建議點擊鏈接看，排版更好一點
小微企業信貸風控：線下到線上的轉變
更多信貸風控文章請關注知乎：正陽
因項目需要，做如下信息收集、內容整理及個人分析，望對小微信貸相關從業者有一定的借鑑和啓示作用。
本文共計1.6w字，因篇幅較長，可分上下兩部分進行閱讀：
- 上半部分：小微企業介紹、國家政策面的扶持、小微信貸發展歷史
- 下半部分：小微企業信貸模式、線下審批模式、線上審批模式、關於信貸風控的建議
本着對讀者負責的態度，筆者行文時儘可能做到以下幾點：結構完整、內容真實、邏輯清晰、重點突出、刪繁就簡，用關鍵詞、數據、配圖和案例體現小微信貸業務的市場環境、發展變化、難點重點、模式類型、信審要素等。
若本文多少有用，記得點個關注，多謝！知乎：正陽
一、小微企業信貸介紹及風控建議
1.小微企業介紹
1.1 小微企業定義
小微企業是小型企業、微型企業、個體工商戶和家庭式作坊的統稱，由經濟學家郎鹹平教授提出。針對總資產、營業收入以及從業人員數，企業可劃分爲大型、中型、小型和微型四個規模類型，以零售業爲例，微型企業指從業人數 10 人以下且營業收入 100 萬以下的企業，小型企業指從業人數 10-50 人且營業收入在100 萬到 500 萬的企業，以此類推。
截止2019年底，我國小微企業名錄收錄的小微企業已達10000多萬戶（10000萬！聽起來有點咂舌！這一數據在2015年是1100萬，在2017年是7300萬，在2018年是9300萬），其中企業 2640 多萬戶，個體工商戶 7500 多萬戶。
1.2 小微企業特點
- 種類多，規模小，分佈廣
- 多集中在小型加工製造、零售貿易、餐飲服務等傳統行業，經營狀況差異比較大
- 自有資金少，資產規模較小，抗風險能力弱，生命週期短，經營比較單一，市場淘汰率高，經營風險較高。平均生命週期短
- 多爲家族式經營與管理，公司治理不完善，管理相對不正規，缺乏長遠的規劃
- 信息不對稱，缺少正規財務記錄，絕大部分報表未經過外部審計，會計信息嚴重失真
- 融資需求大，抵質押品少，首次貸款難，風險溢價高
2.小微企業政策面
2.1 爲何如此受重視
2.1.1 穩定性
我們來看一組數據：
對於國民經濟，小微企業貢獻了全國**80%**的就業，**70%**的專利發明權，**60%以上的GDP，和50%**以上的稅收，在經濟發展中意義重大。
小微企業基數大，行業範圍廣，容納就業人口多，對穩就業、穩金融、穩投資、穩外資、穩外貿、穩預期都具有重要意義。
2.1.2 持續性
- 增長穩，增速快。小微企業在市場主體中的比例逐年上升，在2017 年7 月小微企業佔比爲81.4%，一年後已經增長到了87%。
- 創新夠，可持續。近年來，越來越多中國企業憑藉技術和模式等多領域全方位創新，開始挑戰全球行業領先者，在某些領域引領全新趨勢，其中不乏“小而美”的小微企業會脫穎而出，引導創新，提高國際競爭力，推動大型企業和小微企業的融合發展，提升經濟活力。
2.1.3 科技性
科技型公司的優勢是技術和創新，以研發人員的智力資本和專利技術爲核心價值，科技型公司一般呈現輕資產的特徵，從成立到發展壯大的過程中，可能長期處於小微企業形態，長期保持靈活的機制，在細分行業有核心技術研發實力、捕捉市場對技術的需求，用技術解決垂直領域的痛點問題。
總結一下：
- 在國民經濟健康生態中，小微企業起到重要作用
- 小微企業對可持續發展有重要意義
- 小微企業對產業轉型升級重要作用
- 小微企業是科技型企業的普遍形態
2.2 國家助力核心措施
爲小微企業營造更好的營商環境和發展條件，國家助力小微企業有兩種核心舉措，貨幣扶持和財政扶持：
- 貨幣扶持以信貸爲中心，解決小微企業融資難題；
- 財政扶持以稅費爲中心，對小微企業精準降稅減負。
2.2.1 融資貸款
小微企業融資難體現爲融資難，融資貴、融資慢，根本原因是因爲供需雙方不匹配。
- 作爲需求方的小微企業，管理不規範，信用意識較薄弱，融資貸款的渠道信息獲取力不足；
- 作爲主要供給方的銀行，缺乏對小微企業風險識別和信用評價的能力，而且在小微企業信貸服務盈利能力上也不足。
所以對於小微企業融資難題的破局，供給側需要從政策和技術上做革新突破。
近年來，多種政策措施引導信貸供給側加強對小微企業的信貸投放，主要表現爲：
- 強化金融機構在小微企業信貸方面的考覈
- 優化信貸結構，提高貸款餘額
- 擴大金融服務的覆蓋面，提高服務的可得性
- 立足“三農”
- 兩增兩控
- 定向降準
- 中期借貸便利
- 盡職免責
- 銀稅互動
- 專項資金
2.2.2 減稅降負
減稅降負政策也相繼頒佈。主要舉措有：
- 提高增值稅小規模納稅人起徵點，月銷售額3 萬元調整到10 萬元，即月銷售額10 萬元以下的，不用再交納增值稅；
- 放寬小微企業標準並加大優惠力度，放寬後的條件爲：企業資產總額5000 萬元以下、從業人數300 人以下、應納稅所得額300 萬元以下，即被認定爲小微企業；
- 將減半徵收企業所得稅的小微企業年應納稅所得額上限由50 萬元提高到100萬元，將小微企業和個體工商戶貸款利息收入免徵增值稅單戶授信額度上限提高至1000 萬元。
3.小微企業信貸
3.1 定義
普惠型小微企業貸款，指單戶授信總額1000 萬元及以下的小微企業貸款、個體工商戶和小
微企業主經營性貸款。
3.2 特點
- 小微企業信貸需求：短、小、頻、急
- 市場供應：行業缺口大
- 企業越小，活動半徑越小，生意的“軌跡”越輕，生意脈絡越難摸
- 企業越小，越依賴管理者，“老闆”通常和企業是融爲一體的
- 企業越小，固定資產越少，缺乏可控制的“抵押物”
- 企業越小，信息越分離，書面數據信息採集越難金融科技入局
3.3 基本原理
- 風險定價原理
