在商業銀行轉型發展的長期視角中，大數據將推動風險管理能力的質變?！盎ヂ摼W+大數據”是推動銀行小微企業服務質變的引擎，商業銀行應擁抱大數據和金融科技，讓企業大數據發揮更大的價值，造福于小微企業自身。

　　長期以來，信息不對稱是橫亙在銀行與小微企業之間的一條鴻溝。順應時代發展、在國家推動“數據共享”的背景下，銀稅互動政策落地。企業的稅務大數據打通之后，新的問題又產生了：如何解讀企業涉稅數據，如何高效處理數據，如何把數據應用于銀行對于小微企業融資服務的全流程?這些成為傳統銀行轉型升級中無法繞開的話題。

　　一、數據共享解決銀企間信息不對稱難題

　　缺少抵押物品導致中小微企業融資難、融資貴，這只是外在表征;信息不對稱帶來的融資受阻或高成本，這才是中小微企業融資困境的癥結所在?，F代經濟活動的日益復雜化和互聯網經濟的盛行，使得一家小微企業的經營半徑可達100公里、甚至1000公里以外。隨著經濟活動的日漸復雜，企業交易對手關系復雜、關聯企業面貌日益模糊。銀行依靠對企業財務數據和歷史經營業績的報表審查以及經驗分析已不適應現狀，為此應合理應用互聯網與大數據技術，更好服務于小微企業。

　　小微融資難題與銀企之間的信息不對稱。誠然，有部分企業利用銀企信息不對稱，屏蔽信息、假造交易、多頭授信、欺詐融資，或通過關聯交易進行資金空轉，虛假做大結算流量套取信用，導致小微企業貸款不良率高居不下。數據顯示，2016年9月末，中國小微企業貸款平均不良率為2.9%，明顯高于中國銀行業貸款平均不良率水平?？紤]到商業銀行的平均凈利差在2.2%左右，以及個別銀行小微企業信貸業務的不良率更高等因素，不少銀行的部門單獨核算可能是虧損或無利的。

　　然而事實上，許多小微企業長期從事某些商業、工業、科技或服務業務，經營規模較小但收入穩定、經營良好，受外部經濟環境的影響也不大，是非常好的客戶群體。然而，銀行得不到足夠的信息去判斷小微企業的經營穩定性與還款能力。因此，當信息不對稱導致欺詐風險上升時，銀行會采取“避險”行為，譬如選擇收緊貸款或者提高貸款利率以覆蓋風險。這就導致了劣質企業驅逐優質企業，讓小微企業融資走向惡性循環。

　　可見，推動企業數據共享，使銀行完整、及時掌握企業的經營情況、資產負債情況、銷售動態和關聯企業狀況，通過洞察小微企業還款能力和還款意愿打破信息不對稱，才能夠從根本上解決小微企業的融資難題。

　　銀稅互動打破“信息孤島”。大數據的開放共享和應用是大勢所趨?！笆濉币巹澖ㄗh提出：實施國家大數據戰略，推進數據資源開放共享。李克強總理在2016年貴陽數博會上強調，要打破一個個互不相連的“信息孤島”和“數據煙囪”，推動政府信息共享。除涉及國家安全、商業秘密、個人隱私以外的數據，都應向社會開放。

　　為了推進數據資源開放共享，國家實施了很多措施，譬如建立人民銀行征信中心、公布信用黑名單、銀稅互動等。特別是2015年國家稅務總局聯合中國銀監會共同推動的銀稅互動，實現了小微企業涉稅數據的互通，讓長期困擾銀行的信息不對稱難題得到了緩解。在2017年，該政策又再次擴面升級，數據的開放范圍和推進深度廣度都有所加大。

