2017最专业的供应链金融盛会，赶紧约起！
来源 | 中国电子银行网、恒银研究
作者 | 王鹏虎 中信银行
随着业务模式的创新和金融科技的深入应用，供应链金融已初步完成了技术迭代，成为公司金融最具创新活力和技术含量的业务。在供应链金融发展中，数据化风控体系的构建是突破供应链金融发展障碍的关键点，这种创新的供应链金融满足了大量供应链小微企业的融资需求，效率高，成本低，风险也相对可控，符合商业可持续原则。本文来源于2018年12月11日中国电子银行网。
在国家政策支持下和市场各方努力下，供应链金融已成为金融行业热点和各路金融资本角力的焦点领域。随着业务模式的创新和金融科技的深入应用，供应链金融的服务效率逐步提高，服务成本日趋下降，风险管理能力也得到迅速提升，供应链金融已初步完成了技术迭代，成为公司金融最具创新活力和技术含量的业务。
但是，目前商业银行供应链金融的融资规模难以满足市场需要，供应链金融的发展在银行内部仍存在重重阻碍，特别是在严监管和不良资产压力之下，传统银行的风控体系难以有效支持供应链金融的创新发展，如何突破供应链金融的瓶颈，一直以来都是银行业内急需解决的问题。
本人认为，在供应链金融发展中，数据化风控体系的构建是突破供应链金融发展障碍的关键点，本文将对此进行分析，以促进中国银行业进一步转变观念，强化创新，增强服务实体经济和小微企业的能力。
一、供应链金融风险特征
供应链金融的对象是核心企业上下游的供货商、经销商和终端用户，企业数量众多，且多数规模较小，供应链金融的流程复杂，涉及供应链核心企业、上下游企业、物流企业、电商平台和商业银行等多个主体，因此供应链金融的风险也较传统双边贷款复杂得多。
供应链金融的风险可以按三个维度来看。按照主体来看，供应链金融的风险包括借款人风险、担保人风险、押品风险和第三方风险，特别是供应链金融中需要依靠物流监管企业、电商平台和数据商等第三方的配合，就产生了不同于传统信贷的第三方风险。此外还有来自于外部行业与市场的风险。
按照风险类型来看，重点是信用风险和操作性风险，特别是由于供应链金融流程环节涉及多个主体，且操作复杂，产生了大量的操作风险，如核保不实不严、未落实质押权，虚假出置、押品高估和悬空、未办妥抵质押登记和付款方未将应付帐款支付到银行指定账户等操作风险，这些操作风险甚至在一定程度上引致信用风险。
按业务流程来看，在准入环节的风险，包括行业准入、模式准入、集群准入和客户准入等环节的风险，在贷前调查环节的风险以及贷中审查审批环节、用信放款环节以及贷后管理环节的风险。
供应链金融的服务对象实际上是供应链中核心企业上下游的企业，这些企业通常都是小微型企业，小微企业具有以下特点：
首先，小微企业经营非常不稳定，变化非常快，抗风险能力相对较弱，风险相对较高；其次，小微企业信息对外披露较少，且可信度较低，存在高度的信息不对称，收集小微企业信息非常困难，风险管控难度大；此外，小微企业规模小，银行风险管理成本高。
基于以上特点，小微企业融资难融资贵就成为难以破解的金融困局，这不仅在中国如此，也是世界性难题。
二、如何构建新型的供应链金融风控体系
开展供应链金融就必须破解小微企业融资困局，寻找到以下三个战略支点：第一，成本必须降下来；第二，效率必须提上去；第三，风险必须控得住。
要达到降本增效控险的目标，需要银行在获客、服务、风控和运营等多个方面进行创新，其中的关键突破点还是风控，只有在风控环节建立了以上支撑点，才能使得供应链金融具备商业可持续性，才能成为商业银行可以正常开展的业务。
风控创新就是要建立不同于传统的新型风控体系，内容包括包括模式创新、流程创新和技术创新等。
（一）模式创新
首先是模式创新，小微金融风控模式经过了三个阶段：
第一个阶段：全手工线下模式，也叫供应链金融1.0，完全依靠客户经理人工线下收集客户信息，并通过信审经理进行经验判断。
第二个阶段：半自动信贷工厂模式，将流程进行集中化处理，在若干流程中引入标准化作业工具，例如信贷打分卡等。
第三个阶段：全自动数据融资模式，也称为大数据风控模式，技术基础是互联网，人工智能AI（Artificial Intelligence）和流程自动化RPA（Robotic Process Automation），通过互联网和内联网获取客户数据，然后通过规则模型对数据进行处理，并根据处理结果去驱动业务流程。
此外，还要建立银行与外部机构协同的业务模式，在风控体系中建立银行、电商平台、物流企业和金融科技公司合作的机制，通过合作获取多渠道的数据，建立联合风控体系。
电商平台或供应链核心企业负责提供供应链的交易数据，物流企业负责提供物流数据和货物仓单风险管控，金融科技公司可以提供数据分析服务，而商业银行则负责核心的风险管理和融资服务。这种跨组织的风控模式也将成为供应链金融独特的风控模式。
（二）理念创新
业务模式创新需要理念创新作为基础，必须对传统授信理念进行颠覆，主要有以下方面：