- 商業可持續原理。信貸利率主要是由四個部分組成：資金成本、業務成本、風險溢價以及合理利潤，當利率覆蓋這四個組成部分之後，才能保證信貸業務的商業可持續性。
3.4 政策導向
- **增長信貸投放：**貸款餘額逐年穩步提升
- **優化信貸結構：**信用貸款、保證貸款、抵（質）押貸款發生結構性變化，信息傳輸、軟件和信息技術服務業貸款增速高
- **降低貸款利率：**定向降準、定向中期借貸便利、再貸款、再貼現等方式向金融機構提供低成本資金
- **減免多種費用：**簡約收費項目，減免過橋費用
3.5 落地措施
- **健全機構體系：**大中型銀行普惠金融事業部建設持續推進，村鎮銀行和民營銀行獲批成立。多數銀行成立小微業務專門部門或專營機構。地方性銀行逐步迴歸本源，重點向社區、縣域和鄉鎮延伸拓展
- **豐富金融產品：**創新抵（質）押方式，推出多種金融產品。加強信用信息運用，基於稅務、支付等數據，在線上爲企業提供貸款；積極運用應收賬款融資，創新專利權、商標權等知識產權融資產品，探索無擔保、無抵押信用貸款模式。
- 創新服務模式：“銀商合作”、“銀稅互動”，獲取企業納稅、工商年檢、行政處罰等信息，提高獲客、授信和風險管理效率。整合信息資源，構建信用信息服務平臺，優化風險評級模型和信用評價模式，積極打破重資產、重規模的傳統方式。探索投貸聯動、選擇權貸款、成立合資銀行，豐富科技金融服務模式，努力解決科技創新型小微企業在種子期、初創期金融服務可獲得性較低的問題。
3.6 潛在風險
並不是銀行不願意給小微企業貸款，而是這個行業貸款的風險太高，爲什麼風險高，原因就太多了。
3.6.1 系統風險
- 多種形態產業借貸風險依舊居高不下。小微企業主要集中於製造、批發和零售行業，巧合的是，銀行不良貸款率較高的行業就集中在製造、批發和零售行業。
- 監管層的“運動式”政策多於常規政策，導致很容易出現“一管就死、一放就亂”的局面
- 宏觀供求關係，生產週期以及上下游企業影響等等。
3.6.2 操作風險
- 給小微企業放款，成爲了行政命令
- 潛藏的內外勾結
- 中小微企業與線上業務不同，大部分都是依託於線下，尤其是盡職調查。這在操作過程中，存在一定資料僞造，數據更改情況。
3.6.3 欺詐風險
- 審批流程簡化，增加線上風險。貸款中介聞到錢味兒逐漸湧入，新的中介羣體崛起
- “養公司”現象。包裝個人流資料，如流水、工作單位、僞造通訊錄，開發高級式擼口子
- 變形的產業鏈條
- 多種貸款資產的變種。房抵貸嵌上企業的外殼
3.6.4 決策風險
- 依靠某一場景下的數據做風險決策，實際上只能反映企業的一部分經營狀況
- 數據不一定真實
3.6.5 信用風險
- 目前企業徵信信息還沒有個人徵信數據全面清晰，仍需進一步完善
- 某些中小企業主的個人徵信也有一定逾期、過度借貸情況
3.7 金融科技
應用先進技術，如：區塊鏈、生物識別、電子簽章、量子通信、大數據、人工智能、雲計算、物聯網、流數據
案例：
**微衆銀行：**通過構建“A+B+C+D”的金融科技創新戰略，即人工智能、區塊鏈、雲計算、大數據，服務銀行業針對小微企業貸款業務的展開。
**東方微銀：**致力於服務中小企業，專注於金融科技創新，以稅務“小”數據應用核心，提供一體化的金融大數據解決方案，將企業的納稅信用轉化爲信貸信用，以稅定貸，以稅管貸，以貸促稅，助力於解決中小微企業融資難問題，促進企業快速發展。
4.小微企業信貸模式
近年來，各路企業和金融機構，都在想盡辦法攻克難題，前前後後使用過幾波攻堅武器：POS貸、發票貸、支付貸，再到去年崛起的SaaS貸。
梳理一下，信貸模式可分爲傳統模式和創新模式，傳統模式分爲IPC模式、信貸工廠模式；創新模式又分爲數據賦能模式、核心企業模式、交易平臺模式。
**注：**以下信貸模式的主體方，如無說明，皆指銀行
4.1 IPC模式
IPC模式起源於德國郵儲銀行，該模式重視實地調查和信息驗證，主要通過對客戶經理調查走訪、信息交叉驗證等方面。需要對客戶經理進行至少2個月以上的專業技術培訓，提升客戶經理辨別虛假信息能力和編制財務報表的技能，從而防範信用風險。
IPC公司信貸技術的核心，是評估客戶償還貸款的能力。主要包括三個部分：
- 一是考察借款人償還貸款的能力，
- 二是衡量借款人償還貸款的意願，
- 三是銀行內部操作風險的控制。
每個部分，IPC都進行了針對性的設計。
運用：主要運用於數據缺失、不具備財務管理環境、銀行流水不完整，信用記錄空白等的小微企業，其中，信貸員負責整個過程，從接受客戶的申請到信用檢查、現場信用、風險評估再到匹配貸款、付款催收和逾期付款。對信貸員的專業技能要求較高，信貸員對貸款全流程把關，一定程度上確保了項目的真實性。但又因爲是以信貸員爲核心，以信貸員的判斷爲依據，有一定的操作風險與道德風險。
4.2 信貸工廠模式
信貸工廠模式是新加坡淡馬錫控股公司(Temasek Holdings)爲解決小微企業信貸流程的弊端,推出了一種改善小微企業信貸流程的“信貸工廠”模式，“信貸工廠”意指銀行像工廠標準化製造產品一樣對信貸進行批量處理。
具體而言，就是銀行對中小企業貸款的設計、申報、審批、發放、風控等業務按照“流水線”作業方式進行批量操作。在信貸工廠模式下，信貸審批發放首先要做到標準化，每個流程都有確定的人員分工，如客戶經理、審批人員和貸後監督人員專業化分工。並且爲了監控風險採用產業鏈調查方法，從不同角度對借貸企業進行交叉印證。
信貸工廠模式的特點是效率高，可以進行量化審覈。過程之間環環相扣，對每個環節都有專人把控具體的把控。正因爲這樣，意味着需要消耗大量的人力成本，每個流程都需要對口的人員做支撐。
4.3 數據賦能模式
銀行引入可獲取的小微企業核心數據，以數據爲基礎建立小微企業的信貸識別評價體系。數可用於信貸的准入條件、評審依據、構建數據模型或通過數據分析對小微企業進行授信決策。
