
场景金融:“互联网+大数据”背景下的小企业融资新模式
又是岁末年初时,各类的总结与展望纷纷亮相,随着互联网金融的虚假繁荣逐步回归理性,Fintech、区块链等新兴概念距离大范围应用还有不断的距离,使得供应链金融又成为理论界、实践界关注的重点。
供应链金融在国内的实践起始于2001年的深圳发展银行,距今已超过15年,银行同业从模仿到创新,使得供应链金融已成为各家中等规模以上银行的必备产品之一。理论界通过交流与总结,也有不少关于供应链金融的专业书籍。金融脱媒的大潮给各类非银金融机构、特别是互联网金融机构提供了理论和政策基础,想“颠覆”代表落后、守旧势力的传统银行,第一步就是把银行的主要业务都先复制一套,供应链金融肯定也是不可或缺的产品。
尽管供应链金融在国内发展了超过15年,业务模式、业务流程都在持续的优化和迭代,但供应链金融的核心并未随着实体经济的变化而升级:依然以核心企业为整个业务的最重要风险抓手,依然强调物流、商流、信息流、资金流的”四流”合一。
2010年可以算是供应链金融的分水岭:在此之前,各家银行可以说闭着眼睛挣钱,高速的经济增长使供应链金融所服务的中小企业有着比较多的腾挪空间,银行对于资金的真实用途都是睁一眼闭一眼,只要能够按时还款、派生收益高,就是好客户;2010年后,国内外经济持续低迷,供应链金融的重要领地---大宗物资价格持续下行,业务中潜伏的问题快速且集中地浮出水面,甚至可以说一发不可收拾,供应链金融资产质量迅速劣化,不良压力巨大。
作为供应链金融做重要风险抓手的核心企业也出现了分化:抗风险能力差的核心企业,连自身直接授信的偿还都面临巨大问题,对于供应链金融中基于交易的间接责任全面违约,本就依附于核心企业的上下游客户没了生意、也没了还款来源,银行承担巨大的本金损失,核心企业的风险抓手作用完全丧失;抗风险能力稍强的核心企业,多多少少也会受到大环境的影响,经营和资金趋紧,逐步、适度收缩针对上下游客户的信用承担,供应链金融业务随之收缩。
而作为供应链金融一直强调的”四流”合一,多年来一直停留在“口头强调”阶段:商流一般是作为放款的基础,用于审核贸易背景真实性,由于各行业的专业性和交易复杂性,银行对商流的真实性、合理性都缺乏判断能力,只能做表面性审查;物流与商流类似,对风险控制的作用有限;由于核心企业的强势地位,其信息流对银行的开放程度有限,银行在此方面没有议价空间,基本是拿到什么用什么,甚至连信息的真伪都较难判断;资金流看似是银行最有把握控制的,但融资客户一般很难做到全部结算都通过授信银行完成,银行做不到对客户资金流的实际控制。
理想很丰满,现实很骨感。虽然时不时能看到看成堪称完美的供应链金融成功案例、创新模式,但除了极少数个案,绝大多数业务最后都会变形,激烈的同业竞争、业内缺乏能够共同坚守的业务底线、各家银行风险管理专业能力的差异都导致了供应链金融强调的核心企业责任+流程控制越来越流于形式,失去应有的风险控制作用。
除了银行内部的原因,外部经济环境的变化也使现有供应链金融业务发展举步维艰:核心企业自身经营难;互联网的应用使得越来越多的行业都在逐步“去中心化”;非银金融机构反应快速、模式灵活、为了规模可以忽略盈利的经营策略也在逐步侵蚀银行的原有业务空间。
但随着“互联网+大数据”在理论和应用层面的快速发展,企业经营的互联网化、数据化已逐步渗透至小微企业层级;“去中心化”在弱化核心企业的同时,使得原来的链状交易变成了网状交易,交易中各个节点之间的交流与合作更为频繁,逐步形成了场景化的交易模式;“互联网+大数据”使得场景进一步可视化,整体场景、场景中各个交易节点、各节点的商业行为和交易流程都逐步透明。
在此,基于“互联网+大数据”快速发展的背景,提出一种新的小企业融资新模式---场景金融。
首先,将场景分为两大类:可控场景和可信场景。
可控场景中,金融服务机构或其利益共同体是场景中整个商业活动的核心环节,商业活动围绕其展开,金融服务机构可以有效的控制、调整场景内的商业行为。金融服务机构掌握场景中商业活动的商流、物流、信息流、资金流,真正实现供应链金融一直追求的“四流”合一。金融服务机构基于商业行为、交易流程,发现场景内各方的真实资金需求,提供针对性极强的融资服务。
可控场景的优势在于:一方面,融资金额、融资期限、使用方式与资金实际需求相匹配,降低了融资方的融资资金闲置、进而降低了实际融资成本无形中提高的可能,也提高了金融服务机构资金周转效率和效能,在风险可控的前提下,将有限的资金投向资金需求最迫切、融资成本承担能力强的环节,提高资金回报;另一方面,通过对“四流”的监控和数据的分析,能够在传统银行风控理念和措施的基础上,通过商业行为合理性的判断、场景内违约成本的叠加,获得更强、更有效的风控能力;同时,若客户出现还款困难,可借助场景中的交易,为客户提供新的生意,通过交易创造现金流,缓解还款压力。
