信贷风险的技术论(十七)：大数据时代下的“硬信息”及其机遇！

出品：信贷风险管理，作者：寇乃天

当今时代是一个高度信息化的时代，更是一个伟大变革和拥抱发展的时代。数据化、信息化的时代，经济与信息已经密切联系在一起，以云计算、大数据为代表的新基础设施，为创新的跨越式发展提供了可能，而银行业信贷技术的转型升级，离不开对信息的利用、数据价值的挖掘。大数据信息技术的产生及其运用，对银行业的传统信贷经营模式产生了深刻的影响，倒逼银行转型和发展，——具体到中小企业信贷领域，传统意义的“硬信息”被赋予了新的内涵和形式。大数据信贷技术成为银行业的“宠儿”，为“硬信息”创造了无限的可能性，带来了重大的发展机遇。“沉舟侧畔千帆过，病树前头万木春。”大数据时代下商业银行应当积极拥抱时代，锐意进取，认清“硬信息”的发展趋势，积极适应和变革传统的信贷技术，推动中小企业信贷业务的创新转型与持续健康发展。

一、回归信贷技术体系的逻辑本源：“硬信息”的内涵界定

信贷技术的逻辑本源就在于应对“信息不对称”的信贷配给问题，而信息经济学视角下“信息”可以区分为“软信息”和“硬信息”。随着信息技术的进步和实践部门各种贷款技术创新不断涌现，贷款技术尤其是基于“硬信息”的贷款技术的“异质性”逐渐被揭示出来。Berger和Udell(2002)根据不同贷款技术所依据信息类型的不同，将贷款技术分为基于“硬信息”的交易型贷款技术和基于“软信息”的关系型贷款技术。根据“硬信息”的来源不同，交易型贷款技术又细分为财务报表型、资产抵押型、资产保证型和信用评级型贷款技术。Berger和Udell(2006)在原有贷款技术的基础上，增加了保理型贷款技术，该贷款技术区别于资产保证型贷款技术之处在于，保理型贷款技术将企业存货或应收账款的所有权转让给了银行，而资产保证型贷款技术仅将其抵押给银行。大数据新时代背景下，大数据信贷技术赋予了“硬信息”新的内涵，成为新型的交易型信贷技术。

商业银行对中小企业的贷款技术可以归纳为交易型贷款技术与关系型贷款技术两大类。交易型信贷技术所依据的信息称为“硬信息”，如财务报表、资产抵押品质量和数量以及信用得分等。这些信息易于编码、量化和传递，具有非人格化的特征，在贷款决策中可以很方便地生产和传递。硬信息一般是资金变现能力强、信息接受方可控性好的信息，一般与现有的资产状况高度相关。

信贷视角下的“硬信息”具备如下特征：

1、定量化

中小企业客户的硬信息一般产生于市场交易的过程之中，具有显著的数字化特征，便于商业银行信贷经理进行数据的编码、计量和分析。例如，企业的财务报表数据，就是非常典型的硬信息。大数据风控技术中，云计算平台的各类“大数据”，也具有显著的“可量化”的数字特征。

2、传递性

硬信息较为客观和书面化，信息产生以后，容易进行很好地传递，方便信息接收方的使用，传递性很强，也不会产生过多的信息消耗。例如，中小企业的信用评分一旦产生以后，是以具体的分数形式呈现出来，方便商业银行信贷决策者的直接使用。

3、非人格

在采集方式上，硬信息不需要信贷经理与客户进行长期的面对面接触才能进行信息的挖掘采集，企业的一些硬信息通过信息科技技术和特定系统就可以采集出来，不像“软信息”具有强烈的人格化特征。例如，企业的信用数据，通过人行的企业征信查询系统可以方便的查询出来，省去了大量的人力成本。

4、非主观

中小企业的硬信息在认知因素上一般没有信贷经理的主观经验的价值判断，不掺杂客户经理的意见和观察，具有显著的客观化特征。例如，资产支持型信贷技术依据的押品数量和价值信息都是客观存在的公允价值，不需要信贷经理的专家式的价值判断和评估，没有主观因素的干扰。

二、中小企业融资之痛：不完美的“硬信息”

西方国家对中小企业融资问题的研究肇始于20世纪30年代。Macmillan（1931）为首的英国金融产业委员会提出了著名的麦克米伦缺口（Macmillan Gap）这一世界性难题。中小企业融资具有“短、小、频、急、难、贵”等突出特点。而造成中小企业融资的痛点的原因，主要是欠缺传统意义上的“硬信息”。