4.3.1 銀稅貸
“銀稅互動”，是指全國稅務部門和銀行通過建立合作機制、共享交換信息，將小微企業的稅務數據轉化爲融資信用。企業可以根據最近3年的納稅額進行貸款申請，一般要求最低的年納稅額大於2萬。納稅額的貸款期限同樣也在1-3年。
經過了幾年的發展，很多銀行都開發了自己的銀稅貸產品，已經形成線上和線下並存的銀稅貸系列產品。例如：
典型案例：
建設銀行“雲稅貸”：
作爲第一家推出全線上銀稅貸產品的國有銀行，建設銀行於2017 年8 月正式對外發布全線上銀稅互動信貸產品 “雲稅貸”，最高可貸200 萬，實際上一般不超過100 萬。對借款企業有比較嚴格的要求，需在建設銀行開戶，稅務評級爲A、B 級，兩年持續納稅，每年納稅總額2 萬以上，且每季度均有納稅。
從客戶定位和要求可以看出，“雲稅貸”主要定位於激活自身存量客戶，且定位小微企業中規模較大的企業，依託建設銀行的自身優勢，“雲稅貸”一上線就能覆蓋較大數量規模的企業。
交通銀行“稅融通”：
交通銀行稅融通只在湖南省、浙江省、上海市、湖北省等部分分行開展，企業申請稅融通須滿足連續三年按時、足額納稅的小企業，年納稅（國稅、地稅）總額達到一定金額，企業經營期在三年（含）以上，無逾期、墊款及其他不良信用記錄。隨着2018 年8 月交通銀行“線上稅融通”的上
線，稅融通已經發展成線上線下結合的銀稅貸產品，線下稅融通最高額度3000萬，線上稅融通最高100 萬。
4.3.2 信易貸
依託全國信用信息共享平臺，鼓勵各地區整合稅務、市場監管、海關、司法、水、電、氣費以及社保、住房公積金繳納等領域的信用信息，構建各地區大數據中心，根據有關信息共享協議將可公開信息推送給金融機構使用，金融機構使用公共信用信息，依託大數據、雲計算等完善小微企業信貸評價和風險管理模型，爲小微企業提供金融服務。
主要戰略任務在於：
- 建立健全信用信息歸集共享查詢機制
- 建立健全中小微企業信用評價體系
- 支持金融機構創新“信易貸”產品和服務
- 創新“信易貸”違約風險處置機制
- 鼓勵地方政府出臺**“信易貸”支持政策**
- 加強“信易貸”管理考覈激勵。
目前，已經開發“信易貸”產品的地區有104 個，累積發放資金1.5 億萬元。例如：
典型案例：
郵儲銀行“信易貸”：
2019 年9 月5 日，四川省“信易貸”首筆成功投放，從線上申請、授信批覆到貸款資金到賬全過程可以實現當天完成。從2019 年9 月開始投放到2019 年10 月正式上線，1 個月累計投放“信易貸”31戶、金額2467 萬元，戶均79 萬元。
4.3.3 發票貸
小微企業可以根據自己的年開票量進行貸款申請，一般要求最低年開票銷售額大於200萬。發票貸的額度爲10-300萬，貸款期限爲1-3年，年利率在10%-20%的範圍內。
4.3.4 流水貸
開戶銀行可以掌握到小微企業的賬戶結算數據、POS 流水數據等。銀行按照客戶本行賬戶結算流水量的一定比例向客戶發放貸款，結算流水量越大，貸款額度越高，有一定規模企業戶聚集的銀行一般都會有這類信貸產品，以提升原有客戶粘性和吸引新增開戶企業。
流水貸分爲開戶行貸和機構貸。前者的額度一般爲10-200萬，後者貸款額度爲1-50萬。就利率而言，開戶行貸的年利率爲7%-12%，機構貸的月利率超過1.5%。
4.3.5 場景貸
基於小微企業經營過程中產生的，例如電力、專利等數據，進行核心數據選取、數據合規、數據模型構建，需要專業的科技賦能。雖然難度和複雜程度較高，但由於其依託對小微企業經營細分場景的精準分析和精細化信貸投放，具有較大潛力。
典型案例：
建設銀行“雲電貸”：
建設銀行與國家電網合作，企業在國電商城發起申請，在建行企業網銀進行授權後，根據用電數據自動計算貸款額度，額度高達200萬元，期限長達1 年。於2019 年2 月22 日上線，在建設銀行江蘇、福建、江西、寧夏、廈門、蘇州六家分行進行試點。建設銀行與國家電網電子商務平臺部分區域數據直連，依據企業電費相關信息，結合小微企業及企業主在建設銀行內外部的多維度信息進行線上客戶評價、額度測算和信貸審批，用於小微企業短期生產經營週轉。雲電貸爲小微企業提供了**“以電獲貸”**的創新模式和案例，對依據多維度場景數據爲小微企業提供精準信貸服務有積極意義。
4.4 核心企業模式
4.4.1 供應鏈擔保
在這種模式下，核心企業參與整個借貸過程，以應收賬款、訂單或承諾到期付款等方式爲其上下游節點企業提供信用擔保。而銀行以大型核心企業爲中心，選擇資質良好的上下游小微企業作爲融資對象。一方面信貸以小微企業與核心企業的真實交易作爲背景，銀行可以跳出對具體某家小微企業的信用風險評估，轉爲對核心企業的信用狀況和實力以及交易真實性和風險性進行評估，實際上是將核心企業的信用延伸到了上下游小微企業，小微企業的信用相應升級；另一方面，由於核心企業提供擔保，爲了保證整個供應鏈條資金流的順暢，核心企業也會監督小微企業經營和信貸使用環節，提高小微企業履約能力及意願，減小違約風險。
典型案例：
平安銀行供應鏈應收賬款服務平臺：
平安銀行的供應鏈應收賬款服務平臺（SAS）2017 年上線，與動產融資統一登記系統（中登網）直連，自動實現應收賬款質押、轉讓登記，爲核心企業產業鏈上游供應商提供線上應收資產交易、流轉服務。核心企業、供應商註冊開通SAS 平臺，核心企業基於與供應商的基礎貿易合同所形成的應付賬款向供應商簽發SAS 賬單，供應商收到核心企業簽發的SAS 賬單後，覈對賬單並簽收或退回，供應商可將其持有且未到期的應收賬款轉讓給上游供應商並記載於SAS 賬單，抵消自身對上游的債務，也可以選擇將收到的核心企業簽發的SAS 賬單所記載應收賬款轉讓給銀行獲取融資，SAS 所載應收賬款到期日前，核心企業確保備付金賬戶有足額兌付資金，並授權平安銀行於應收賬款到期日清分至對應應收賬款最終持有人指定賬戶，完成應收賬款到期兌付。截至2018 年末，已爲111 家核心企業及其上游中小微企業提供金融服務支持，供應鏈應收賬款服務平臺累計交易量突破100 億元。
