尽管各银行纷纷成立了普惠金融部，将传统小微企业贷款业务归纳其中，但是，由于缺乏对小微企业贷款市场的了解与经验，缺少对应的风险识别与管理技术，部分商业银行小微企业贷款流程繁琐、且继续以抵押为风险管理核心，造成客户体验不佳。另一方面，盲目崇拜技术，无论是否适合本地客户，大量投资硬上金融科技项目，在一些花里胡哨的“高科技”误导下急剧增加贷款投放，不但为自己埋下了大量风险，客观上也鼓励了一些贷款客户的投机冲动。

 数字小微贷的“科技”误区 

在数据质量良好的环境中，以大数法则为理论基础的方法，很适合将小额消费贷款线上化。这里，征信数据共享、真实消费场景、小额分散以及反欺诈能力缺一不可。为了抢占这个市场，部分金融机构故意放松通过真实消费场景对贷款用途的控制。从商业角度来看，假如该金融机构拥有良好的反欺诈能力，的确能在短期内获得巨额利润。但是，随着客户的过度贷款，违约可能性也在上升，而由此产生的青年人过度负债，不仅违背了客户保护原则，同时带来了社会问题。校园现金贷就是现实案例。

如同治病需要对症下药，服务小微企业的科技，也需要合适才好。很可惜，由于缺乏对小微企业的了解，一些商业银行在数字小微贷款领域，选错了科技工具。

基于大数法则的方法，用于小微企业贷款，必须满足以下条件：

满足以上条件，虽然不通过强场景控制贷款用途，依然可以较好控制风险。目前，少数互联网科技巨头拥有开展此业务所必须的数据，因此，其数字小微贷款业务做得有声有色，在服务客户的同时，扩展了自身的发展空间。

但是，对于大多数小微企业来说，金额极小的科技公司贷款无法满足其真实需求，而因此引发的多头借贷客观上鼓励了投资冲动与投机行为。

数字小微企业经营贷原则

贷款是需要偿还的，因此，贷款必须用在可以获利的经营项目中。（无用途控制的贷款，客观上诱导客户盲目投资与消费，造成客户过度负债以及一系列延伸的社会问题）。

专业并且负责任的金融机构，既要保护客户使其不至于过度负债，也要保护金融机构的资产安全，因此，必须分析客户经营能力并就其总负债设定上限。（传统微贷技术中的还款能力分析并没有过时，在对小微企业进行风险分析的时候，还款能力的分析极有必要。仅仅依靠大数法则、高定价覆盖风险的方法不可取。）

传统银行在与金融科技公司的市场竞争中，节节败退，核心问题是客户体验太差。当已经习惯了世界上最便捷的支付服务的中青年人替代他们的父母，成为经营者与决策者，其自身业务也发生了深刻的变化。其父母人工盘点存货的方式，被新一代使用基于移动支付与数据分析的销售与存货管理系统所取代；其父母通过经验与感觉做出的采购决策，被新一代通过获取专业配送服务商的数据进行决策优化；同样，其父母可以忍耐的银行繁琐工作流程，新一代是不愿意忍耐的。

数字小微经营贷的发展方向

银行如果想维护并且吸引新一代经营者成为其客户，必须拥有将客户体验与风险管理融为一体的能力。优秀的客户体验，才能吸引优质客户（否则，优质客户会越来越倾向于科技金融机构，特别是数字科技银行的服务（即使定价高些）；而被数字科技银行所排斥的风险客户，会涌向落后的传统银行）。而风险可控才能商业可持续，银行必须在给予客户优秀体验的同时，通过一系列不影响客户体验的工作，高效进行风险管理。

小微经营贷的风险逻辑与数据

从事小微企业经营贷这么些年，经验告诉我，无论国际还是国内，与小微企业打交道，首先还是与小微企业经营者以及其家人打交道。坑蒙拐骗、油嘴滑舌的人是不可能经营好面向老百姓的小微企业的。因此，分析客户人品是否与其经营对称，是首要的工作。只有人品与经营对称，经营者才能长期稳定经营（比如，性格暴躁的人，是很难经营好一个零食零售商店的），才能有适当的贷款需求，才能将贷款用在增值上，才能在发展自身业务的同时，保障银行贷款的安全。除了经营者，其配偶是什么样的社会状态、其子女是什么样的状态，同样也是重要的决策数据（一个诚恳经营副食品店的中年人，如果有个因为溺爱而好吃懒做，甚至吃喝嫖赌的儿子，那么这个副食品店也会越来越难以经营，而老好人也会在走投无路的情况下，骗银行的贷款为儿子还赌债）。这类数据，是数字小微贷建模的重要基础部分之一，即社会形态分析模块。

除此之外，通过征信报告以及其他数据来源，银行应该对客户生意的稳定性做出分析。实际上，在新的理念下，新一代经营者也在改变自身经营方式，提升其自身的客户体验。比如，通过接受支付宝与微信支付方便顾客，又比如通过外卖以及送货为客户提供更多方便等。拿最基本的小商店为例，新的零售模式下，销售与存货管理数字化，配送商协助小商店优化其采购、配送与成本管理，销售数据归集在平台、在配送商后，又形成了数据分析服务，帮助小商店优化商品结构。而这些经营方式的改变而产生的数据，能够帮助银行在丝毫不影响小商店业主的情况下（当然也在获得业主授权的前提下），对小商店经营稳定性进行判断，甚至就此设计还款能力的分析模块。很可惜，目前大多数银行，对这一块市场视而不见。

当然，要建立既能给予客户优秀体验，又能在后台完成风险管理的系统，还需要考虑一系列其他数据。比如考虑地区宏观发展，甚至通过考虑人口流失对地区经营可持续性做出判断，又或者在决策模型中，考虑地方法制建设，等等。目前部分银行在一些对小微企业贷款业务一知半解的服务公司误导下，神化了大数据算法，将各行各业特征不同的小微企业置入同一个服务模式中，将其为数众多的特征通过为数众多的变量进行描述，试图通过海量计算获得优化的决策模型，这不是一种好方法，其问题如下：

1

不同类型的客户置于同一模型，没有考虑行业的毛利率、资金流转率，行业特殊风险等要素的不同，定价不合理。对于优质客户没有吸引力，对于不良客户，定价不足以覆盖风险。

计算出来的变量均为弱关联，决策模型最后成为黑匣子，无法对某些行业某些领域突发性风险作出应对。

3

对应宏观经济波动反应迟钝。由于算法用于过去的数据，在宏观经济出现下行时，无法迅速通过决策模型反应，会进一步增加信贷风险。

定价合理、对风险反应迅速的数字小微企业经营贷模型必须是建立在行业特征基础上的。银行必须根据本地区特征，对症下药，迷信大数据算法能解决一切问题的态度，将会付出沉重代价。

由于篇幅有限，基于本人多年小微企业经营贷风险管理经验，以及目前数字微贷的工作体验，提出如下几个因素，供探索数字小微贷的银行参考：

1

客户个人与家庭信息。客户个人与家庭信息，应该与当地社会学特征对称，与其行业特征对称，对于明显偏差的客户，需要额外信息进行细化判断。仅仅依靠社交大数据，不足以满足客户人品判断。社会学特征包括年龄、婚姻状态、配偶情况等。

2

地区特征。有些地区，人文传统良好，法制建设规范，法院不和稀泥，老赖生存空间较小。在模型中，应该对这样的地区特征予以正面考虑。同样，司法环境差，三角债多，老赖生存环境良好的地方，地区模型也必须予以警惕。

以上观点供参考，欢迎银行同事参与讨论。

丁宇

2018年10月6日于苏州