　　銀稅互動的主旨是讓各地稅務局與銀行通過建立稅銀合作機制、搭建合作平臺、共享交換信息等方式為企業增信，解決小微企業的融資難問題。簡單來說，就是企業納稅信用信息打破了封閉狀態，與融資信用信息逐漸結合。此前，在稅務局系統中累積了大量真實有效的小微企業納稅數據，可以反映企業財務狀況、經營穩定性等。尷尬的是，銀行卻無法接觸到企業涉稅數據，只能通過企業線下到稅局打印納稅證明。這種方式得到的信息十分有限，而且通過線下人工處理，既不能保證及時性又極容易產生道德風險。有了企業涉稅數據的開放和及時傳輸，能夠改變這一尷尬局面。

　　納稅數據共享不等于數據可用。當數據可以互通，銀行可以通過授權獲取小微企業納稅信用數據之后，新的問題又產生了：第一，各省市稅務局的數據格式并不統一，統計的口徑也不相同，除了結構化數據外，還有大量的半結構化和非結構化數據。第二，對企業稅務數據的解讀，是非常專業的領域，部分銀行現有人才對稅務數據的理解也不專業，很多數據讀不懂、看不明白。第三，納稅數據沒有納入銀行現有的風控系統，很難僅憑一堆納稅數字來評判企業的信用風險狀況。

　　但是銀行對于企業納稅數據的需求又是剛性的。那么，如何才能正確解讀涉稅數據，使數據可以運用于銀行小微企業融資服務的全流程之中?微眾稅銀通過研究發現，納稅數據除了能反映納稅多少之外，還包含了企業的基本信息、資債變化、納稅信用評級、稽查評估、上下游穩定性等情況，銀行可據此精準描繪出一副完整的“企業畫像”，而且不存在任何夸大或摻假的可能，極有參考價值。

　　二、大數據助力銀行信貸流程成本管控

　　大數據只能助力決策嗎?答案是否定的。大數據結合先進的金融科技可以實現信貸流程的成本管控、風險控制和效率提升。一筆幾百萬元的貸款和一筆幾十萬元的貸款，貸前調查成本幾乎是一樣的，而小微企業量大、分散、融資額小，沿用小微融資原有的模式和產品，銀行幾乎是無利可圖。那么，如何將數據引入整體信貸流程，降低成本、控制風險呢?構建一套在線化、全流程數據化的方案覆蓋貸前、貸中、貸后，才是一條高效便捷的出路。

　　利用數據模型做用戶初篩。中國有2800萬家小微企業(不含個體工商戶)，分散在全國各地，而且處在動態增長之中，逐戶摸底調查是不可能的。對納稅信用等級高的企業，根據銀行個性化的條件做初篩，通過數據模型，可以瞬間獲取大量優質的企業用戶。用數據模型初篩的好處是高效精準，最大限度節省了人力成本。

　　在信貸審批決策過程引入數據做輔助決策。將企業涉稅數據結合工商、司法、征信等數據，通過數據模型分析處理轉化為可視化、指標化的企業征信報告，結合數據驅動模型和審批規則，可為審批決策提供可靠的助力。在此階段引入數據與風控模型，可節省大量的上門調查時間與成本，提升效率。

　　在貸后引入大數據風險監測。利用成千項數據指標、數據模型以及預警規則，可形成預警信息，結合銀行的個性需求，對企業做動態監控，一旦數據超過正常范圍，則發送預警給檢查人員做線下核實處理。這就解決了貸后人工成本高、效率低的問題，提升貸后管理的針對性?？傂猩踔量梢酝ㄟ^系統管控風險、規避貸后管理自下而上的道德風險。

　　全流程的數據化改造。對一些體量較小的銀行，引入一套貸前篩選、貸中審批、貸后監控的全流程自動化、數據化、標準化解決方案，并部署到銀行的客戶管理、信貸管理、貸后管控系統中，可以最大程度上節省小微企業信貸服務的成本，同時控制不良率的發生。

　　三、用好大數據的五條“秘訣”

