剑气惊鸿,品色论坛,悠月工房h彩漫画集
【摘要】小微企业在我国经济的发展中占有重要地位，但是融资方面却存在一系列困难，制约其发展。在大数据征信时代，研究商业银行小微企业信贷流程优化，有助于破解小微企业融资问题。本文通过对原有信贷流程贷前调查、信贷审批和贷后管理三个阶段所存在问题的分析，结合大数据征信模式下的优势，提出大数据征信模式下新型的信贷流程，包含精准营销、申请受理、审批放款和监控预警四阶段，最后提出相关政策建议。
【关键词】大数据 征信 小微企业 信贷流程
一、引言
2016年6月，达沃斯论坛上国务院总理李克强预警金融风险，表示要防范系统性和区域性金融风险，大数据征信成为破局关键。早在2015年8月，李克强总理在国务院常务会议指出，小微企业是就业的主渠道，经济发展的主力军，但是小微企业却存在着融资难，融资贵的问题，制约着小微企业的发展。表面上是缺少资金，实质上是缺少信息和缺少信用，导致银行惜贷、甚至不敢放贷。国务院办公厅通过《促进大数据发展行动计划纲要》，强调要推动政府信息系统和公共数据互联共享，消除信息孤岛。可见，搭建小微企业综合信息共享平台，利用大数据征信为银行信贷服务的时代已经到来。
二、小微企业传统信贷决策基本流程及存在问题
商业银行对小微企业传统的信贷决策基本流程可分为三个阶段，分别为贷前审查、信贷审批和贷后管理。
（一）贷前调查
贷前调查是传统信贷决策的第一环。企业对银行的贷款产品信息一般比较了解，而银行对企业的信息只能通过企业的介绍和自身的评估来了解，两者之间存在着信息不对称。因此，需要银行信贷客户经理去做贷前调查，做到“现场核查、眼见为实”、“交叉验证、把握实质”；现场核实企业各项资产的数额和结构，还原真实的资产负债表；通过多种途径交叉了解企业的资信和经营活动情况；注重企业现金流和第一还款来源，落实第二还款来源等尽职调查。
主要存在的问题点是：小微企业财务报表不真实，贷前调查难以准确掌握企业的真实财务状况；关联企业可能隐蔽，难以通过询问得知；搜集企业的基本信息、经营状况、征信资料，法人的家庭状况、征信资料耗时长，资料填写过程麻烦；可能存在企业和客户经理串通，联合欺骗贷款的情况，导致贷前调查结果不够客观公正；没有历史信用记录的企业和抵押担保品不足的企业惜贷、慎贷。
（二）信贷审批
商业银行为了贷款的安全性，企业信贷一般都有层层的审批。信贷审批人员主要对客户经理提交的调查报告中的企业贷款资料、贷款额度、贷款期限、贷款利率、贷款用途、还款来源和担保方式等信息综合分析审查，给出能否贷款的审批意见。大致流程如下，在客户经理进行贷前调查之后，需要形成一份小微企业贷款调查报告，然后逐级上报，进行审批。
主要存在的问题点：审批流程繁琐，所耗时间非常长；信贷审批人员的主观性因素影响较大，导致许多已经设定的条件在审批时无法具体落实，甚至存在信贷审批人员给予客户方便的可能性。
（三）贷后管理
贷后管理是在贷款发放后到信贷业务终止之前，客户经理对贷款企业实时调查、跟踪和分析的全过程信贷管理。在贷后管理阶段，通过高频率拜访企业和企业在银行的流水核验，来留意用贷情况、企业现金流、财务数据变化等来对授信风险做出反应，以保证贷款企业对资金的合理使用。
主要存在的问题点：贷后管理要求严格监控贷款企业资金用途，虽然审批部门对资金用途提出了明确要求，但由于客户经理对企业资金使用、企业生产状况无法实时掌控，导致资金使用偏离既定使用用途，从而可能产生不良贷款；客户经理高频率的拜访贷款企业，使得工作效率低，拓展其他贷款企业时间受限；贷款企业可能有针对性的对客户经理的调查内容进行可以安排或者掩饰，达到蒙骗检查的效果。
