眼花繚亂的互聯網金融“模式”創新中，涉及到核心風控的科技金融創新實踐不多。2013年席卷至今的這一輪互聯網金融狂潮，不僅喚起了作為投資者的大眾理財熱情，激發了作為創業者的互聯網金融創新激情，更是把個人以及企業信用體系建設提升到了空前重要的地位。而金電聯行(北京)信息技術有限公司(以下簡稱“金電聯行”)則經過7年的不斷努力，利用大數據技術創新在企業與銀行等借貸機構間搭起了“信任”的橋梁。
“大數據信用的核心是數據，我們為銀行等金融機構提供創新性的信用解決方案，尤其是貸前批量企業篩查、貸中額度計算、貸后風險量化監管，以及嵌入式的服務系統，創造出銀行信貸管理新模式，也把金融機構的資金引導到有需求的企業去。”金電聯行董事長范曉忻在接受《經濟參考報》專訪時表示。
大數據信用“破題”中小企業融資困境
截至目前，金電聯行已經為1000多家中小微企業提供了總規模超過40億元人民幣的非抵質押信用融資服務，貸款利率多為基準利率上浮20-30%，尚未發生過一筆不良貸款。其中，最大單筆純信用貸款額度為6800萬元人民幣。以數據計算幫助中小企業拿到銀行的信用貸款，金電聯行將大數據信用應用于金融創新，有效地破解了中小微企業的貸款難題，開啟了純信用貸款的新模式。
來自全國工商聯發布最新數據顯示，國內約有90%的民營企業在發展中的最大瓶頸就是資金緊張，占比99%的中小微企業表示融資難度大，約60%的民營企業在銀行貸不到款。在實際運營過程中，中小微企業的原材料采購基本上都需先付款，于是眾多中小微企業不得不通過利率更高的貸款渠道盤活現金流。“我們的中小微企業一直喊融資難、融資貴。融資難是因為抵押物不多，銀行不敢做；而融資貴是銀行覺得企業風險大、服務成本高。”范曉忻指出，銀行為中小企業貸款的驅動力不足主要是存在兩大問題：一個是成本高居不下；二是準確度不高，無法有效監管。
銀監會最新發布的2014年一季度監管統計數據顯示，盡管不良貸款率仍保持在較低水平，但不良貸款余額有所增加。按照監管規定，商業銀行應按照風險程度將貸款劃分為正常、關注、次級、可疑和損失五類，其中，關注類貸款指借款人目前有能力償還貸款本息，但存在一些可能對償還產生不利影響因素的貸款；貸款五級分類的后三類合稱為不良貸款。截至2014年一季度末，商業銀行(法人口徑，下同)不良貸款余額6461億元，較年初增加541億元，不良貸款率1.04%，較年初上升0.04個百分點。
金融的核心是風控，對銀行等金融機構來講，金電聯行采用大數據算出來的企業信用，中間沒有任何人為干擾，相較容易掩蓋企業真實情況的合計數，資金的拆解行為將無處遁形。同時，針對信用違約頻發的情況，通過能夠更大體量、更全方位描述風險參數的大數據，對企業行為模式進行預測，進行實時、量化的動態監管，能夠有效地控制金融風險。這一抑制風險發生的模式，在實踐中獲得了銀行的認可。
“國內的財務報表數據有時候不能反映出企業的真實情況，而我們想要把企業的真實狀況計算出來，或者能夠呈現出來，所以我們采用了全數據概念。金電聯行打破了傳統的財報信用評價思維，通過對企業的大數據(生產、流通、銷售中產生的所有信息)進行分析，量化企業的信用額度。借由金電聯行的信用評價結果，可以幫助中小企業從合作銀行獲取無需擔保抵押的純信用貸款，大大降低了企業的貸款門檻，同時，銀行也能夠在風險可控的情況下放出貸款。”范曉忻自信的告訴記者，“我們沒有放棄能拿到的每一個數據，我們希望每一個數據都有它的價值，比如供應鏈金融上，每一筆訂單，每一筆庫存，每一筆物流，每一筆回款，每一個上下線，以及每一次檢測等等。利用這些數據，我們對企業進行綜合分析，尋找數據之間的規律性。我們不是要看企業的現在，而是看它未來一年或者一段時間內是否有能力還款，這才是信貸的本質。”