4.4.2 供應鏈數據
供應鏈是以核心企業爲主導的網絡結構，任何一個供應鏈上都有信息流，物流，資金流的流轉，沉澱了大量供應鏈流轉和運營數據。以供應鏈ERP沉澱數據或上下游交易數據作爲供信用評價依據，開發以供應鏈數據爲核心的信貸產品和風險評價模型，銀行爲供應鏈上下游小微企業提供貸款。
典型案例：
農業銀行“數據網貸”：
數據網貸通過與優質核心企業的信息系統對接,採用數據挖掘技術,對核心企業與其上下游小微企業之間的交易數據進行分析,運用算法與模型進行智能化信貸決策,批量向核心企業上下游的小微企業集羣提供定製化融資服務。數據網貸依託“核心企業推薦+互聯網平臺”,根據企業實際情況定製對應的貸款額度、期限、利率。圍繞供應鏈“產、供、銷”業務場景，目前已經實現了數據網貸業務對法人、個人全類型供應鏈客戶的覆蓋支持。截至2019年5 月19 日，數據網貸累計上線比亞迪、蒙牛、中建八局、TCL 集團等63 個商圈，已覆蓋建築、汽車、家電、釀酒、貿易等多個行業核心企業客戶。
4.5 交易平臺模式
交易平臺是一個爲企業或個人提供網上交易洽談的平臺，也是供應鏈的一種形態，通過互聯網協調、整合上下游信息流、貨物流、資金流，使供應鏈各主體和環節有序、關聯、高效流動。這種模式下，信貸投放對象是平臺上的各交易主體，以平臺內循環數據、資金爲信貸評價依據，以平臺上交易雙方是企業對企業還是企業對個人，可以將交易平臺模式分成B2B 交易平臺，和消費電商平臺兩種模式。
4.5.1 B2B交易平臺
B2B 平臺是企業間的電子商務，即企業與企業之間通過互聯網進行產品、服務及信息的交換。目前已達一定規模的B2B 平臺以產業平臺爲主，例如鋼材、塑料、棉花等產業。這些產業B2B 平臺都有各自不同的聚集優勢，以生產企業聚集、以採購企業聚集，還有以物流企業聚集的。這種模式下以平臺聚集小微企業爲信貸投放對象，從平臺整合產業鏈的支點爲抓手，一種是以平臺爲主導，平臺在交易鏈條設計開發授信節點，銀行作爲資金提供方提供信貸；還有一種是平臺與銀行或助貸機構合作，銀行或助貸機構開發針對該平臺企業的信貸產品，平臺爲銀行提供導流和交易數據。
典型案例
找鋼網“胖貓白條”：
是找鋼網旗下胖貓金融推出的白條數據模型，找鋼網爲其平臺的採購企業提供的信貸服務產品。找鋼網將合作鋼廠、貿易商等鏈上企業連接起來建立一個系統，提供供應鏈金融、大數據服務。胖貓白條企業在找鋼網採購時，可以在胖貓金融申請激活白條快速獲得資金用於支付，白條服務最長時間爲30 天，交易完成後，胖貓金融會產生應收賬款，胖貓金融與保理公司合作，基於交易數據，將應收賬款按項目出售給保理公司，實現債權轉移與資金回籠。參與資金提供的銀行有招商銀行、光大銀行、廣發銀行、中信銀行、平安銀行等十幾家銀行，2017-2018 年，爲超過5000 家企業提供超過120 億元支持。
快塑網“塑貸”系列：
快塑網是我國塑化B2B 頭部領先企業，以供應鏈金融爲核心，通過用戶交易行爲沉澱的數據，與第三方企業合作，爲平臺用戶提供金融、SaaS 物流、資訊等服務。快塑網與不同助貸機構合作先後推出的貸款產品：粵財塑貸、惠雲塑貸、星塑貸、融塑貸，額度從50 萬到300 萬，期限1-2個月。不同的助貸機構有不同的銀行提供塑貸系列貸款的資金。截至2019 年5月，累計服務規模近百億元，服務塑化行業客戶4 萬多家。
4.5.2 消費電商平臺
以淘寶、京東爲代表的消費電商，其小微企業信貸主要提供給平臺商家或店鋪，電商平臺運營過程中沉澱了大量購銷數據，網上商鋪的交易流水數據和消費者的消費數據。網上商鋪的交易流水能夠直接映射平臺上的經營情況，作爲網上商鋪信貸風控的評價依據。各大電商均推出了以本平臺交易數據爲核心的小微企業信貸，服務對象是各網商平臺存量客戶羣體。
典型案例：
網商銀行 “網商貸”：
網商貸是一款純信用線上貸款，其投放對象以淘寶、天貓等電商平臺的線上商戶及口碑服務等線下碼商爲主，借貸資金來源於小貸公司和傳統金融機構的聯合放貸、同業存款等形式。從2010 年開始螞蟻金服旗下阿里小額貸款公司，爲阿里系多個電商平臺上的商戶提供信用類小額貸款服務，以幫助平臺上的商戶週轉資金。從2015 年6 月後螞蟻金服將此類業務逐漸轉向網商銀行。貸款金額最高200 萬，最長借款期限24 個月，截至2018 年9 月底，網商銀行及前身阿里小貸累計爲1171 萬小微企業和個人經營者提供了近2.14萬億元經營性貸款。
4.6 信貸模式分佈
4.6.1 區域小微企業銀行
2018年對湖南、湖北、江西三省的小微企業信貸模式進行調研如下：
特點如下：
- 區域內，銀行各種模式的小微企業信貸產品較爲齊全。
- 以抵押擔保爲基礎的傳統貸款產品佔比最大，可能原因是長期以來銀行傳統模式產品存量基數較大。數據賦能模式位於第二位，很多銀行都開始了這種模式的探索。
- 核心企業和交易平臺模式產品較少。可能在統計口徑上與實際有偏差，核心企業模式和交易平臺模式銀行多處於信貸資金提供者的角色，從銀行的口徑大多不歸屬小微企業貸款產品。
- 從單個銀行的小微企業信貸產品數量來看，國有大型商業銀行和城商行較多，股份制和農商行較少。
4.6.2 大型國有銀行
通過對建設銀行60 款小微企業信貸產品進行調研：
特點如下：
- 單個銀行各種模式的小微企業信貸產品較爲齊全；從產品分佈情況來看，銀行的小微企業貸款產品中以抵押擔保爲基礎的傳統貸款產品佔比最大，數據賦能模式位於第二位，核心企業和交易平臺模式產品較少。