三、大数据征信模式优势分析
国家政策与市场发展都倾向小微企业贷款，但由于小微企业经营规模小、风险抵抗能力弱，经营体制不健全、信息不对称问题突出，资金需求呈现“短、频、急”的形态、银行的信贷流程体系难以很好满足，小微企业缺乏有效的抵押物，小微企业诸多特征导致与商业银行产品、流程的不匹配，没有全流程风控管理工具很好地控制风险。面对这样的现实，商业银行仅仅依靠自身的数据与产品无法应对小微企业贷款，必须拓展外界数据与征信产品，挖掘全流程跟踪产品，更好地开展小微企业贷款产品、控制风险，而大数据征信下的信贷流程结合了大数据和模型，使得结果真实可靠、处理效率高、监测能力更强。
（一）对企业报表依赖度低
由于小微企业财务报表普遍不真实，客户经理通过对企业的贷前调查很难了解企业的真实情况。大数据征信模式下，征信公司对企业的信息数据获取主要通过三种渠道，一是利用爬虫技术对企业的工商信息、关联企业信息、专利信息、法院信息、环保信息和社会舆情信息等进行爬取，然后进行数据清洗，整合分析；二是通过合作银行获取小微企业的历史信贷信息和银行流水信息；三是通过政府部门获取小微企业的税务数据、电信数据、社保数据、用电用水数据等，通过全方位、多角度地了解企业真实情况，为企业的信用评估创造有利条件。
（二）评价结果客观准确
基于多渠道获取的丰富数据资源，应用大数据处理能力，全方位地评估企业信用风险。通过提供全面、准确的征信报告和信用评分，为银行控制各种交易或投资风险、避免或减少交易损失，辅助银行制定合理的风险应对措施。大数据征信模式下，利用多渠道获取小微企业的信息，一是弱化了企业的财务信息，强化其他的相关信用信息，多角度反应企业的真实情况；二是取代了客户经理贷前调查的部分内容，让信息更加真实可靠，剔除人为主观因素。见，大数据征信模式下，企业信息的获取更加准确，评价结果更加客观准确。
（三）处理效率高成本低
大数据征信模式，征信公司将从多渠道收集的多维度数据源结构化，写入数据库，当企业需要获取信用评分或征信报告时，将直接从数据库调取企业信用数据，放进设定好的模型中，然后直接得到企业的信用评分和征信报告供客户经理使用。不仅保证了企业信息的真实可靠，还提高了客户经理和信贷审批人员的工作效率，同时一定程度上为商业银行降低人员成本。
（四）风险监测预警能力强
传统的贷后管理中，要求客户经理高频率地向贷款企业现场调查，而在大数据征信模式下，可以根据多维度数据源开发贷后预警模型，对小微贷款企业进行贷后监控，及时挖掘经营与潜在违约风险，让商业银行提前做好风险防范与缓释准备工作。例如，通过利用大数据手段来实时监测企业的生产情况，对于制造性企业而言，可以通过实时对企业用水用电数据的波动率进行监控，一旦发现异常，将直接向客户经理发出预警提示。
四、大数据征信下的小微企业新型信贷流程
大数据征信下的小微企业的新型信贷流程大致可以分为四个阶段，分别为精准营销、申请受理、审批放款和监控预警。
（一）精准营销
精准营销是指征信公司利用已有的信贷、工商、税务、电力数据，根据大数据模型帮助商业银行进行小微企业关联分析与优质客户选择，可以从区域、行业、担保方式、期限等因素进行产品创新，实现精准获客。然后，征信公司将筛选后的企业名单提供给商业银行，由客户经理去向筛选后的优质潜力企业进行定向营销。精准营销不仅仅以单次发现企业需求为最终目的，应当对贷款企业进行纵向和横向的持久精准营销，纵向是指根据贷款企业的发展，适时的提供合适的贷款产品和服务，横向是指向贷款企业的上下游企业以及关联企业挖掘潜在客户，不断扩大精准营销的范围。
（二）申请受理
