金融科技成为推动银行零售信贷、中小微企业客群下沉和大数据风控的助手。
本期品钛研究院（ID：PINTECAcademy）科普了传统小微企业信贷难点，并细述近年来金融科技在小微企业信贷中各流程中的应用。
本文原载于《零售银行》杂志8月刊“封面专题”
编辑| 郭镇霞
原文标题：借力金融科技 做活小微信贷
目录
市场的声音：不被“接受”的小微
1.1.个体户被卡在“门外”
1.2.小店大概率被拒
银行的无奈：成本之高难以覆盖
运用金融科技重构信贷流程
3.1.贷前：多环节并行
3.2.贷中/后：实时动态管理
总结
近年来，国内政策大力鼓励银行践行普惠金融，支持小微企业发展，然而小微企业“融资难、融资贵”的问题却长久以来没有得到有效解决。究其原因，核心在于其和银行业金融机构之间的信息不对称。
从需求的角度看，小微企业通常都有高频的小额融资需求，市场规模毫无疑问是客观存在的。
但是从供给的角度看，银行等传统金融机构在信贷业务中出于风控考量，需要从财务、非财务等一系列具体的指标出发去地评估业务风险，而小微企业在这些数据上不如大型企业来得齐全和规范，银行需要耗费大量的成本做风险评估。仅此一个环节就给银行带来成本负担，何况银行传统放贷流程之复杂，业务本身带来的利润无法覆盖这过程中需要投入的人力物力等资源成本。
因此，倘若能够解决供需双方的信息不对称问题，银行不必遵照以往的繁琐流程，省去大量成本，那么小微信贷业务势必能够迎来爆发式增长。如此来看，通过合理运用金融科技工具，解决上述供需双方的信息透明度问题，将极大程度上改善小微企业融资难的局面，也给银行的大零售板块注入了无限活力，可谓一举多得。
1、市场的声音：不被“接受”的小微
小微客户分很多种，典型的比如几家分店的餐馆、支持第三方支付的奶茶店、流动的煎饼摊。简单来讲，体量越小的小微企业，其信贷业务对银行的挑战是递增的。相较于银行的对公业务来说，小微信贷痛点颇多：数据分散，风险太高，成本耗费高，利润太薄，所以一直处于额度小、难度高、批贷难的困境。
1.1.个体户被卡在“门外”
从典型的小小微企业——也是银行最难解决的个体户谈起。
假设现在一家煎饼摊“葛大妈”老板向银行提出借贷申请， 她唯一的可变现资产是一辆可移动工作间——这在银行是很难被认可的。她的“企业”没有政府认可的注册，日常记账都是记在自己的小账本，在央行没有征信记录，也无法进入信用卡的准入门槛。有点残忍地说，他在提交资料时可能就不被接待了。
1.2.小店大概率被拒
当然还有好一点的情况。倘若葛大妈不仅仅有一个摊位，她可能有一间小店，有营业执照，但注册资本金小，税务不规范，有一些经销记录等等。葛大妈想要和银行借5万元装修一番——大概率还是会被银行拒绝。因为五万元的信贷，刨除银行的触客、尽调、录入、初审、终审等成本，银行是亏损的。她心一狠，那借20万呢？传统银行又会认为难以给一间小店批贷20万。
这样一来，葛大妈这样的小微商户往往会认为银行嫌贫爱富，看不上个体户。
2、银行的无奈：成本之高难以覆盖
上文谈到典型个体户的融资困境的问题，其实不是银行看不上。
从金融逻辑来讲，银行一经测算，倘若这类业务的NPV若为负，即不能盈利，宁肯不做。
（编者注：Net presevt value, 净现值，指的是在指定期限内，按行业基准折现率或其他设定的折现率计算的各期净现金流量现值的代数和。NPV＜0，表示，投资或项目未能达到预期收益，可能存在亏损。）
商业银行从“商业”角度考虑问题也无可厚非，但一边是大的政策导向，一边是业务成本之高，眼看着潜在的市场，也束手无策，十分无奈。
以往银行开展小微企业贷款的风控模式主要为担保模式、IPC模式和信贷工厂模式三种。担保模式下，小微企业需要提供抵押、担保，很多小微企业资质不足。IPC模式（编者注：德国微贷IPC技术，专门针对小微企业经营性贷款的一套测试技术，核心是评估客户偿还贷款的能力。）则重视信贷员实地调查和信息验证，在客户获取、客户服务方面具备优势，但对人员经验要求高，且容易产生道德风险。信贷工厂模式，指银行根据小微企业特点，像工厂制造标准化产品一样对信贷业务实行批量处理，运营效率有提升，但额度较低，且需要的团队大。相比于前两者，信贷工厂模式较标准化，流程相对最简单，一般可细分为7步：
整个流程下来，最快也要一周时间。尽调人员去商户处调查时还可能遇到一些特殊情况，比如商户老板需要调查改期、账本准备的不好、某材料还没批下来等，还会延长审核周期。
虽然，银行创立了信贷工厂模式实现“流程标准化”，但因为每个步骤都需要“人”来完成并且流程与流程的衔接需要“人”来传递，所以不论怎么优化，也难以再提高速度。
