
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
CDA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基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14