（一）中小企业融资的“痛点”解读

中小企业融资问题是一个世界性难题，也是一个长久性课题。无论在我国还是世界其他国家，中小企业己经成为拉动经济增长、增加国家税收、推动自主创新、稳定城镇就业的主要企业群体。信贷实践中，中小企业融资的痛点主要体现在以下几方面：

1、“融资结构”不合理

如图所示，在市场经济中，中小企业融资的方式一般包括内源融资与外源融资两种。其中，理想状态下，中小企业融资应当以内源融资为主。目前，中小企业融资有外部和内部两种渠道。外部融资渠道主要是商业银行间接融资和证券市场中的股票直接融资，内部融资企业利润和折旧资金累积或者企业内部股份化及小企业所有者吸引朋友和家族成员入股筹资。而企业债券市场、商业股票市场远没有发展起来，各种金融服务机构也很不完善。对于中小企业，无论是非正常情况还是正常情况，融资都很困难。我国中小企业是在国有大中型企业和外资企业这两座大山的夹缝中艰难地成长起来的。土生土长的中小企业则不同，既无国家财政机关和国有商业银行的强力贷款支持，也无外资企业的那种海外资金和技术优势，其创业和发展都只能靠自有资本的积累，内源性融资始终贯穿其一生。调查显示，中国中小企业经济初创时的启动资金有90%以上主要来自资金持有者、当初的合伙人以及他们的家庭来解决。可知，当前环境下中小企业融资的第一个痛点是融资结构不合理，融资渠道较为单一，融资成本偏高。

2、“贷款获批性”差

贷款获批性较差，又可以理解为“信贷配给”的困境。信贷配给可以划分为信贷数量配给和信贷规模配给,包括逆向选择和道德风险两个方面。目前，商业银行信贷技术的相对滞后以及中小企业自身的缺陷，使得中小企业从银行得到信贷支持很难。例如，中小企业自身存在诸如企业产权不清、管理混乱、产品生产规模小、竞争力弱、财务状况不透明等问题，导致中小企业与商业银行之间存在严重的“信息严重不对称”状况。其中，中小企业的产权不清又体现为财产关系不清、投入性质不清和资产归属不清。中小企业产权混乱的状态，会对中小企业信息的有效获取产生阻碍，影响“软信息”、“硬信息”的生产和传递。在信息不对称理论下，中小企业信贷业务存在道德风险和逆向选择问题，中小企业的资信水平低、贷款风险大等原因都制约了商业银行对中小企业的信贷支持。可知，中小企业融资的第二个痛点是信贷配给较差，贷款获批性较差。

3、“信用缺失”显著

中小企业融资面临的“信用缺失”的困境。信用困境主要分为两大类：第一类是中小企业与银行的纵向信用缺失，主要体现为以下几方面：一是缺乏还款意愿。中小企业缺乏对融资信用的足够重视，部分中小企业还款意愿不够，容易产生信用违约、信用欺诈和借贷纠纷等问题。二是缺乏还款能力。中小企业由于自身规模和经营能力的限制，信用风险偏高，抗风险能力较差，在经济下行周期发生贷款违约的概率较高。三是缺乏信用数据资源。中小企业内部会计信息可信度较低，且资源封闭，向银行提供的财务数据容易造假，可信度较低。中小企业的信用记录较为欠缺，合法有效的融资信用记录等“硬信息”相对匮乏。第二类是企业之间的横向信用缺失，主要体现为：中小企业之间的信用关系和中小企业和大企业之间的信用关系。中小企业融资的第三个痛点是缺乏有效的信用数据进行支持，信用缺失问题显著。

4、“融资成本”较高

信贷配给作为中小企业人信贷市场的一种均衡机制，是信贷市场风险极小化与收益极大化的理性选择。在差异化信贷定价机制下，中小企业的贷款利率远远高于大企业，融资的成本较高。但是即使在高利率下，中小企业也面临着信贷配给的困境，中小企业融资贵也就成为一种必然。从银行信贷渠道讲，中小企业融资成本是相对较高，比其在民间借贷市场融资成本“便宜”多了。

中小企业利用银行信贷渠道进行融资具有以下优点：

一是获得资金较为迅速。

二是信贷产品种类相对较多。

三是融资费用相对较低。

四是弹性大、灵活性较强，可以进行贷款延期。

中小企业融资的第四个痛点是银行融资成本相对较高，但明显低于民间融资成本。

5、“风险偏好”歧视

中小企业信贷风险较高，商业银行选择信贷客户的时候，存在企业客户的“所有制和规模”的歧视。例如，银行更是将贷款对象的“所有制”视为审批贷款的一个重要的考察因素。对于具有国有控股股东背景的大型企业，信贷审批部门会认为信贷安全性较高，此类企业往往受到银行的偏爱。相对而言，对于较为“纯粹”的民营的小微企业，由于抗风险能力较差，商业银行一般较为审慎，不愿意进行过多的信贷资金的投放。中小企业融资的第五个痛点是信贷风险偏高，商业银行不可避免地存在“风险偏好”上的业务歧视。

