供应链金融“互联 +”时代的大数据与投行思维第二章

第2章

供应链金融的大数据思维与投行思维

大数据思维是客观存在的，大数据思维是新的思维观。用大数据思维方式思考问题、解决问题是当下企业潮流。大数据思维开启了一次重大的时代转型。大数据思维的原理是什么？

大数据时代，大数据思维的重点从“流程”核心转变为“数据”核心；由功能是价值转变为数据是价值；从抽样转变为需要全部数据样本；由关注精确度转变为关注效率；由因果关系转变为关注相关性；从不能预测转变为可以预测；从人找信息，转变为信息找人；由人懂机器转变为机器更懂人；大数据改变了电子商务模式，让电子商务更智能；由企业生产产品转变为由客户定制产品。

在供应链金融领域大数据的应用具体体现在两个方面：

一是精准地定位用户，把握用户的需求设计供应链金融产品。数据挖掘前端化，或者说直接为中小企业感知和直接提供中小企业所需要的服务，终将催生各种各样个性化的金融服务。业内经营决策者通过对行业数据进行整

028

供应链金融“互联 ＋”时代的大数据与投行思维

合、分析，可以更准确地了解行业动态及发展趋势，制订更适合中小微企业需求的金融产品与服务以及营销方案。

二是在贷前精准全面地评估用户，贷中、贷后实时地预测风险和控制风险。“大数据”的出现恰好缓解了金融机构与中小企业之间的信息不对称情况。大数据可用于目标客户的资信评估。在客户许可的情况下，金融机构利用大数据，可以对客户一系列数据进行研判。大数据可用于风险分析、警示和控制。大数据的优势是行情分析和价格波动分析，尽早提出预警。

投行思维的本质是资源的高效配置。在互联 思维已成通俗词汇的今天，需要再回归商业的本质和经济的基本逻辑。从投资和资源配置角度看，什么样的生意是好生意？什么样的公司值得关注？

供应链金融的创新在于对金融业务模式和产业资源的重构。抽象地看，金融的核心在于资金、业务、风控和实现模式。金融领域的创新也围绕这四个维度展开：信托在业务端建立了相对银行的优势；余额宝在资金端疏通了不同市场的利率差；供应链金融、互联 金融则利用大数据在业务模式和风控上实现了金融的重构。

投行思维是基于企业未来的长期价值进行投资，是基于资产可以证券化的。供应链金融也是基于未来的价值，是基于供应链各参与主体之间的生意关系、合作历史、未来确定的业务开展来融资，并非完全根据客户本身过往的资信和资质来融资。京东金融集团的供应链金融资产ABS是将京东电商平台供应商应收账款进行证券化设计，通过平台进行销售，实现供应商融资和消费者理财需求的有效对接。这是基于电商供应链的、有场景的互联 金融，这比纯粹的P2P 金融信息中介平台更具有生态性。由于主要参与方均在京东生态的体系内，ABS产品的操作透明度、风险担保措施（回购、差额补足）等都在可控范围内。供应链金融作为产业模式升级的自然演化，“从

产业中来，到金融中去”的模式最具行业根基，同时也颠覆了金融领域“基于金融而金融”的传统范式，打开另一扇窗，兼具金融的爆发力和产业的持久性。

第一节 供应链金融的大数据思维

一、金融创新与大数据

从经济学原理上讲，商业的本质是平衡供需，而从一个商业机构的角度出发，开发和培育用户的需求是商业能够延续的基础，因此利用经济学原理解释用户需求，就可以窥见大数据所解决的问题，公式如下：

用户需求＝基础需求＋影响用户需求的强相关因素＋影响用户需求的弱相关因素

强相关因素在商业运营中数量有限（以三个因素为例，用X、Y、Z表示），但是影响力占主导地位，而弱相关因素众多，但是影响力较小。转换成公式如下：

用户需求＝基础需求＋AX＋BY＋CZ＋（ax1＋bx2＋···＋cx）

在传统商业运营过程中强相关因素已被广泛熟知，比如：用户总资产、可支配收入，等等。因此大数据在这一方面对于用户需求的支持非常有限，在这些领域，大数据技术应用价值也自然很小。但是在一些现有商业环境尚未覆盖的领域，或者传统商业环境无法服务的用户群体，强相关因素或无法预估，或干脆没有，导致这些领域和用户形成了一个亚商业圈，在这个亚商业圈中，存在大量用户需求，比如中小微企业融资问题、个人消费信贷问题

