京公网安备 11010802034615号
经营许可证编号:京B2-20210330
为中小网店解决资金难题 商派携手平安银行试水大数据信贷
线下的中小品牌在电商平台上的交易大数据,将成为它们降低银行贷款门槛的重要筹码,这种“数据贷”模式正在随着商派与平安银行的合作浮出水面。
“我们统计过,这些中小企业每年至少有4次大额用款需求,但以它们的规模在银行贷款又很难。”27日下午,在平安银行与商派战略合作探索大数据贷款的会议上,商派首席运营官李治银对《第一财经日报》记者说。
他提到的这些中小企业是目前商派所服务的380万家品牌商,涉及服装鞋帽(如UGG、百丽、南极人、)、3C数码(如TCL、美的、绿森数码)、食品生鲜(如来伊份、五芳斋)等23个行业,它们在淘宝、天猫、京东、苏宁、1号店等各个电商平台上开设网店,商派的作用是为这些网店提供从前端到后台的各种技术服务。
为何至少4次?李治银举例说,马上到来的6·18年中大促,下半年的双十一、双十二,再加上各品牌自己的促销节日,每次大促之前的两个月,都是这些商户筹集大量资金备货的时候。但以它们的规模体量,很难在传统金融机构中融到满意的资金,商派后台的交易大数据与平安银行自身数据的结合,将给这些中小企业贷款找到一条捷径。
放贷不超过24小时
目前,活跃在各电商平台上的快消品、3C数码等品牌商,其融资需求非常旺盛,普遍面临着用钱难的问题。
国家工商总局的统计数据显示,截至2013年底,全国小微企业总数为5606.16万户,平均每家企业资金缺口约为70.5万元。据此推算,全国小微企业的融资需求总额为39.52万亿元。而根据银监会的数据,截至2013年底,全国用于小微企业的贷款余额为17.76万亿元,这意味着,对小微企业而言,仍有22万亿的资金缺口未能通过有效融资渠道解决。
平安银行总行副行长赵继臣介绍,传统的信用贷款模式是分析贷款方的资产负债表等各种财务信息,结合银行客户经理日常积累的信息,以此对客户评级,评估客户风险。一般100万元以内的信用房贷是依靠模型完成,超过100万就要结合专家判断。
“中小企业在银行贷一次款的周期可能长达半年到一年,即使有了钱也不想还,因为贷款一次不容易,非常不经济。”赵继臣对《第一财经日报》记者说,现在和商派携手探索的方向是,将以往的关系型融资变成交易型融资,无需担保抵押,电商的交易记录是评估其风险的重要参照。“数据贷”模式理论上放贷流程不超过24小时。
拿单个品牌商户来说,它在网上的开店时间长短、交易情况是否稳定、有无刷单造假行为,甚至经营者是否有稳定的婚姻等,这些都将成为数据维度,被纳入到贷款模型算法中。
对于银行来说,网上数据的真实性至关重要。赵继臣说,商派的客户产生的交易流水、快递背后的门牌号码等都是真实的,且是实名制用户,这对银行决策具有很高的价值。
每年,像平安银行这类股份制金融机构会花钱购买BAT互联网公司平台上的大数据,同时也在和公安、海关等政府部门合作,商派的交易数据在经过有贷款需求的客户授权使用后,被汇总到平安银行,结合银行自有和购买到的数据,一起进行模型测算,评估风险。至于双方数据的评估权重问题,双方均未透露,称只是模型算法上的技术问题。
数据的价值
事实上,对于大数据贷款模式,在互联网金融领域一家独大的蚂蚁金服也在尝试,像不久前由阿里巴巴集团划拨至蚂蚁金服集团旗下的小贷业务,也是通过电商大数据对商户的风险进行评估,用技术手段在不到1秒的时间内测算其贷款资质。
此外,像八家首批开放的民间个人征信机构之一的芝麻信用等,也在收集用户的各种维度的大数据,并积极探索其线下应用场景,比如信用分数高的人住酒店或租车可以不付押金,在婚恋网站上交友更有信赖度等,核心理念是让(大数据积累的)信用等于财富。
从本质上说,商派与平安银行合作推出的这个数据分析平台,和蚂蚁金服的小贷业务模式类似,只不过后者服务的更多是阿里巴巴平台上的商户,而商派针对的是全网数据,阿里巴巴平台只是其中之一,这能更全面地反映某个商户的线上经营状况。
据李治银介绍,商派的技术和服务目前已大量运用到电商的PC端、移动端和线下门店,当前每天服务380万订单和5.7亿元的GMV(交易总额),“数据贷”就是要挖掘这些真实交易数据的衍生价值。
《第一财经日报》记者从阿里巴巴方面了解到,目前仅服务于阿里平台上的第三方ISV(独立软件开发商)就有1.5万家,它们为商户提供从店铺管理、营销推广,到数据分析、客户关系等一系列服务,这中间会有海量的数据。数据贷刚好可以让交易产生的大数据流动起来,发挥大数据的价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26