6、“信贷策略”趋严

商业银行在信贷经营的过程中面临银行信贷规模扩大与金融风险提高的困境。在无法处理好风险点与盈利点的时候，商业银行对中小企业的审批格外严格，贷款发放的约束机制较强，中小企业难现象较为突出流动资金越来越紧张。尤其是各地区逃废金融债务的比例在不断上升，在高风险面前,商业银行普遍存在着“惜贷”、“抽贷”等问题。中小企业融资的第六个痛点是信贷审批较为严格，经济下行期信贷经营策略更加趋紧从严。

（二）直击痛点背后的“硬信息”

“信息不对称”(asymmetric information)指交易中的各人拥有的资料不同，造成了市场交易双方的利益失衡。该现象由肯尼斯•约瑟夫•阿罗于1963年首次提出。阿克洛夫(George Akerlof)在1970年代发表著名著作《梓檬市场》(The Market for Lemons)作了进一步阐述。信贷市场上的信息不对称问题导致的信贷配给问题是造成中小企业融资困境和痛点的主要原因。而“硬信息”作为一个关键的因素，其信息的质量及劣势直接造成了中小企业融资的痛点发生。从信贷技术视角分析，“硬信息”的“不完美”主要体现在以下几方面：

01、信息失真

财务数据是“硬信息”中最为典型的一类。目前，中小企业的信息主要通过财务数据反映。大多数中小企业财务管理不规范，财务内控机制不健全，财务数据失真。由于中小企业缺乏必要的财务信息披露约束，因而外部监督也同样缺失，加之中小企业数量多、分布广、生命周期不稳定等特征，发生逆向选择和道德风险的可能性比较高。造成中小企业财务信息失真的原因主要包括以下几点：一是合理避税的需要。中小企业为了避税，一般会把自己的资产、收入等财务科目尽量压缩变小，与企业的真实经营状况不符。二是造假成本较低。企业为了融资的需要，会低价的聘用财务人员粉饰报表。因此，中小企业给银行提供的报表一般会夸大企业的销售收入，导致信息失真。三是惩罚机制不健全。针对中小企业财务造假的惩罚机制，主要体现在骗取贷款罪、贷款诈骗罪等相关罪名，其余的社会监督机制相对欠缺，

02、信息欠缺

中小企业融资难的一个重要原因是欠缺足够的“硬信息”，比如企业的土地、厂房、机器设备等押品信息。信贷实践中，中小企业由于缺乏规范的报表、没有充分的抵质押物、信用评分不够理想等硬信息少的原因而被银行拒之门外的案例屡见不鲜，充分反映了中小企业欠缺足够多的硬信息。许多中小企业由于企业资产规模小，缺乏业务记录、税务状况、财务审计和信贷历史信用等信息，导致其获取外源融资的困难。正是由于中小企业“硬信息”的签约，导致商业银行“想贷而不敢贷”的尴尬局面出现，——信息欠缺，导致商业银行无法还原一个真实的中小企业。

03、“驱逐”现象

在中小企业信贷实践中，不仅各种“硬信息”能够传输，就是各种“软信息”也可以产生和传递达。但是，由于传输硬信息需要进行规范的加工、处理，会耗费较多时间，提高工作成本。而软信息基本上是口头传达，“意会”成分很多。所以，在中小企业中会出现“软信息驱逐硬信息”的现象。尤其是在关系型信贷技术的实践中，即除了少量必要的硬信息，在中小企业信贷决策中充斥着大量的“软信息”。

三、遇见未来：大数据信贷技术下的“硬信息”