030

供应链金融“互联 ＋”时代的大数据与投行思维

等。这时，就需要利用大数据技术，对所有弱相关因素进行汇总，由于数据量庞大，虽然每一条数据对用户需求的开发确认所起的作用不大，但大量弱相关因素一起发挥作用时，就可以媲美X、Y、Z这些强相关因素。

当把用户需求转变成用户信用时，大数据技术在信贷领域应用的理论基础便随之成立。

互联 和“大数据”打破了信息不对称和物理区域壁垒，使得中小型、区域型金融机构与大型、全国型金融机构站在同一层次竞争，迫使中小机构转型开展差异化竞争，否则难逃被这个时代淘汰的命运。同时，互联 企业的跨界竞争更被称为金融行业门外的野蛮人，如阿里金融这个“大数据”衍生产品开发的最佳范例。阿里金融所掌握的海量数据成为它的核心竞争力。金融服务行业以数据为其核心，随着互联 技术的不断发展，谁挖掘、掌握了有价值的数据，谁就拥有更强的竞争力。数据挖掘前端化，或者说直接为中小企业感知和直接提供中小企业所需要的服务，终将催生各种各样个性化的金融服务。业内经营决策者通过对行业数据进行整合、分析，可以更准确地了解行业动态及发展趋势，制订更适合中小微企业需求的金融产品与服务以及营销方案，才能实现新的利润增长模式。

二、大数据对供应链金融的影响

（一）“大数据”降低金融机构对供应链的信息不对称

传统金融机构为了控制风险，对于中小企业的贷款实行信贷配给，对于产业和贸易，金融机构信贷人员往往基于财务 表等信息的明规则来判断和监管企业，但是对一些行规和潜在的贸易规则并不是很清楚。由于之间存在严重的信息不对称，金融机构为了获得有效的信息和实施贷后的监督，需要

付出较高的信息收集成本和监督代理成本。

“大数据”的出现恰好缓解了金融机构与中小企业之间的信息不对称情况。作为金融行业的主要组成部分，银行业利用数据来提升竞争能力具有得天独厚的条件。第一，银行业天然拥有大量的客户数据和交易数据，这是一笔巨大的财富。第二，银行业面临的客户群体足够大，能够得出具有指导意义的统计结论。第三，在“小数据”时代，银行业已经在以信用评级模型和市场营销模型为代表的数据分析上积累了大量的实战经验，具备向“大数据”分析跨越的基础。随着“大数据”时代的来临，银行运用科学分析手段对海量数据进行分析和挖掘，可以更好地了解客户的消费习惯和行为特征，分析优化运营流程，提高风险模型的精确度，研究和预测市场营销和公关活动的效果，从每一个经营环节中挖掘数据的价值，从而进入全新的科学分析和决策时代。在这种情况之下，利用“大数据”的能力将成为决定银行竞争力的关键因素。

（二）“大数据”促进物流企业精准管理存货

在供应链金融中，物流企业掌握着中小企业存货仓储、发货运输、存货周期等运营信息，并通过对存货进行管理和控制与传统银行合作，成为其中的关键环节。在供应链金融中，金融对物流企业不但要求对存货进行管理，更是想分享物流企业掌握的信息。从目前的情况来看，物流企业所掌握的信息还远远不能满足实际需要，信息不对称的现象依然非常严重，一个很大的原因就是物流企业所能掌握的信息始终有限。然后，在“大数据”时代，信息极大丰富，物流企业通过更新设备，整合各种资源，从而更大范围地获取企业信息，更好地服务于金融业务。“大数据”时代，物流企业的信息获取、信息整合和信息利用主要体现在以下两个方面：

032

供应链金融“互联 ＋”时代的大数据与投行思维

二是通过“大数据”技术可以将许多非结构化数据与传统数据快速整合、关联补充，完成企业行为模式分析和发现。这有助于物流企业确定被监管企业运营状态变化规律，建立运营状态变化路径，按变化路径设置风险控制点，逐点评估业务风险，从而形成全新的事中风险动态计算体系及管理模式。

