
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
数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22