首先是要重用信、轻授信。传统的授信业务往往在授信过程中花费大量时间，但是在用信这个阶段，却流于形式，没有进行实质性风险审查，而形成实质性风险的恰恰是用信环节。
在供应链金融中，可以把授信彻底舍弃，直接进入用信，每一次用信就相当于是授信，授信额度相当于未结清余额加上本次用信额度。这样做的好处在于认真全面的审查每一次用信的风险，更加回归风险管理的实质。
其次是要重债项，轻主体。银行的主体评级是基于企业过去三年的财务报表，但供应链金融小微企业往往还没有三年的历史，即使有，财务报表可信度也非常低。通过财务报表做评级这种方式适用于大中型企业，很难即使反映小微企业的实时风险状况，所以我们在供应链金融风控中，要更加注重企业的交易，而不是企业主体，根据每一次交易来判断企业的风险。
再次要重短期视角。多数小微企业没有遥远的过去，也很难有遥远的未来，小微企业平均寿命只有三年多，因此银行更应注重小微企业的当下，关注其现时的经营状况。
最后要以交易额度代替授信额度。根据企业的每一次交易，给予一个额度，这种额度的基础就是交易以及交易形成的数据、债权和物权，和企业主体关系不大。由于额度与交易相关，交易结束，贷款就应该收回，因此这种额度是小额高频短期的，是可以根据企业的经营状况及时调整和收回的。
（三）手段创新
理念创新需要相应的手段创新，必须从原来传统的作业手段过渡到基于金融科技的手段。
首先从手工录入到线上获取信息，通过与企业系统直连以及部署网银等方式，实现线上自动获取数据，无需再通过资料收集后手工录入的方式获取数据。
其次是从单一数据来源到多渠道来源，数据不再单纯依靠客户经理采集，也不局限于客户以及银行系统等单一方式和来源，电商平台、企业ERP、物流系统、政府信息等各类外部大数据都是可利用的数据来源。
再次是数据处理方式从专家经验到规则加模型，模型包括简单的规则模型，也包括统计模型和复杂的机器学习模型，这些模型可以实现专家经验的积累和传承，保持理性和决策一致性，能够标准高效的执行信贷审批。
最后是从人工到自动化和智能化，自动分析业务中的数据和信息，从中挖掘出数据规律、趋势等，并加以有效应用，达到“总结过去、预测未来”的智能化效果。
（四）流程创新
手段创新需要落地到流程创新，以线上化和自动化的操作优化供应链金融的流程体验，达到降本增效控险的多重目标。在整个流程中，开户、贷款申请、审批、放款、签署合同、抵质押登记、贷后管理、预警催收等环节其实都可以通过系统自动处理，每一个环节的分析判断与决策，都是由数据模型来做出决策的和推动流程。实践中也可以在若干节点设置人工干预，特别是对难以直接通过或拒绝的犹豫状态，可以借助专家来判断和决策。
三、供应链金融数字化风控体系的实践
基于新的模式、理念、手段和流程，构建适应新形势和客户需求的供应链金融风控体系，是当前供应链金融发展的需要，也是银行更好的服务实体经济和实现经营转型的需要。
供应链金融风控体系的构建的条件相对成熟，在数据基础、数据处理技术、银行内部系统等方面都具备了形成产能的条件，而且在实践中也积累了大量的成功经验。
首先是已经具备较为完善的数据基础，互联网、大数据技术的兴起以及电商平台的蓬勃发展，交易行为线上化趋势明显，供应链交易数据的获取成本低、效率高且可信度高。外部宏观经济、行业以及征信、工商、税务等一系列相关公开信息平台的完善，将进一步打通部门间的信息孤岛，对企业进行精准画像和实时评价监督的可行性提高。
其次是数据技术也较为成熟。在数据获取方面，可以通过物联网、互联网和移动互联网，实时采集企业生产经营数据和交易数据；在数据存储方面，云计算和分布式数据库可以容纳海量数据；在数据处理方面，自然语言理解、图像识别、数据挖掘和机器学习技术日益成熟，AI技术的应用可以极大的提高信息处理效率，部分甚至全部替代专家决策。商业银行内部信息系统也日趋完善，核心业务系统、信贷系统、供应链金融系统、电子票据系统等相关业务系统基本搭建完毕，部分领先银行已经开发了大数据和人工智能平台。
此外，国内外部分先进银行和一些金融科技企业已经在供应链数据融资方面积累了大量的实践经验和成功案例。花旗与Biz2Credit、摩根大通与Ondeck、法国巴黎银行与Mysis都开展了基于供应链交易数据的业务合作。国内也有工商银行、中信银行和平安银行等，通过与供应链核心企业电商平台合作，开展基于数据的供应链金融的成功案例。京东金融、深圳怡亚通和阿里一达通等贸易服务企业也基于供应链交易平台数据开展了大量融资业务，与商业银行实现获客引流和部分风控职能的合作。
实践证明，这种创新的供应链金融满足了大量供应链小微企业的融资需求，效率高，成本低，风险也相对可控，符合商业可持续原则。希望有更多的传统银行能够迅速转变观念，积极应用金融科技，跟上供应链金融发展的时代潮流，实现数字普惠金融，更好的服务实体经济。
相关阅读：