运营成本也掣肘效率提升。销售、录入、预审、运营、审批等团队需要几十人，这样规模的团队已经是很精简的。一天大概处理不到20单。如果业务量要翻番，意味着团队人员也需要翻番。这是真实存在的问题，由于排队者太多，有的客户申请后必须排队到第二天、第三天，贷款申请才开始被接收处理。
正因为成本如此之高，5万元的信贷需求，利息不能覆盖运营成本，对银行而言是亏本生意。
虽然葛大妈这类的客户是传统银行难以覆盖的客户，但却也是小微企业下沉用户的典型目标群体之一，所以银行也是十分无奈。
3、运用金融科技重构信贷流程
既然需求存在，但苦于传统方法成本之高而无法响应需求，那么只要有工具和途径让成本降低，让供需双方的信息不对称性降低，也就能够促成有效供给增加，金融科技便一个很重要的工具。
通过金融科技力量注入，传统的小微信贷流程能够得到改善甚至重构，对于个体户或者小微企业5万元甚至更低的信贷额度需求银行都完全可以响应。
信贷最简单地可以被分为贷前、贷中、贷后，金融科技能够在信贷全流程释放能量，尤其能够大大加速小微企业信贷生命周期运转。
3.1.贷前：多环节并行
在贷前阶段，相比于上述的传统的信贷工厂模式，金融科技的数据获取、加工、处理、分析都是并行的，极大程度上提高了审批效率。
葛大妈老板在银行申请时需要准备一堆材料，跑4、5个机构。但在金融科技的帮助下，只要客户授权，品钛等一众金融科技公司可以帮助银行做到15分钟完成从收集到授信的全流程：采集的数据依次进入数据湖沉淀，再经由中间层进行数据清洗，通过数据挖掘和机器学习加工出炉小微企业用户多纬度的特征变量和用户画像。
各类电商交易、物流数据、线上流水等数据资产产生，为小微企业的赢得银行贷款提供了破冰的可能，不少银行已经具备多维度的用户画像能力，能够利用金融科技为小微商户进行用户画像并授信，完成一个从企业到企业主的更为全面的信用判断。
以前文“葛大妈”为例，我们通过GPS定位到葛大妈在北京某城区，可以从通话城市，收款位置，住址信息等多维度交叉验证和比对来锁定用户的生活和经营地址，而传统机构提供住址/经营地租赁合同或者水电煤气缴费单据的方法，不仅繁琐且作假容易。
在移动支付普及的时代下，最了解小店经营情况的可能是各大电商平台和“聚合支付”背后的支付公司。小商户会在电商平台开店，所以平台会有小商户的交易流水数据。线下交易方面，小商户会通过聚合支付工具，进行支付宝、微信支付等线下交易的收款，所以支付公司有大量线下交易信息。在后台引擎中，就可以清楚的掌握了这门“小生意”的交易流水、商品销量、客单价、交易频次、淡旺季特征等，并与其他同类商户做对比，评价其经营水准。
表面上，客户的申请流程变得十分精简，原本传统金融机构信贷工厂模式中的7大步骤被整合为1步。事实上这背后是金融科技力量作为支撑。在数据驱动决策系统内部，每天近万级的数据颗粒采集，几千次的指标计算，500多个特征变量分析。
在这样的模式之下，可能银行的审批员还没有见到“葛大妈”，银行就已经为她完成了授信，甚至通知相关机构放款了。
3.2.贷中/后：实时动态管理
在小微信贷的贷中贷后环节，在金融科技的帮助之下，银行能够实现客户生命周期的实时管理。
以往一个客户是否被予以授信，银行往往是基于申请者在提出申请的那一刻的静态经营与财务状况进行评估。但实际上，企业每一年的变化并不小，小微客户更是如此。银行可以利用金融科技技术，用数据观察客户生命周期，客户在借款过程中的动态趋势可以实时反应风险的变化。
具体来说是通过线上数据监控用户的欺诈风险与经营风险的动态改变。比如我们可以根据客户的类别，监测其在授信以后的业务数据。
举例来说，“葛大妈”的经营范围发生了变化，本来煎饼摊，变成了卖衣服、卖玩具，甚至卖手机了。银行无需去现场验证，可以通过后台数据的业务数据、商品信息进行分析，就可得知这类变化，从而掌握经营动态风险。
假如商户经营恶化，通过收款产品收到的交易额在减少，此时这个商户还要借一笔钱，那银行对此时的资金用途就要进行仔细判断。
在运用金融科技基础上，银行可以根据用户类别，设置一系列预警指标并实时交互获取，依赖数据指标进行预警监控，作为贷后催收策略的指导。
总结
综上，基于金融科技手段对小微企业信贷业务流程的重构，运用数据驱动决策降低了运营成本，即使申请量大大增加，对银行响应小微信贷需求的成本影响微乎其微；此外，立体化的、动态的用户画像，能够全流程帮助银行更好地进行数据收集、验证授信、预先窥见风险，成为银行小微信贷业务正向循环的动力。
