京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用“大数据”换“小贷款” 可行不可行_数据分析师
“融资难”一直是小微企业的“老大难”,传统贷款高度依赖企业抵押物,对于没有有效抵押物的小微企业而言,能否由银行创新贷款模式来弥补企业因抵押物不足导致的贷款难呢?由温州市金投集团旗下温金网主办的“金融思想汇”第二期主题沙龙“大数据换贷款”近日在温州金改广场举行,来自我市的小微企业代表和银行代表面对面,就“大数据换贷款”的可行性进行探讨。
企业样本缺乏有效抵押物凸显“成长的烦恼”
温州市湘和鞋业有限公司是在天猫商城上主营男鞋的一家电商企业,2014年旗下法顿等三个品牌销售额超亿元。负责人李小有表示,在旺季他都不敢压货、备货,因为资金压力比较大,最终影响到销量。李小有说,由于旺季大量备货急需资金,但因为缺乏有效抵押物,该企业一直未能从银行获得贷款扩大经营。
温州杰仕德能源科技有限公司负责人叶志焜也遇到了同样的贷款烦恼,他表示自己是做LED能源行业,由于产品适销对路,客户需求量较大,要满足市场需求扩大产能需要大量资金,但苦于是新公司没有抵押物,没有银行肯贷款。
新尝试
温金网拟试水“数据贷款”
没有有效抵押物,企业要贷款,银行不信任,这似乎是个两难问题,有没有有效的解决通道呢?温州大学金融研究院俞中坚博士的方案让银企双方的眼睛都亮起来。
俞中坚认为,目前传统银行的贷款模式存在着不少问题,比如银行和借款人之间存在信息不对称,另外银行目前的信贷审批模式更倾向于大客户,但是对于小微客户设置的门槛有点高。俞中坚提出可以用当下最火的“大数据”来为企业增信获得贷款,他现场演示了数据模型的运行原理。通过互联网采集小微企业大数据,以系统设定的信用评分模型,从互联网实时抓取企业信息,建立企业行为数据库,判断企业运营情况筛选出优质企业。以湘和鞋业为例,该企业交易额、仓储、快递物流信息、负债、纳税等,都有真实数据,可通过技术手段对其分析汇总,以综合得分来给企业设定信用额度。
“只要企业有行为,就有痕迹,就会留下数据。”俞中坚认为,以第三方的角度分析企业,确保数据真实,也为金融机构提供了一个全面的参考渠道。他说,在该数据模型中,“信用额度”可以像一棵小树一样慢慢养大,随着时间的增长和数据采集的扩大,信用评分也就越准确,企业的信用程度也将被不断提升。
温金网负责人林建透露,他们已经和俞中坚博士合作,针对目前在温金网注册的3000多家企业进行大数据库建设,他们将联合有意向合作的金融机构共同推出一项名为“温金贷”的新业务。新业务的核心是以温金网现有数据为基础,多渠道定时采集企业信息,建立大数据信息库,并将大数据信息库提交银行进行认定,在银行认可这些大数据的真实性之后,给其发放贷款。他透露从3月份开始,温金网将对意向企业进行数据模型内测,在测试完毕后,与部分金融机构合作为首批小微企业提供贷款。
对于这项新尝试,作为企业代表之一,李小有表示:“如果真的可以有这样的‘大数据’系统来给我们企业评分增信,作为一家真正在做实业的小微企业,我作为企业方非常欢迎大数据来检验,我也愿意主动授权给‘温金贷’这样的机构对我的用电量、物流信息等各类信息进行查阅。”
观点交锋
大数据开启“旁观者”模式
民泰银行温州分行信用部门负责人·项洲:传统的贷款模式制约了银行业务的扩张,大数据贷款模式的推出将为银行开拓一个新渠道,银行方面愿意尝试进行合作。另外对于企业主而言,觉得现在做保证类贷款比较难,我觉得银行可以和金投集团旗下的国有担保公司合作,此举可以增加企业的信用。
恒丰银行温州分行零售业务管理部·陈胜娟:小微企业一直是我行重点支持的对象,在大数据背景下,恒丰银行正积极探索利用互联网新理念、新技术、新工具创新金融模式,以小微企业的生产经营、专利技术、纳税缴费、劳动用工、用水用电等“软信息”解决信息不对称问题,以批量开发、批量授信的模式解决成本效率问题。如何采集大数据、对有效数据进行分析、深加工进而提炼,是个系统工程,也是一个长期的过程,需要深耕。在当前背景下,温金网提出用大数据换小贷款,是符合小微企业融资模式发展方向的。下一步,恒丰银行将考虑与温金网进一步接洽,研究设计更加符合小微企业融资特点的产品。
温州恒隆小额贷款有限公司总经理·黄建勤:我做过很多年的银行信贷员,确实现在银行的贷款发放的审核更加依赖于客户经理的尽职调查等,偏重于通过房产抵押、担保等保障措施来保证贷款的安全发放,但是忽略资金真正的流向。这次参加这个“思想汇”让我对大数据有了更深层次的了解,大数据确实是大趋势,我也非常有兴趣可以和“温金贷”合作,不过我也有疑问,大数据是否就代表真实,万一大数据提供的内容有误,那风险防范如何做呢?
温州金投集团金融投资部副经理·郑闻:“大数据”其实是一种企业真实存在、没法造假的信用行为。而且大数据也可以改变以前银行贷款由企业主动提供资料来审批的模式,而是采用客观数据分析,应该说大数据开启了一种“旁观者”模式,独立客观来评价企业信用,并且可以降低银行的信贷审批成本。
温州金融办·朱婕:金投集团作为国有单位开发采用大数据模式的“温金贷”,安全性必须要放在第一位。安全性不只是系统运行过程中的网络安全,还包括人为操作因素和道德风险对安全性的干扰。另外还需要思考利用大数据模式来采集一个企业的数据,要确保采集合理合法。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13