（一）时代趋势：作为“硬信息”的“大数据

大数据代表了时代发展的一个趋势和潮流。大数据诞生一个很重要的背景就是云计算的出现。云计算为数据收集和储存提供了重要的平台。大数据是云计算升级必经的阶段。大数据是未来推动生产力发展的新的技术前沿。从某种意义上将，大数据就是一种资产，对于银行信贷技术的变革意义重大。2008 年《Nature》就针对互联网技术、超级计算、生物医学等几个方面推出了“big data”专刊，专门对大数据进行研究。2012年3月，美国公布了“大数据研发计划”，这个计划主要是为了提高海量数据中的数据获取能力。2012年4月，欧洲信息学与数学研究协会在其主要期刊《ERCIM News》刊登了专刊“big data”。2012 年 5月，以“大数据科学与工程——一门新兴的交叉学科”为主题的学术会议在香山召开，国内大数据方面的研究学者对大数据的理论、技术及应用进行了探讨。2012年6月，中国计算机学会青年计算机科技论坛举办了以“大数据时代，智谋未来”为主题的学术会议，主要针对大数据相关的挖掘技术、安全性、平台开发技术、体系架构理论和大数据案例应用进行了探讨。从银行角度看，大数据主要体现为如下特征：

1、海量化。大数据与以往数据的不同之处首先在于“大”。当今数据量以惊人的速度增长，数据遍布全球所有的数据产生和存储的设施，主要是互联网存储设备，每天都能产生海量数据。

2、多样化。大数据包含多种数据类型。大数据不只是增长的速度快，还出现越来越多的数据类型。结构化数据可以存储在 EXCEL 表格中，进而存储在一些数据库中。但是非结构化数据和半结构化数据占据了大部分比例，以不同于传统二维结构化形式存在，比如视频、文本和图片等。

3、快速化。海量数据的产生对数据的处理速度要求很高。经济全球化使得企业的生产成本不断上升，市场竞争越来越激烈。企业必须顺应市场形势，把握市场行情，对经济形势、产业发展、消费者需求等情况迅速做出反应，并快速做出符合市场变化的企业经营策略，这有助于企业提高市场竞争力。

4、价值化。大数据分析的最终目的是发现其价值并加以利用。随着信息量的增加，数据存储的不断加剧，数据来自方方面面，且类型多样。数据已经成为企业拥有的无形资产，逐步形成了企业的核心竞争力。在大数据时代，如何利用好数据资产，充分发挥大数据的价值是企业提升竞争力的关键。

5、非人格。从信贷视角分析，大数据主要通过云计算等非人工方式进行生产和传递，不需要信贷经理进行过多的人工干预，属于较为典型的硬信息。大数据的非人格化的特征，有利于快速地提升数据的采集效率，为信贷技术的变革提供了先天基础优势。

6、可量化。从银行角度看，大数据不需要信贷经理进行过多的主观经验的价值判断，具有显著的量化特征，便于编码、计量、统计与传递，方便银行信贷经理使用与后续的信贷决策做出。

（二）“大数据”的信贷技术

由于大数据具有显著的“非人格”、“可量化”等特征，大数据应该被定义为新型的“硬信息”。与之对应的，大数据信贷技术属于一种适应信息化发展的新型信贷技术，有利于变革传统的信贷模式。很多大型商业银行都已经开始使用大数据推动业务发展，如中信银行通过大数据分析实现了信用卡的实时营销，招商银行通过大数据分析发展小额贷款，光大银行通过社交媒体信息建立了数据库。如图所示，总的来看银行大数据应用可以分为四大方面：客户画像、精准营销、风险管控、运营优化四大方面。具体到中小企业信贷领域，大数据的应用场景体现为大数据信贷技术。商业银行通过对企业生产、销售、流通等相关数据进行挖掘，银行通过评估企业风险等级，确定企业的信用额度，从而更好地开展贷款业务，大幅降低贷款风险。

大数据信贷技术主要通过四个环节实现中小企业客户的信贷模式创新与流程优化，具体而言：

第一个环节、中小企业客户的画像脸谱。

大数据信贷技术通过分析中小企业客户的多渠道数据，进而形成中小企业客户的“印象脸谱”，判断出企业的经营特征。企业客户画像除企业内部生产性和经营性数据外，还包括外部宏观环境数据。此外，银行的中小企业客户数据有限且覆盖面较小，仅依靠银行自身数据得到的结果不够准确甚至误差很大。银行除考虑内部业务获取的数据外，还应考虑银行外部环境的数据信息，扩展外部业务。例如，企业的微信公众号、微博、博客、网站、电商平台等媒体上的客户行为数据，使银行内外部数据互联互通，能够获取更多的客户行为信息，以实现更为有针对性地营销。此外，还包括客户上下游产业链数据。如果银行掌握了客户同一产业链上其它机构的数据，可推测企业所处的外部环境，预测企业的发展趋势。