（三）“大数据”可用于资信评估和风险分析

大数据可用于目标客户的资信评估。在客户许可的情况下，金融机构利用大数据，可以对客户财务数据、生产数据、电水消耗、工资水平、订单数量、现金流量、资产负债、投资偏好、成败比例、技术水平、研发投入、产品周期等这一系列数据进行研判，研判完后如果有公式、有标准，这些数据马上变成评判的指标。只看财 和交易数据是有风险的，因为这些数据有可能造假，但用大数据来掌握财务情况，不会有假。

大数据可用于风险分析、警示和控制。大数据的优势是行情分析和价格波动分析，尽早提出预警。行业风险是最大的风险，行业衰落，行内大多数企业都不景气，多控制一个环节、早预见一天，就能有效减少风险。

三、大数据风控技术

2015年8月国务院发布《国务院关于印发促进大数据发展行动纲要》

指出当前大数据发展的主要任务是：第一，大力推动政府部门数据共享；第二，稳步推动公共数据资源开放。建立政府数据资源共享开放工程，形成两个平台：政府数据统一共享交换平台和国家政府数据统一开放平台。目前越来越多的政府向 会开放企业支付、税务、能耗、 保等方面数据。这些数据介入市场后，信用机构对它们进行加工，即形成信用产品。这些公开信息加之直接从群体数据获得的行业数据，征信企业就可以形成对企业全方位、立体化的评价。

表2-1 政府数据资源共享开放工程摘要

（一）大数据征信

大数据突破了金融市场以抵质押和担保贷款为主的传统方式，解决了金融机构对财 信息不充分，信用积累和抵押、担保资源不充足的中小微企业难以进行有效的信用风险评价的关键问题，能够创建高效能、全风控、低成本的信用评价模式、风险控制模式和信贷管理模式。

034

供应链金融“互联 ＋”时代的大数据与投行思维

企业宏观数据：大数据基于企业设定了综合征信指标，真实反映企业的信用指数、价值评级。分析指标包括信用等级、核心竞争力、投资价值、成长性、抗风险能力、投资潜力等，并做到3个月跟踪监测一次，实时反映区域企业活跃度。

交易明细数据：大数据信用评价技术不依赖由合计信息产生的财务 表，而是采用企业留存在供应链IT系统中电子交易明细数据，通过对订单、库存、下线、结算、付款等海量明细记录的交互验证，识别数据的真伪，进行信用评价。信息的可靠性体现在：数据量巨大，几乎难以人为作假；能够反映企业最真实的经营状况；所有明细数据都是可以互推和计算的。

个人数据：数据征信核心是从数据广度上将权重加在借款人日常生活的交易数据及 交数据上，比如借款人一般都在哪里消费、月均消费金额是多少、消费支出中的分布情况如何、微博微信之类的 交圈活跃度如何等诸如此类的问题。这类数据具有很好的连贯性，可以从中分析很多用户的特性、习惯，并反向推断借款人的实际财务状况，进行风险筛选；也能大幅增加借款人的违约成本，从而警示借款人遵守规则、按期还款。最重要的是，这些数据造假可能性非常低，因为都是大数据环境下的各类碎片信息收集和分析，真实性甚至可以做到百分之百。

表2-2 传统金融技术与大数据风控技术对比

续表

（二）银行大数据

1．银行大数据的需求类型

表2-3 银行外部数据需求类型及应用方式

036

供应链金融“互联 ＋”时代的大数据与投行思维

由表2-3可知，银行需要大量的外部数据弥补内部数据的不足，从而催生针对银行大数据交易市场。例如2014年阿里巴巴与中国银行、招商银行、平安银行、建设银行、邮储银行、上海银行、兴业银行7家银行，推出“ 商贷”高级版，最高授信额度1000万，就是银行同阿里在企业信贷领域的首次合作，可看作是银行同阿里的大数据的一种交易。总的来看，银行大数据应用可以分为四大方面，如图2-1所示。

图2-1 银行大数据应用结构

2．银行大数据对效率的提升

（1）运行效率

通过大数据，金融机构可以通过对用户的分类和信用能力分析，高效快捷地建立并管理由不同品种、不同数量组合的金融产品，通过处理海量的市场信息，捕捉短暂的市场波动，把握交易机会，提升金融机构的赢利水平和运行效率。例如银行拥有的客户信息并不全面，基于银行自身拥有的数据有时候难以得出理想的结果，甚至可能得出错误的结论。所以银行不仅仅要考虑银行自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解，从而达到精准营销。