接下來，我們開始審批模式方面的探索：
信貸審批模式，可分爲純線下、半線下、純線上等幾種，主要分類依據企業經營資質、場景、類型、抵押物等屬性及可獲取合規數據源等。
線下和線上審批模式不盡相同，我們詳細剖析：
5.線下審批模式
多見於傳統銀行授信及民間借貸授信模式。
5.1 市場及客羣
5.1.1 銀行市場
面向所有在錄企業，主要在於風險把控和定價方案。
5.1.2 民間市場
基本原則是：和銀行錯位經營，撿銀行的漏
銀行的策略在於資產，只要有合適的抵押物，貸款很快就能獲批；民營貸款的核心競爭力在哪裏？比起銀行，在品牌、利率、網點、人力資源、綜合金融服務等方面的劣勢相當明顯，如果其他條件一樣，客戶首選銀行貸款，手續麻煩不要緊，速度慢不要緊，融資成本可是低得多，所以，來民間借貸的客戶，一進門就自帶風險！！！
1、穩定，可複製的市場。不依賴熟人關係，在市場中篩選客戶。
2、供給不充分的市場。找競爭不足的細分市場，類似農信社的下沉式金融服務
3、和自身定位相匹配的市場。俯身看客戶
小微貸款公司的商業可持續化信貸技術，建立在三化之上：機構化、市場化、標準化
- 機構化，意味着正規，意味着接受市場檢驗，意味着受法律保護。
- 市場化，擺脫熟人關係，脫離關係型業務，靠市場進化
- 標準化，以流水線思維培養信貸員，每一筆貸款都放得清清楚楚，拒得明明白白，儘可能減少調整的空間，規模化批量化發展業務。
開發差異化的小微企業信貸產品：
- 借新還舊，過橋貸
- 房地產行業貸款
- 小額房產、汽車抵押貸
- 熟悉且關係密切的企業或自然人經營貸
- 三農貸
5.2 營銷及響應
5.2.1 小微貸營銷
營銷特點：
- 挖掘新客戶，維護老客戶
- 產品推薦真實，對客戶做到：不欺騙，不隱瞞
- 標準化話術
- 營銷過程，就是收集信息的第一步
- 客觀公正公開，不做與營銷無關或過分的言行
- 堅持，從聯繫名單開始
5.2.2 信貸員團隊管理
線下審批模式的核心是信貸員，操作風險極大！管好團隊，控制風險，塑造合理的價值觀及激勵機制，業務自然可以順利進行。
數理員工第一的經營理念
堅定信貸員是小額貸款領域的核心
建立合理的薪資體系
5.3 信息採集
調查小微企業過程中，如何在較短的時間內處理繁雜、似是而非、相互關聯、矛盾重重的信息，哪些是可用的，哪些又是需要棄用的。
可靠性、完整性、關聯性、邏輯性、合理性
5.3.1 頂層：權威三方憑證
內容：銀行流水、水電費、稅票
特點：難以僞造，具有統一權威樣式、具有很強的真實性；也能僞造、粉飾
作用：推理借款人的銷售額、費用
造假難度：四顆星
採集難度：四顆星
識別難度：三顆星
可靠性：四顆星
更多的問題是：小微企業的管理，通常是不正規的，因爲意識不強或者貪圖方便，亦或是爲了避稅，多數小微企業會使用現金交易、不開發票、不保留原始單據，大大增加了權威三方憑證獲取的難度。
5.3.1 二層：鏈上三方憑證
內容：借款人生意關聯方（上下游）企業所出具的憑證，如：訂單、結算單、發貨清單、送貨單
特點：並非借款人自己製作，不容易造假，可識別借款人關鍵信息
作用：推理借款人的銷售額、費用
造假難度：四顆星
採集難度：四顆星
識別難度：三顆星
可靠性：四顆星
5.3.3 三層：借款人提供的原始憑證
內容：流水賬“細節”憑證，銷售小票、工資發放單、入庫單、排班表
特點：“細節”小票比籠統的總賬更能反映借款人真實的生意情況，且短時間內難以大量僞造，信息間差異明顯，易於識別。
作用：推理借款人的銷售額、費用
造假難度：三顆星
採集難度：三顆星
識別難度：二顆星
可靠性：三顆星
5.3.4 四層：相關人提供的證明信息
內容：借款人的同行、員工、上下游、配偶、合夥人等，借款人直接的利益相關人。
特點：因爲有直接利益相關性，所以提供的信息可能不夠真實、精準、可靠、全面，但聊勝於無，側面作用比較大。
作用：推理借款人的社會關係、穩定性、真實性
造假難度：二顆星
採集難度：二顆星
識別難度：二顆星
可靠性：二顆星
5.3.5 底層：口述信息或書面材料
內容：借款人的同行、員工、上下游、配偶、合夥人等，借款人直接的利益相關人。
特點：
作用：借款人口述信息及申請信息的關鍵作用，在於拿捏，在於推敲，在於分析，在於驗證，謊言往往是在蛛絲馬跡中暴露的
造假難度：二顆星
採集難度：二顆星
識別難度：二顆星
可靠性：二顆星
整個金字塔結構，從上到下，信息可靠性遞減，難度遞減。互相印證、互相矛盾、環環相扣、交叉檢驗。
5.4 調查流程及內容
根據小微信貸的風控導向，可以把需要收集的信息歸納爲9個版塊，貸款用途、經營歷史、家庭情況、經營模式、資產負債情況、損益情況、流水徵信情況、擔保條件和人品情況。
5.4.1 覈實所有權
覈查生意所有權，確保生意歸借款人所有。
公司章程、營業執照、稅務登記證、轉讓協議等
非正規登記“灰色”
- 沒有辦理營業執照
- 轉手生意，營業執照未變更
- 集體營業執照
對於此類用戶，銀行通常無法提供正常貸款服務，但並不一定意味着客戶沒有貸款資格。小貸公司的競爭使命，就是挖掘銀行不要的或者看不上的那羣客戶。
提供替代或補充營業執照的證明文件
- 商鋪產權
- 租賃合同
- 代理合同
- 往來銀行賬戶（戶名、簽字人）
- 轉讓協議
這些證明文件，邏輯上要滿足生意的歸屬。
5.4.2 落實貸款目的
查驗用戶是否按規定使用貸款是覈查是否騙貸的重中之重，銀監會出臺的政策也把貸款目的的監控放在非常重要的位置。
不是所有沒按照規定使用貸款的客戶都會違約，但機會違約的客戶基本都沒有按照規定使用貸款。
落實，在於細節！
實地調查：
- 新店的地址
- 新的租賃合同簽訂情況
- 管理人員是誰
- 店鋪租金、裝修、備貨情況
- 對當前行業、個人業務、企業周邊等信息的分析
一個合理的解釋和理由，是交易的第一道也是最後一道手續。一旦前後左右花式矛盾，風險點就出現了！