可控场景的劣势在于:融资服务的基础必须是金融服务机构或其利益共同体是场景中整个商业活动的核心环节,这就极大的限制了金融服务机构的数量。只有大型交易类平台、核心企业才有可能拥有可控场景。除阿里、京东等巨无霸级的交易平台外,一般的B2B平台资金量有限,在扩大交易规模、抢占市场份额等方面的资金需求更为迫切,难以将大量资金用于融资服务。核心企业在场景中的强势地位日益巩固,绝大多数核心企业缺乏为其可控场景内的企业提供金融服务的内生动力;而核心企业经过近些年持续的经济低迷,能够撑过来已实属不易,已从快速扩张转变为稳健经营或尝试转型,经营行为更为谨慎,即使知道自己拥有可控场景,由于缺乏提供融资服务的经验,也是出于对未知风险回避,核心企业也不太愿意以自有资金对场景内各方提供融资支持。
可信场景中,金融服务机构能够获取商流、物流、信息流、资金流中的一种或几种信息,并能够核实和验证信息真实性,透过可信的“四流”,实现场景内商业行为核心流程的可视化,间接的发现场景内各方的资金需求,并根据自身风险判断和风控能力,向目标客户提供融资服务。
可信场景的优势在于:参与机构多,业务模式、资金来源多样,金融脱媒、互联网等概念使得非银金融领域、特别是互联网金融领域的市场化程度高。同时,各类机构都缺少能够支撑其业务持续发展的资产,从机构本身来说,也愿意探索和尝试在新的、风险可控的领域进行融资投放。
可信场景的劣势在于:核实“四流”真实性的渠道和能力参差不齐,场景是否可信多停留在主管判断层面,存在隐性风险;愿意全面开放“四流”的平台或核心企业数量有限,造成众多金融服务机构围绕在为数不多的平台或核心企业周围,竞争激烈,议价能力差。
通过以上的定义和优劣势分析,各类机构其实都不难找到各自的定位。
阿里、京东这一级别的巨无霸,拥有几乎无法比拟、无法超越的可控场景优势,其金融板块的发展现状也已充分证明,在此不再赘述。根本上讲,阿里、京东的优势已经不是拥有可控场景,而是可以不停的创造新的可控场景,业内各专业领域垂直B2B平台与之的差距将越来越大。
专业领域垂直B2B平台的发展可以用突飞猛进来形容,在大宗物资、专业化工业品、汽车后市场、快消品流通等多个领域都有商业模式较为成熟、业务规模扩张迅速的平台,每个平台都拥有各自的可控场景。除了在相关领域的专业性经营和构建线上交易流程外,此类平台的另一个重要竞争力就是金融服务、或者直接说是融资服务。各行业在线下交易时,越接近交易末端的客户,应收和预付造成的资金压力越大,传统银行又缺乏有效的服务,仅能通过民间融资方式补充流动资金需求,高成本、融资来源缺乏稳定性都使得民间融资仅可作为临时措施,无法作为经营资金安排的长期来源。各类B2B平台在将客户从线下引流至线上的同时,提供适度的融资服务,一方面客户提高客户粘性,同时也可以提高创利空间。
B2B平台若有较为充足的资金,可直接为可控场景内的参与方提供融资服务;若没有相应的资金,可将自己的可控场景转化为合作金融机构的可信场景,与合作机构共同制定方案、共同控制风险。此外,在没有特别充足资金的情况下,还可通过平台承担风险的方式与金融机构合作,这种模式介于可控场景和可信场景之间:对于平台方,虽未直接提供资金,但承担了风险,也可通过承担风险从金融机构分润;对于合作金融机构,因为平台提供了风险兜底,在平台可信任的前提下,可适度降低对场景“四流”真实性的审核,无论操作成本还是风险承担都大幅降低。
对于非银金融机构,场景金融是一片蓝海,大把的可信场景等着去开发、融入和服务。在场景金融下,非银金融机构、特别是互联网金融公司与传统银行几乎站在同一起跑线上,B2B行业的大发展也为金融服务提供了非常坚实的业务场景基础。同时,资产流通渠道的逐步丰富提供了相对低成本的资金来源,使得非银金融机构不再受制于自有资金规模的限制。通过商业敏感性、决策快速灵活性,快速占领场景金融的市场,甚至压制传统银行,都未来可期。
对于传统银行来说,场景金融或许是新的市场机会。尽管非银金融机构发展迅猛,但能够为B端客户提供如银行一样完善的金融服务体系的机构尚未出现,甚至近些年涌现的民营银行在基础服务能力搭建上还有不少的工作要完成。除融资业务外,账户体系、结算体系甚至理财增值等基础服务可以为场景提供更为全面的服务,服务的全面性进而提高了平台和平台内客户的合作粘性。同时,相较于非银金融机构,银行拥有资金的低成本和规模优势,这也是银行不可忽视、短时间内不可撼动的优势。各场景控制方更愿意与银行进行金融合作,无论是金融服务本身的价值,还是通过打通银行获得资本市场更高的估值,都意义非凡。因此,银行可以拥有大量的可信场景。
传统银行在场景金融中的主要问题还是在于经营理念、风控理念的转变。如果围绕平台实现可信场景内海量客户的快速覆盖?如何将”四流”真正应用到业务流程设计?如何将商业行为与传统风控理念叠加,进而增强风控效果和效率?如何转变观念,无论在银行机构层面还是经办人员层面,都能将自己作为场景中金融服务的提供方,作为整个流程中的一个环节,而不是高高在上的把自己作为业务的核心?等待解决的问题不少,需要时间也需要魄力,希望不要再次重复过去供应链金融的老路。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04