（2）优化结构提高效率

金融中介的存在有两个主要前提：一是交易费用的存在，金融中介通过专有技术可以实现规模经济；二是信息不对称的存在，导致逆向选择和道德风险。移动互联 、云计算、大数据等新兴信息技术改变了传统的信息产生、传播、加工利用的方式，打破了信息不对称，降低了信息获取和加工成本。

因此通过大数据引导各类资源的充分有效分配，促使传统的生产关系发生变革，而F2C（工厂到消费者的原产地直销）模式成为重要趋势，这将大幅提升传统金融行业的结构效率，对于中国经济转型和产业升级具有非常重要的意义。

四、大数据可视化和数据质押

供应链关键节点可视化的数据将成为最优质的资产。年化5％～8％的利率水平，被大型企业承包了，中型企业的融资成本也会在年化8％～15％，这些还是处于行业优势地位的企业，小微企业的贷款利率只会高于15％，普遍都在20％以上，那么对小微企业的征信采用的手法比较简单，但是有效，譬如：贷款者去打个存折或者银行卡的流水，代表这个总经理具备这么大的生意实力，这些流水既是数据，又是资产的见证，至少有那么多钱过账，如果有车有房更好，当然最好是家庭幸福美满，那么还款能力有，还款意愿强烈，在利信用影响。

如果是一个小型或者中型的企业资产就是生意数据，譬如：财务 表、开出或者收到的发票。发票是一个重要证明，这个东西作假的可能性比较低，算得上是最真实的商流和资金流数据，基本可信。

038

供应链金融“互联 ＋”时代的大数据与投行思维

像一些个体商户，没有发票，也没有做账，卖的东西也不太值钱，更无法随便变现，拿不出官方数据，也没有资产质押，那怎么办？这些总经理有的可能有车，有的可能连车都没有，店铺也是租的。你总得记账吧，总得有个黄账本吧，其实一般的总经理还是知道进销存的，如果你的进销存数据真实，没有自相矛盾的地方，这些都是可能作为你获取资金支持的渠道。总的来说，就是要用数据来证明，你是诚信经营的，你的经营目前是正常的。那么你的数据就具有了资产的属性，数据就产生了价值。

作为高大上一点的供应链金融来讲，借款方所获得的贷款资金都是进入供应链，它并没有直接使用现金的机会，而是将资金流入了它的上下游，即便是骗，至少也是多方合伙作案，这样暴露的风险更大。

中小微企业甚至个体商户经营数据也是资产，数据也就是信用，话又说回来，未来的小微企业除了数据资产，将没有任何东西可以作为质押对象。

总之，企业应该多沉淀自己的数据，沉淀供应链上的数据。数据之间良好的结构关系，恰恰也能证明经营的能力与质量。

五、大数据下供应链金融的发展趋势

大数据正在影响和改变我们的时代，供应链金融将是其最大的受益者，它把交易变得更安全、快速、可靠，把供应链连成 络，把经济引入“计划”，使金融“润滑”更加有效。大数据背景下，供应链金融的发展趋势有以下几种：

一是向信用担保方向发展。电商企业根据自己掌握的数据，对客户的业务、信用进行分析，在安全范围内提供小量、短期融资，把沉淀在 上的无

成本资金盘活。电商规模越大，沉淀资金越多。如果加上吸收存款功能，就变为金融机构；在大数据的引导下，银行业也会释放出这种灵活性，这样，信用担保就不仅仅限于大企业，而是可用于中小企业，业务范围将大大扩展。二是向着实物担保方向发展。任何时候，实物担保都不可或缺。它是电商融资和银行融资的安全底线，要保证实物的真实性和安全性，需要物流企业与之配合。三是商贸、金融和物流三方合作建设供应链金融平台。平台是大数据的汇集者。交易平台与物流平台集成、与支付系统集成、与交易融资系统集成，达到信息流、资金流、物流、商流的无缝隙连接；确保交易资源真实可靠、贸易行为真实可靠、担保物变现渠道畅通、担保物价格波动监控实时等。

表2-4 12类基于大数据的供应链金融平台

040

供应链金融“互联 ＋”时代的大数据与投行思维

续表