5.4.3 落實非財務信息
個人和家庭情況
家訪
- 是否有不良貸款、大額負債
- 生活環境、社會角色、家庭角色、家庭穩定性、家庭對客戶生意的支持程度
- 費用開支、生意規模
發展歷程
- 爲什麼來本地
- 因何做起了生意
- 獲得過哪些權益
- 啓動資金來源
- 營收情況
- 資產去向
做好訪談人！
落實生意模式和結構
常見的小微貸客戶分佈在四個行業：
- 商貿流通業
- 服務業
- 生產加工也
- 農業
這些大的行業，都有穩定的生意模式和結構，資金使用特點也不盡相同
清楚每家企業的生意模式對信貸員要求特別高，主要表現爲：
- 進貨渠道
- 銷售渠道
- 店面選址
- 存貨週轉頻率
- 上下游關係圖
- 覈實單據
- 收付方式
- 合作年限
- 市場前景
- 生產成本
- 水、電、氣、維護費、工人數、工資表
把握生意主脈絡，對信貸判斷有至關重要的作用
落實客戶財務信息
資產表
貸款評審的關鍵，是評估客戶的還款意願和還款能力，還款意願靠反欺詐，還款能力則在於對客戶經營能力等條件的把控，是否放款的前提是客戶能夠健康良性的發展。
- 資產負債表
- 現金和銀行存款
- 財務狀況
- 現金流
- 應收款和預付款
- 庫存商品
- 固定資產
爲防僞造，確保三個原則：
- 眼見爲實，資產必須親眼可見
- 現值原則，市場價，折舊價下的價值
- 謹慎原則，寧可信其無，不可信其有
負債表
- 借貸歷史
- 融資渠道
- 貸款額度
查閱客戶的徵信記錄，並且根據客戶的業務模式及信貸員專業的刨根問底能力，摸清客戶來自其他貸款公司、擔保公司、高利貸的民間借貸歷史
權益表
權益 = 資產 - 負債
授信額度通常不超過權益的90%
損益表
評估企業能否健康運營的關鍵指標
1、企業通常沒有損益表，有也不可信
2、損益表由信貸員編制
3、淡旺季差異明顯，所以按月編制
4、大多數情況下，損益等於現金流
5、簡化固定成本項目，加入家庭因素的考慮
根據損益表現情況
- 評估客戶可支配收入
- 決定客戶每月還貸款額（建議不超過可支配收入的70%）
總結一下：獲取“信息”不難，難在判斷“信息”的真實性，有一定從業經驗的信貸員往往會懂得信息“保真”的訣竅：
- 口頭詢問
- 實地盤查
- 公開信息
- 書面材料
單一的信息沒有任何價值，獲取完信息後，需要對信息進行校驗：
- 貸款調查交叉檢驗技術
- 確認法
- 比較法
- 一致法
- 不同信息來源、同一信息來源的邏輯關係
- 信息的完整性、真實性、準確性
僞造難度、可信度、完整度、邏輯鏈條一致性
5.5 常見授信流程
信息收集告一段落，就有必要研究一下信貸流程了：
看下小微企業信貸流程圖
在所有涉及和客戶接觸的環節中，信貸員是最關鍵的
5.5.1 接待和申請
- 及時接待，專人專事
- 完整的填寫信息表
- 保管每一張申請表，可追溯
- 不符合條件重審，符合條件立即展開調查
5.5.2 實地調查分析
調查前準備：
- 行業知識
- 部門主管建議
- 網絡信息
- 過往案例
- 同事分享
預約調查時間
攜帶必要工具
名片、計算器、筆記本、申請表、宣傳冊、合同等、、、、
確保當下時間合適
展開調查
- 從生意所有權開始
- 個人歷程和家庭情況
- 生意發展趨勢
- 生意模式和結構
- 貸款目的
- 損益表
- 資產負債表
- 交叉檢驗
- 權益檢驗
- 家庭調查
- 權益人和擔保人
5.5.3 盡職調查報告
1.向銀行提出貸款申請
2.等待銀行的資信審查和貸款審覈
3.與銀行簽署貸款合同
4.到銀行辦理貸款相關手續
6.線上審批模式
6.1 線上審批特點
- 信貸業務與金融科技的融合。融合信用數據體系、綜合服務平臺、企業場景分析等內容。
- 縮短借款時間，簡化審批流程，提升用戶服務體驗
6.2 常見審批流程
6.3 提交審批材料
姓名
手機號
地址
家庭情況
工作情況
學歷情況
銀行卡情況
貸款額度
企業註冊時間
企業所在地
賬號
法人身份證
手機號
營業執照
企業納稅賬號
6.4 大數據的使用
6.4.1 法人基本信息
個人與企業徵信報告、財報與稅務數據、行內痕跡與還款表現
個人相關的三方數據
經營者數據：個人徵信數據
6.4.2 企業經營信息
基本信息：成立年限、註冊資本
經營信息：經營能力、經營效益等
工商信息：經營年報、繳稅信息
稅務信息：
司法信息：執行信息
央行數據：企業徵信數據
外部市場環境：國家政策、行業發展情況
6.5 融合程度層次
7.關於小微信貸風控的建議
- 逐漸加權線上審批的作用
- 精簡信貸審批流程
- 優化信貸審批方式
- 改善綜合金融服務
- 先考慮信貸模式，然後再考慮抵押等增信方式
- 建設完整的初篩、准入、授信、評級、定價、糾錯、貸後監控與預警機制
- 通過“規則+模型”方式，其中授信與貸後預警共用指標
7.1 明確客羣定位
- 明確產品開放的市場客羣屬性
- 屬性產品和業務模式
- 瞭解獲客渠道、手段、流程、潛在風險點
7.2 勾勒經營畫像
- **經營規模：**規模較小、數量龐大、家族史管理、管理水平落後
- **經營範圍：**小型加工製造、零售貿易、餐飲服務等
- **經營情況：**生命週期短，資產總額比較低、營業收入較，財務制度不健全
- **標籤管理：**建立結構化的可用於製作規則和構建模式的用戶畫像標籤庫
例：
規則內容：相關網查信息完整且無異常信息（包括百度，360，行業網站，工商網，失信網等其他三方網站）
A 企業網查出現近12個月的負面信息需補充說明，大於12個月需關注該信息影響程 度，補充說明。
B 法人網查不得出現負面信息，出現近12個月的負面信息需補充說明，大於12個月需 關注該信息影響程度，綜合考慮降額或增加風險控制措施。
判斷結果：
A提供說明
B調整額度