　　未來，大數據將成為行業變革的重要驅動力。大數據將會像電力一樣普及，其重要性可想而知。如果把大數據比喻作“新能源”，云計算、人工智能就是驅動它的引擎，互聯網、物聯網將成為它的絕佳渠道和載體。影響了一代互聯網創業者的作家凱文·凱利在20年前所著的《失控》一書提到：“不管你是做房地產、醫藥、化工，還是教育，其實你做的生意都是數據。商業乃數據之商業。歸根結底，你在處理的都是數據。處理數據和處理客戶一樣重要?！贝髷祿奶幚磉\用能力將直接影響銀行的核心競爭力。理解大數據、用好大數據，可以簡單概括為：“大數無界、數往知來、心中有數、流數不腐、數不勝數”。

　　“大數無界”——數據使用場景沒有界限。經營可以是跨界的，數據的使用也是可以跨界的。對于數據的落地場景，要充分展開想象力，用新潮的話來說就是“打開腦洞”。憑個人消費信用數據可以免押金租車、租房，憑企業納稅信用數據可以落地的場景也很多，基于企業信用甚至可以實現商務差旅的免押金租房和租車，或者開展供應鏈金融等項目。

　　解決小微企業的融資難題，更需要跨界的數據融合，不僅需要銀行內部的、電商企業生態內的、物流企業體系內的數據，更需要通過跨界的資金流、信息流、物流的融合解決信息的不對稱，并通過各種剛性場景觸達客戶。

　　“數往知來”——用過去的數據對未來的違約、風險、商機進行探知。社會重視過往信用數據的利用，有利于提高全社會信用水平，識別信用破產的企業和個人，降低風險。譬如在擁有健全信用體系和征信機構的美國等發達國家，與信用相關的歷史數據都可以查詢到，當地企業違法和違約失信成本很高，一旦出問題會被記錄在案，有信用污點的企業別說借錢，很可能連訂單都接不到。

　　企業是“立體”的，除了通過涉稅數據進行分析，還應當引入盡可能多的權威數據源，對大量違約企業樣本進行分析，建立更可靠的風控模型。在分析企業還款能力的同時，盡可能把“還款意愿”這一層面也展現出來，多維度地反映企業的信用狀況。

　　“心中有數”——在決策和工作中善用數據。應當摒棄過往管理人員關起門來，憑感覺、拍腦袋、靠經驗的決策方式，向以數據驅動的決策方式轉變。摒棄所有事情依靠人工處理、人工驗證判斷的做法，改為數據化、自動化的流程，這能減少成本、提高效率，減少差錯率和人為風險。譬如，把企業涉稅數據引入銀行小微企業信貸決策中。

　　“流數不腐”——流動的數據才最有價值。數據也講求“鮮活”、及時。打個比方，企業去年、前年沒有發生問題，不代表它最近三個月經營正常，也不代表它這一秒沒有正在發生問題。只有及時的數據才能夠最大限度反映真實狀況、防范風險的發生。

　　以微眾稅銀為例，對企業涉稅數據采用實時處理模式，保持與電子稅務局專線直連，一旦企業發起申請授權后，系統實時提取數據并分析處理。大數據征信實現了實時傳輸，眨眼之間全部在線完成，且無需人工介入。動態的數據對實時跟蹤客戶經營有著十分重要的意義。微眾稅銀“智子”貸后監測系統，可對授權貸后企業的2800項數據指標動態監控，在最短時間內將異常指標傳輸給銀行。銀行既能對風險客戶實時進行預警，更能實時把握企業向好的經營變化、發現更多商機。

　　“數不勝數”——計算機助力大數據時代發展。此處的數不勝數要解讀為，大數據的運算能力，已經能夠處理海量復雜的數據。海量的大數據的處理，需要巨大的計算能力才能完成，如果采用傳統集中式計算，需要耗費相當長的時間?，F在有了分布式計算方式和不斷進化的算法，海量數據實現了秒級處理。依托于日新月異的先進技術手段，大數據挖掘和分析，也將向機器學習和人工智能等方向逐漸過渡。

責任編輯：Rachel