京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在大数据时代下,大数据在金融领域的应用也变得日益普遍,但是有一点值得注意,那就是大企业与小微企业的信息结构存在显着不同。大企业经营规范、信息披露较充分且可信度高、信息质量审核相对容易,因此适用于传统的基于财务报表与抵押资产质量的信贷审核方法;而小微企业的经营管理水平差异较大、市场上信息披露较少,且我国很多小微企业缺乏合规的、真实可信的财务报表,因此审核小微企业资质、搜寻小微企业信息需付出的人力、物力成本较高,很多银行都提出了许多创新的办法,例如,看小微企业的“三表”(水表、电表、纳税表)等。
如果不改善信息结构,可覆盖风险的有效途径只剩下提高利率与要求抵押担保。在当前利率非完全市场化与抵押担保品欠缺的情况下,采用传统信贷技术从事小微金融,需付出的边际成本与服务大企业相差不大。在信贷供给资源仍显稀缺的情形之下,银行具有提高授信门槛以迫使高风险客户退出信贷市场的动机,这就是“二八定律”和银行针对小微企业客户实施信贷配给背后的原因。银行服务80% 低端客户所带来的利润微乎其微,不如将这部分客户赶出市场,全力支持20% 的高端客户。
大数据正在尝试打破这种成本与收益难以均衡的僵局。大数据与信贷业务结合的核心优势在于重塑信息结构、削减业务成本。电子商务平台与社交化网络的发展积累了海量数据,对网络大数据进行挖掘所得到的逻辑与规律信息,要比现实中发布的企业数据更具真实性。
大数据与金融行业的融合催生出的新产业——互联网金融——完全不同于信用中介模式,甚至从匹配资金供需效率的角度来说已超越了信用中介模式。以阿里金融为例,囊括了平台商户的历史交易数据、信用记录、客户评价等内部数据,以及纳税记录、海关记录等外部数据的“大数据”,颠覆了银企间信息不对称的格局。信息结构的改善,令金融机构可以清晰地甄别出企业的资质,信息不对称得以解决。激励金融机构为优质的小微客户提供信贷服务,“信贷配给”发生的基础不复存在。同时,运算能力强大的电子系统将客户拓展的边际成本削减至几乎为零,“二八定律”成立的前提也随之消失,在大数据时代,金融机构有机会从80% 的低端客户身上获取不菲的价值。
改变风险管理上的激励不相容
在中国传统金融机构中,现阶段还存在开展小微金融业务在风险管理上的激励不相容问题。在银行业不断改革发展的过程中,商业银行普遍强化了信用风险约束机制,但与其相匹配的激励机制却没有相应建立,因此客户经理普遍存在“贷不如不贷,多贷不如少贷”的“惜贷心理。不仅如此,由于贷后持续监督的成本过高,客户经理缺乏有效的显性激励来控制风险,导致小微企业贷款的社会总体违约率上升,相应地给予银行小微金融业务违约风险大的不良预期。如果加上担忧信息不对称情况下可能出现的逆向选择与道德风险,银行会选择收紧针对小微企业的信贷供给,造成小微企业信贷市场不均衡。
大数据时代里,信息结构的改变,直接驱动风险控制理念发生根本性变化。原来是要求补偿覆盖风险损失(无论是高利率还是抵押担保要求),现在变为持续考核与监控企业稳健经营、创造现金及还款的能力;原来集中考察“硬信息”(资产负债表等),现在变为重点考察“软信息”(经营和交易数据、单据等)。从依赖人力转变到依赖电子系统,风险管理的激励不相容问题不再成为制约小微金融发展的桎梏。信贷理念的变化契合了解决小微企业融资难题的思路。
不仅如此,基于大数据挖掘的系统处理与实时监控显着缩短了业务流程,提升了信贷业务效率,具有符合小微企业贷款需求“短、频、快”特点的灵活性。例如,阿里金融推出的“按日计息、随借随还”的信贷产品,依托信息技术的强大保障,既解决了客户的短期资金需求,又有效提高了资金的周转速度,通过金融创新为企业增加了价值。
开放与真实的数据
中国潜在的大数据资源非常丰富,从电信、金融、社保、房地产、医疗、征信体系等部门到电子商务平台、社交网站等,覆盖广泛。然而,现阶段所披露的数据仅仅是局部的、碎片化的,尤其是对评估小微企业信用至关重要的社会征信体系,仍旧是区域割裂、透明度较低。因此,获取信息的高成本无疑阻碍了小微金融的发展。
以典型的P2P 模式为例,借助后发优势,我国P2P 借贷平台的交易流程与机制完全与国际先进水平接轨,但在信用评估时经常面临公开信息不足的窘境。在健全、完善、公开的征信系统以及成熟的信用评级市场的保障下,美国P2P 平台能够将信用评估模块完全外包。信息生态是决定P2P 机构在未来能有多大施展的关键制约因素。
数据的可得性是大数据得以应用的前提,而数据的真实性同样具有关键意义。在中国现行税制背景下,小微企业为了规避税费或争取优惠政策而形成的财务报表,无法真实反映企业的经营状况。不仅如此,投机性的财务造假在信贷市场上起到了“劣币驱除良币”的效应,将财务状况良好、诚信经营的企业逐渐挤出市场。这种无效数据的大量生产与无序流动,严重扰乱了大数据时代的正常秩序,也对数据挖掘产生了恶劣影响。
大数据时代下,“数据+ 金融”模式已经悄然兴起,尤其是在金融领域,逐渐流行开来,同已有的解决小微企业融资问题的诸多途径在本质上是类似的,都是为了创造一个低成本的、信息完全对称的市场结构。只有社会公共数据信息真正实现联网、开放与共享,鼓励真实数据生产的体制、机制真正得以建立,大数据在金融领域的广泛应用才能拥有较适宜的生态环境。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25