金電聯行相關人士介紹，公司基于大數據與云計算技術創建了“客觀信用評價體系”，該體系通過植入云端機器人對被評主體網狀與線性的海量、高速、多樣、易變的客觀信息，進行全自動、全天候的挖掘、分析與評價，提供非主觀的全計算性信用結果與實時的跟蹤評價，從而實現采集信息、運用數據、過程分析、評價結果和風險預警的客觀性、智能性和高效性。評估后，會得出各個模塊的子因素評價結果，形成針對中小企業的信用分析報告。而這一技術的載體就是大數據信用信息云服務平臺。
通過“客觀信用評估體系”對企業信用做出分級和評價，可供銀行等金融機構作為授信的依據，使企業得到無抵質押、無擔保的信用貸款。以制造行業為例，金電聯行的純信用融資服務主要針對核心企業上下游供應商融資，全面覆蓋采購、生產和銷售階段的全產業鏈融資，降低存貨和應收賬款對資金的占用。由于高效運行的技術體系支撐，貸款效率很高，申請周期短(10-45天)，申請成功率較高。而金電聯行僅收取企業授信額度的1～2%傭金，即使加上服務費，年化利率不到10%，跟目前中小企業融資成本平均水平相比低得多。
給企業的“健康”做體檢
“往往企業出現問題甚至面臨倒閉都不是突然出現問題，而是‘溫水煮青蛙’。企業要倒閉一定是一個痛苦掙扎的過程。”范曉忻這樣認為，“基于大數據的監管可以提前預報‘水溫’，在風險未發生前及時采取有效的防范措施。”
范曉忻告訴記者，金電聯行可以幫助銀行對現有客戶從放款到收款實現實時監管。及時做出風險預警，通過信用追蹤，告訴銀行企業是否健康甚至是未來三到六個月是否還健康。如果企業目前的狀況還好，但訂單下降、庫存上升、結賬期延展、結賬率下降，就可以為銀行預警。“比如一家企業同時給家樂福和京客隆這兩家供貨，判斷該企業的經營狀況就有很多維度，比如一看量，二看穩定性，三看利潤空間，四看回款速度等等，我們有1000多個指標項，這些就能清晰的描述出來企業真實的收益狀態，以及未來一段時間內的預期。”
據介紹，只要擁有供應鏈管理系統或者擁有一定數量電子化生產經營數據的企業都可以進行信用“診斷”服務，目前，金電聯行為了更好地推廣和應用大數據信用，平臺已經建立了制造行業、商超行業、醫藥行業等十個行業客觀信用體系儲備。
范曉忻此前透露，金電聯行目前已開發4.0的產品，預計一年后推出，金電聯行的產品都是提前兩年做規劃。9月中旬上線的2.0產品可以幫銀行監管以前無法監管的大量存量中小企業客戶，由銀行付服務費，這塊業務可以替銀行解決中小企業貸后監管難題。在銀行看來需要耗費大量人力物力的監管工作，金電聯行的成本要低得多，工程師也不用去企業，實現了電子化的動態貸后監管，大大提高了銀行的監管效率。此外，還可以幫助政府、PE、咨詢機構對企業拍“X光片”，進行“診斷”。
最近一段時間，金電聯行正與一些區域的產業集群園區開展合作，“像某些科技園區中，創新科技型企業的業務核心主要集中于人才的知識創造上，而這一點用傳統的風險評估方式很難覆蓋。”范曉忻介紹，金電聯行從2013年下半年開始針對這類企業進行了調研，主要對于人力資本的信用和風險評估進行了建模，“借助大數據信用分析，能夠為科技型園區的企業做風險評估，以便對這些企業的資金應用效率和風險做出預判。”范曉忻告訴記者。
而就在去年年末，金電聯行與上海嘉定區安亭鎮政府合作，為轄區內企業提供基于金電聯行的大數據信用技術的金融服務。范曉忻介紹說，在和地方園區的合作調研發現，制造業的融資需求只是中小企業融資需求的一部分，目前國內經濟在向服務業轉型，大量的創新型企業、服務型企業涌現，他們同樣存在融資難的問題，金電聯行大數據客觀信用體系已經找到破解的辦法。
據介紹，金電聯行還為全國10余省市政府社會信用體系建設提供征信與信用評價服務，進行區域經濟認知分析及扶持企業篩選、排名等，形成了新的政府管理趨勢。在全國范圍，打造了融金融、經濟和社會信用管理一體化的服務體系。
量化信用的“拓荒者”
清華大學計算機系畢業的范曉忻原本經營的是一家與金融無關的IT類公司，2007年前主要為華北地區的汽車零部件企業做供應鏈管理系統。“其實你有機會去做金融。假如每一個供應鏈金融系統里面的1000個供應鏈經銷商，要是能夠通過你的數據，來解決他們的金融融資難題，這不挺好的。”一位在華爾街從事金融工作朋友的這樣一句建議給范曉忻提供了新的視野。