申请受理包含两种情况，一是精准营销的企业提出贷款申请，二是普通企业主动进行贷款申请，无论是哪种情况，商业银行只需要将企业的申请信息提供给征信公司，由征信公司进行企业分析判断。首先是进行黑名单排查，验证申请企业是否在企业黑名单库中，接着根据欺诈规则进行反欺诈排查，验证企业是否存在欺诈的可能，然后根据贷款审批规则，给出能否贷款、授信额度、贷款利率和贷款期限等结果以及企业的征信报告。
（三）审批放款
商业银行根据征信公司提供的对企业的分析结果，进行决策参考，进一步明确贷款额度、贷款利率和贷款期限等信贷要素，然后进行线上审批，并将审批结果告知企业，最后进行合同签署和发放贷款。
（四）监控预警
商业银行在贷款发放后，将审批结果提供给征信公司，征信公司根据贷款企业的实际经营情况进行实时的贷后评分和风险预警，并将监测结果实时传输给商业银行，一旦发现企业异常举动，及时通知客户经理进行现场调查，防止形成不良贷款，实现商业银行小微企业贷后管理智能化。
五、政策建议
为了实现大数据征信模式下的商业银行小微企业新型信贷流程，提高商业银行信贷效率、降低信贷交易成本和促进地方经济发展，地方政府和商业银行应当从以下四个方面着手准备。
（一）尽快建立小微企业综合信息平台
由于大数据征信模式下，对数据的收集、管理和整合提出了较高要求，政府应当牵头尽快建立小微企业综合信息平台，主要包含四方面的工作。一是将政府掌握的数据进行整合对接，例如工商数据、税务数据、用水用电数据、社保数据等；二是明确数据采集标准，因为信用数据不一定都是结构化数据，对与非结构化数据应当制定数据采集标准；三是建立与小微企业信贷管理相关的数据仓库，具体包括企业的基本信息数据和其他信息数据等，提高数据的清洗、挖掘、分析的效率；四是对企业主和企业管理层的个人信息进行采集和加工，因为对于小微企业而言，企业主和高管的个人信息对企业发展有着至关重要的作用，在后期建立模型时，需要占一定权重。
（二）建立省级征信公司
由地方政府牵头成立省级征信公司，服务地方信用经济发展，满足商业银行信用信息服务的多样化需求，多角度、全方位整合信息资源，为商业银行信贷研发征信产品和提供征信服务，解决商业银行和小微企业之间的信息不对称，促进小微企业发展。省级征信公司负责整合小微企业综合信息平台数据和商业银行小微企业信贷数据，建立信用评级模型，出具信用报告等征信产品。为获取数据的便捷和业务开展的便利，省级征信公司可以由地方政府牵头，由当地国有企业和相关金融企业以及科技类公司共同发起设立。
（三）培养专业人才队伍
由于征信行业是基于大数据的基础之上，需要对大数据进行数据的整合、清洗、分析、解释，然后用于模型建立和征信产品的研发。因此，需要培养大数据分析人才，同时需要配置专业的大数据分析软件以及采用国际先进的数据保护措施，防止数据的篡改或者泄露。另一方面，在模型建立上，对建模人员的培养，不仅仅停留在模型方法本身，更要注重银行信贷实践，模型的建立需要参考信贷实务的一些经验。也就是说，产品建模人员需要懂得银行信贷的基础知识，熟悉银行信贷流程，理解信贷的风险点，从而建立相关的模型和研发相关征信产品。
参考文献
[1]李旭.商业银行中小企业信贷决策流程优化的案例研究[J].河南大学学报(哲学社会科学版)，2016，56(1):54-61.
[2]范晓忻.大数据征信与小微企业融资[J].中国金融，2014(22):81-82.
[3]刘新海，曲丹阳.基于征信大数据的替代信用评分[J].征信，2016，34(3):33-36.
[4]苏南宏，吕学军，王建民，等.对江西工行信贷审批流程的调研与思考[J].金融与经济，2011(12):30-32.