C根據實際情況增加風控措施
D拒絕
規則內容：央行查詢企業信用及法人個人信用記錄
A 企業信用近24個月內出現逾期大於5次，或近6個月內逾期大於2次，綜合考慮降額或增加風險控制措施。
B 法人信用近24個月內出現5，12個月內出現
C 綜合考慮降額或增加風險控制措施
判斷結果：
A 提供說明
B 調整額度
C 根據實際情況增加風控措 施
D 拒絕
7.4 審批決策流程
線上產品：80%線上+20%線下，逐漸提高人工佔比
線下產品：20%線上+80%線下，逐漸提高人工效率
冷啓動：准入+名單+規則+反欺詐+模型+人工
後期：准入+名單+規則+反欺詐+模型
7.4.1 建立企業名單庫
黑名單判斷策略
黑名單建庫與行內互聯互通，對於一家金融機構尤爲重要。小微金融業務黑名單策略設計可以考慮自有黑名單、行內黑名單、銀監黑名單、反洗錢監測以及其他一些金融機構特定的策略規則。
我在之前供職集團風管部門時，有段時間瞭解到反洗錢這塊部分工作。對於小微金融來講，企業經營者參與洗錢之後性質尤爲嚴重，國家有明令禁止法規。所以在黑名單判斷中可以加入反洗錢九要素驗證，對於觸發反洗錢監測預警的企業，九要素驗證任一缺失即執行拒絕動作（一般小微金融執行反洗錢自然人九要素驗證即可，包括姓名、性別、國籍、職業、住所地或工作單位地址、聯繫方式、身份證件或身份證明文件的種類、號碼、有效期）。
信用判斷策略
信用風險判斷策略相對於准入規則、欺詐判斷、黑名單規則，風險識別能力相對較弱，策略的使用也相應靈活，通常是在一個策略節點上多條策略規則組合判斷。在小微金融貸前風控策略設計上，可以考慮人行徵信、企業徵信、多頭信息、徵信逾期或不良信息、場景信用分、銀行卡信息、互聯網標籤等。
以企業徵信信息爲例，覈查小微企業的負債償還能力，可以設計經營實體未結清貸款授信結構的數量和信用貸款餘額，比如經營實體未結清貸款授信結構機構累計數量>3 Or 信用貸款餘額 >500萬，則拒絕。
白名單客戶篩選
如果金融機構可以有渠道獲取授信白名單，在貸前策略框架上可以加入白名單客戶篩選規則。 比如人行徵信裏的徵信白戶、N個月未逾期，個人經營貸款裏授信機構數量<=N等。
7.4.2 設置准入規則
基於自有數據，通過關聯分析等方法加工並篩選了獨有指標。
例：
法人申請
法人年齡：25~60週歲
逾期累計次數不超過5次
企業正常經營
決策引擎規則內容（舉個例子）
規則內容：企業成立≥1年且連續經營≥6個月
判斷結果：是（通過），否（拒絕）
規則內容：企業失信出現≥1例，金額≥10萬
判斷結果：是（通過），否（拒絕）
對小微企業主的身份要素驗證，包括借款人年齡、證件類型、證件有效期是否小於當前申請日期、證件號碼與證件名稱二要素驗證等。個人身份驗證主要覈查“此人有此證、此證還能用”。
在准入TK流裏，風控策略架構主要以Hard-Check爲主，可以涉及的指標有小微企業工商信息、司法信息、政策性禁入（比如禁入行業）。
值得注意的是，不論是小微金融還是零售信貸，在Hard-Check裏對行業都有相應規則進行干預，行業是一個絕對要優先考慮的政策性准入規則。
線下業務線上化，首先是要將線下審覈做好，然後數據移到線上，開發模型。三個發展階段爲：線下盡調收集材料審批—線下數據線上化開發模型—實現純線上數據模型。
利率低於15的准入政策：多頭、企業基本准入政策、企業基本政策等等，比較通用 大家都知道 。強調的是：1、行業准入政策，娛樂 金融等行業限制。2、有房無二抵。3、人行徵信准入政策，查詢次數 信用卡使用率等。
（1）稅貸：關於稅貸純線上哪怕現在是微衆稅銀的模型，還是欠缺了個人網貸徵信、企業徵信變量、個人徵信變量，模型仍要提升。講講本人如何構建了稅貸模型升級版，法海數據構建小B准入，企業主同盾百融數據構建准入和多頭共債子模型，KS0.3左右；稅務數據或發票數據字段標籤模型 由微衆稅銀或百望提供，當然也可以直建，難點在於數據獲取；企業徵信+個人徵信解析 構建一次衍生 二次衍生變量，同時結合銷售、網貸共債，再做DTI 還款能力等變量，最終形成徵信子模型，KS0.3以上；企業經營數據報表推算模型：按行業各類財務平均指標對比企業財務指標構建變量、現金比率、日均存款/銷售、負債/銷售、現金週轉週期等等，難點是線下數據線上化（經營流水、進出貨單據、應收應付流水與時間等）。毫不誇張的說，三個子模型合併，好比九陽神功，任何行業企業模型隨便搞定。（企業模型要按二級行業分別建，如樣本有限分一級行業建）。
（2）個人經營貸：個人經營貸一部分客羣是商戶類，一部分是小企業一般納稅人，所以根據客羣來跑模型。
(3) 商戶貸：銀聯智策（數據）、同盾百融、其他反欺詐類三方，人行徵信變量解析（5000多箇中挑出幾個有用的），建立反欺詐模型。建立 同盾百融子模型、銀聯智策子模型、人行徵信子模型、二次衍生變量入主模型（DTI、還款能力、收入預測、負債/資產等等）。建立綜合主模型。同樣道理商戶貸按行業分開建會比較好，因爲每個行業現金週轉期、利潤率等都不一樣。目前最多是電商、線下零售商戶、餐飲商戶 這三類模型比較多 。
7.4.3 識別欺詐風險
在反欺詐TK流裏，可以根據接入的數據源維度進行反欺詐規則設定。我在看過超過百家以上的風控策略後，可以很確定的是80%以上都會對高風險地域設計成反欺詐規則，這一點不論是線下場景還是線上場景，亦或是無場景。
通用的一些反欺詐規則比如經營主體涉訴信息、借款人涉訴信息、徵信逾期或不良信息、多頭借貸信息、設備環境信息等。策略設計核心從兩種維度出發：經營企業主體和借款人。
比如從經營企業主體角度考慮涉訴信息的設計，可以有經營實體被執行人策略、經營實體失信人策略、財產保全作爲被告等。從借款人角度考慮反欺詐策略設計，除了失信、被執行人之外，還可以從貸記卡賬戶狀態（比如止付、呆帳、覈銷或凍結、逾期等）、貸款狀態（比如次級、可疑、損失等）、出入境限制名單設計反欺詐策略規則。從設備環境信息考慮，可以從IP地址、設備ID、GPS/LBS地址等。