美國80%以上靠的是信用貸款，而我國當時幾乎為零，99%以上通過抵押擔保獲得，因為中國的銀行要將風險轉化，要求有變現能力，西方的金融風險則是成本，通過各種金融手段實現風險可控，這是中國和西方金融體系的區別。而這也預示了范曉忻選擇的這條創業道路絕非坦途。“如果讓我再來一遍，我可能都不會選擇這條路，因為實在是太難了。和以前我做IT相比來說，難度太大。”時至今日，回想起創業的歷程，范曉忻仍有著這樣的感嘆。
在發現零部件生產商總是在為流動資金短缺苦惱后，范曉忻開始意識到供應鏈數據中的金融價值尚未被充分開發。當時，絕大多數銀行的貸款均需要抵押物，很多汽車零部件優質供應商盡管本身訂單充足，只是缺少短期資金購買原材料，但受制于抵押物不足，很難獲得貸款。在了解到這些小企業們飽受資金短缺之苦后，他開始考慮挖掘那些供應鏈數據背后的金融價值。在“大數據”和“互聯網金融”概念尚未興起的2007年夏天，范曉忻和幾個合伙人，成立了一家名叫金電聯行的公司，取“金融電子化，聯合銀行”之意，他們想以數據分析連接銀行和中小企業，起初是為他所結識的汽車零部件供應商做客觀信用計算，然后再把他們作為客戶介紹給銀行，申請無抵押信用貸款。
“金電聯行大數據分析的數據入口是供應鏈管理系統的供應商端，有一套數據挖掘機器人對數據進行挖掘。供應鏈管理系統類似銀行的銀聯交易系統，是一個交互系統，系統內的交易都是不可更改的，單個企業去修改數據是不可能的。”范曉忻表示，而本身供應商與主廠商的聯合造假很難，一是造假要做全套，為了把額度做上去，供應鏈數據取決于所有供應商的供貨數量，一發而動全身，訂單、物流等都要改，這是相當繁雜的工程。二是數據挖掘機器人會按照過往數據和未來的數據的分析，清洗掉異常數據，間歇性提高部分指標并不能提高額度。
光有好的算法、好的模型是不夠的，大數據還必須服務于金融實踐本身。“你要問我怎么去說服銀行、與銀行合作，就一個字‘難’。當時一些傳統金融從業人士還是持有很多懷疑與疑慮的。”范曉忻坦言，范曉忻與他的合作伙伴首先要打通銀企對接的障礙，對1200多家中小企業進行調研，跑遍了四大國有銀行以外的幾乎所有銀行，從分支行到總行，用范曉忻的話說是在為銀行“洗腦”，讓他們接受信用貸款模式。
2010年5月，公司迎來了1500萬額度的第一單；而當年9月，第一家國有控股中小企業也獲得信用授信，金額高達2000萬元。“比如，我們跟民生銀行開了200多個會才放了這一單，各種爭吵，各種困難，但是最終還是做成了。”對于范曉忻來說，這一單來之不易。
中小企業主“跑路潮”后，國家政策鼓勵金融為實體經濟服務，支持中小企業融資。去年下半年開始，金電聯行也進入了快速發展期，銀行和地方政府等越來越迫切需要獲得可量化的信用評判。“基于大數據信用技術，目前對授信企業的變化情況已經可以按秒計，我們已經成為多家銀行的信貸管理服務提供商。”范曉忻介紹。
在范曉忻看來，中國的金融創新大部分是模式創新，而金電聯行的不同之處是科技創新引領的模式創新。“我們做了7年的算法，現在公司仍然有一半以上的人都是做科研的，而這是沒有止境的，未來仍需要大量的研發投入。”
近一年來，金電聯行以自主研發的大數據信用技術，將中小企業的信用信息服務做得如火如荼。公司在北京、上海、天津、浙江、江蘇、山東、河北等地陸續重點開展了大數據信用服務工作，建立了大批量、高效能、全風控、低成本的純信用貸款管理模式，與民生銀行、國家開發銀行、郵政儲蓄銀行、平安銀行等多家銀行合作，提供貸前分析、貸后監管、債券增信等服務，獲得了政府、銀行及企業的高度認可。
在眾多企業都試圖將自身業務發展與目前大熱的互聯網金融掛鉤時，范曉忻卻有自己冷靜的思索，在他看來，金融業是經營風險的，拼流量爭入口不是金融的全部，喧囂過后的互聯網金融一定會有更加美好的未來。