第二个环节、中小企业客户的精准化营销。

精准营销是建立在中小企业客户画像的基础上，主要包括：一是实时营销。实时营销是根据中小企业客户的实时数据进行个性化营销，比如客户所在的位置、近期交易记录等信息；二是交叉营销。它是指不同产品或业务的交叉营销，比如招商银行根据客户交易数据，识别不同规模的企业客户，再进行有针对性地交叉营销。三是个性化推荐。银行根据客户的喜好和自身情况，对不同的客户群进行定位，根据不同的金融需求，向其进行个性化推荐，提供个性化服务；还有客户生命周期管理。这包括防客户流失和赢回，并获取新客户等。四是信贷发放。大数据信贷技术针对目标中小企业客户会进行及时性地信贷投放，基本上是“秒贷”，客户体验非常好。例如，招商银行的“闪电贷”产品，主要利用大数据信贷技术进行精准化的信贷投放。

第三个环节、中小企业客户的风险管控。

大数据技术下，商业银行会根据中小企业客户的数据分析，做出相应的信用评分，系统识别判断该笔信贷业务的风险程度，做出快速的信贷决策。在贷后管理环节，大数据风控技术会设定贷款预警指标，对中小企业客户的信贷行为做出实时的、可持续的动态监测与评估预警，并将预警结果进行后台推送，做到有效地贷后管理。

第四个环节、信贷产品的运营优化。商业银行通过运用大数据信贷技术通过分析客户相关大数据，从中发现客户的个性偏好和行为特征，更好地理解客户的习惯和行为倾向，智能化分析客户的潜在需求，对产品和服务进行优化。例如，兴业银行通过对客户的大数据分析，挖掘信用较佳的优质客户，为其提供差异化的产品和服务。

（三）“硬信息”的大数据银行实战案例

随着金融科技的进步，“大数据”作为新型的“硬信息”，代表了一种机遇和趋势，在银行业中已经形成了很多经典的案例。通过大数据的运用，让很多不可能变成了可能，中小企业的信用环境得到了显著提升，信贷技术也有了颠覆式的进步。

01、兴业银行“科技兴行”案例

大数据作为一种新型“硬信息”和金融技术，得到了兴业银行的高度重视，并上升为战略部署。兴业银行始终坚定奉行“科技兴行”战略，在金融科技的浪潮中执守金融本源，主动拥抱大数据、云计算、人工智能、区块链等新科技手段，加力推进流程银行、开放银行、智慧银行和安全银行建设，持续提升金融资源配置效率和客户服务水平。例如，2018年4月，在福州召开的首届数字中国建设峰会上，兴业银行携近年在金融科技创新方面的部分成果亮相。在数字福建成果展之金融科技技术展现场，兴业银行通过机器人引导、现场互动体验、APP演示、视频等形式，展示了近年在金融科技创新方面的累累硕果，包含科技输出、黄金眼、兴业管家、智能柜台、一站式网络金融、银银平台、金融行业云等产品和业务。

02、建设银行“小微快贷”、“金融科技公司”案例

“小微快贷”业务是建行2016年推出的战略性大数据创新产品，通过应用大数据技术进行数据整合，利用现有的零售系统，实现线上操作、系统自动审批的产品体系。2018年4月18日，建信金融科技有限责任公司在上海挂牌成立，建行也成为国有大行中第一家设立金融科技公司的银行。金融科技公司的落地，是建行实施金融科技战略，积极研究与探索大数据信贷技术的重要一步。

03、上海银行“智慧银行”、“智慧数据中心”案例

上海银行数据中心依据多年的运营经验，结合大数据、机器学习等AI技术，全面打造基于大数据技术的一体化运营服务管理体系，促进上海银行数据中心从传统模式向数字化“智慧运营”转型。运营大数据平台项目是智慧数据中心建设的重要项目之一，该项目在“智慧银行”、“智慧数据中心”总体建设思想指导下，依托上海银行三年总体规划逐步实现精准告警、精准故障定位、精准影响分析，充分应用大数据算法和机器学习技术不断提升“智慧运维”水平，为业务系统安全稳定高效运行提供强力保障。上海银行率先实现国内商业银行生产系统实时大数据架构，为大数据技术在银行运营领域的落地提供了典范。

04、招商银行“闪电贷”案例

招商银行“闪电贷”充分运用当下最火热的FinTech技术，横跨大数据、云计算、机器学习、人工智能等多个领域，在整合了银行内部各种数据的基础上，接入了征信、工商、法院、税务、社保、公积金等外部数据。 2017年，闪电贷累计投放374亿元，总共为72.2万名客户提供了快捷方便的贷款资金。招商银行“闪电贷”是大数据信贷技术的典型案例，充分展示了“大数据”作为新型“硬信息”的优越性和创新性。

本文经授权转自信贷风险管理（xdfxgl01），如需转载，请关注后获取授权。