7.4.4 機器學習模型
內部數據與外部數據如何整合，選取怎樣的數據變量：
1）數據清洗
補充缺失值、平滑 噪聲數據、識別或刪除離羣點並解決數據不一致性
2）數據集成
將多個數據源中的數據整合起來並統一存儲 。
3）數據變換
將數據轉換成適用建模所使用的數據變量
4）構建模型
7.4.5 人工介入策略
7.4.6 完善預警機制
7.5 風控人的覺悟
最後，我們來梳理下小微強企業信貸模式失敗的原因：
- 定位不清
- 客羣不對
- 盲目放貸
- 從業人員缺乏經驗
- 風控意識薄弱
- 授信流程不夠完善
- 機制僵化
- 沒有適合小微企業、個人借貸獨特的方法
- 不當的經營理念
- 風控機制出了問題
作爲一個理性消費者和風險管理者的綜合體，風控人應拒絕一切唯經驗論、唯系統論、唯數據論、唯機器論的理念及想法，迴歸市場，迴歸人性。
生意，是對人性慾望的滿足；風控，是對人性弱點的把控。
我是正陽， 很高興能通過文字認識你。
引用參考：
- 【書籍】《小微企業信貸工作筆記》，張覲剛
- 【報告】《小微企業信貸服務模式分析報告》：清華大學互聯網產業研究院
- 【報告】《金融科技在小微企業信貸中的應用發展研究報告》：清華大學互聯網產業研究院
- 【報告】《中國小微企業金融服務報告》（2018）：中國人民銀行 中國銀行保險監督管理委員會
- 【報告】2017-2022年中國小微企業行業市場現狀分析研究報告(目錄)：中國產業信息網
- 【文章】全面解析IPC、信貸工廠、大數據3種風控模式 https://www.sohu.com/a/227293332_100126970
- 【文章】小微信貸風控中類IPC模式和集中審批模式http://www.360doc.com/content/16/0428/10/28816426_554457200.shtml
- 【文章】“IPC”“信貸工廠”——兩類風控模式優缺點對比！https://www.sohu.com/a/191183851_64189
- 【文章】小微企業貸中介崛起：月入上百萬，養空殼公司，僞造流水，內外勾結https://mp.weixin.qq.com/s/3Ks3YC0rznpo-flu24ePVQ
- 【文章】“小微企業貸”數據之戰：SaaS貸造假，支付貸成主流https://mp.weixin.qq.com/s/aNZwivId7elswrDdroDkPg
- 【文章】終於揭開銀行不給小微企業貸款的真相https://zhuanlan.zhihu.com/p/38553389
- 【文章】關於小微企業銀行貸款發展的思考https://zhuanlan.zhihu.com/p/34556229
- 【文章】PPT詳解揭祕你不瞭解的小微信貸風控策略https://zhuanlan.zhihu.com/p/89689257
- 【文章】小微企業信貸風控探討https://zhuanlan.zhihu.com/p/38189308
- 【文章】關於小企業風控如何入手https://zhuanlan.zhihu.com/p/114900826?utm_source=wechat_session&utm_medium=social&utm_oi=987230029830549504
- 【文章】乾貨丨如何調查小微企業貸款用途及還款能力？https://mp.weixin.qq.com/s/eG5kRh4AE9N9-GBewdLiGg
- 【文章】如何做好小微企業信貸業務https://mp.weixin.qq.com/s/BC0BruswoLa_loR3nLchrw
- 【文章】<風控必備>小微企業如何利用大數據做風控https://mp.weixin.qq.com/s/8S2Wm-uX8ddaDKr8n3wutg
- 【文章】<風控必備>小微信貸風險解析https://mp.weixin.qq.com/s/gaESiMv4cRZogj92Gl_RJQ
- 【文章】小微金融風控貸前策略應該怎麼做？https://mp.weixin.qq.com/s/eCABjwVu6CGNYmYbMYpJBA
- 【文章】如何做好小微信貸業務？——授信模式+風控思路https://mp.weixin.qq.com/s/tpAEotQzMJWl06R_TkvPnQ
二、城市智慧金融綜合服務平臺
1.系統功能梳理
2.平臺框架設計
藉助金融科技的力量，儘可能做數字化獲客、數字化生態、數字化產品、數字化風控、數字化運營等五大領域的數字化建設。
- 建立完善的貸款政策、流程、機制
- 積極引入工商、司法、反欺詐、海關、黑名單、實名認證、稅務等外部數據
- 全面開發功能板塊
- 搭建數據倉庫，做好數據管理
- 構建針對線上運營、產品、供給側個性化規則、反欺詐、審批決策流的規則引擎
3.全息數據庫
4.運營管理系統
4.1 工作臺
4.2 產品列表
企業融資需求
精準匹配
4.3 審批系統
策略流
名單管理
規則管理
反欺詐策略
企業評級
信用評估報告
額度定價
4.4 預警系統
貸中風險預警
4.5 決策引擎
4.6 可視化分析模塊
5.智能信息撮合服務
企業貸款申請流程管理、政府金融政策審批流程、金融機構貸款審覈流程、企業投訴建議流程等業務流程
平臺首頁、政策指南、金融產品、新聞中心、服務案例、合作機構、平臺成果展示模塊、平臺內容管理
企業的註冊、身份認證、數據授權、融資產品查詢、融資發佈、融資跟蹤、融資產品推薦、融資額度評估、企業信息維護等。
資產推薦、業務統計、產品管理等。
