在國家政策支持下和市場各方努力下，供應鏈金融已成為金融行業(yè)熱點和各路金融資本角力的焦點領域。隨著業(yè)務模式的創(chuàng)新和金融科技的深入應用，供應鏈金融的服務效率逐步提高，服務成本日趨下降，風險管理能力也得到迅速提升，長春供應鏈金融已初步完成了技術迭代，成為公司金融最具創(chuàng)新活力和技術含量的業(yè)務。

但是，目前商業(yè)銀行供應鏈金融的融資規(guī)模難以滿足市場需要，供應鏈金融的發(fā)展在銀行內(nèi)部仍存在重重阻礙，特別是在嚴監(jiān)管和不良資產(chǎn)壓力之下，傳統(tǒng)銀行的風控體系難以有效支持供應鏈金融的創(chuàng)新發(fā)展，如何突破供應鏈金融的瓶頸，一直以來都是銀行業(yè)內(nèi)急需解決的問題。

本人認為，在供應鏈金融發(fā)展中，數(shù)據(jù)化風控體系的構建是突破供應鏈金融發(fā)展障礙的關鍵點，本文將對此進行分析，以促進中國銀行業(yè)進一步轉(zhuǎn)變觀念，強化創(chuàng)新，增強服務實體經(jīng)濟和小微企業(yè)的能力。

一、供應鏈金融風險特征　　

供應鏈金融的對象是核心企業(yè)上下游的供貨商、經(jīng)銷商和終端用戶，企業(yè)數(shù)量眾多，且多數(shù)規(guī)模較小，供應鏈金融的流程復雜，涉及供應鏈核心企業(yè)、上下游企業(yè)、物流企業(yè)、電商平臺和商業(yè)銀行等多個主體，因此供應鏈金融的風險也較傳統(tǒng)雙邊貸款復雜得多。

供應鏈金融的風險可以按三個維度來看。按照主體來看，供應鏈金融的風險包括借款人風險、擔保人風險、押品風險和第三方風險，特別是供應鏈金融中需要依靠物流監(jiān)管企業(yè)、電商平臺和數(shù)據(jù)商等第三方的配合，就產(chǎn)生了不同于傳統(tǒng)信貸的第三方風險。此外還有來自于外部行業(yè)與市場的風險。

按照風險類型來看，重點是信用風險和操作性風險，特別是由于供應鏈金融流程環(huán)節(jié)涉及多個主體，且操作復雜，產(chǎn)生了大量的操作風險，如核保不實不嚴、未落實質(zhì)押權，虛假出置、押品高估和懸空、未辦妥抵質(zhì)押登記和付款方未將應付帳款支付到銀行指定賬戶等操作風險，這些操作風險甚至在一定程度上引致信用風險。

按業(yè)務流程來看，在準入環(huán)節(jié)的風險，包括行業(yè)準入、模式準入、集群準入和客戶準入等環(huán)節(jié)的風險，在貸前調(diào)查環(huán)節(jié)的風險以及貸中審查審批環(huán)節(jié)、用信放款環(huán)節(jié)以及貸后管理環(huán)節(jié)的風險。

供應鏈金融的服務對象實際上是供應鏈中核心企業(yè)上下游的企業(yè)，這些企業(yè)通常都是小微型企業(yè)，小微企業(yè)具有以下特點：

首先，小微企業(yè)經(jīng)營非常不穩(wěn)定，變化非常快，抗風險能力相對較弱，風險相對較高；其次，小微企業(yè)信息對外披露較少，且可信度較低，存在高度的信息不對稱，收集小微企業(yè)信息非常困難，風險管控難度大；此外，小微企業(yè)規(guī)模小，銀行風險管理成本高。

基于以上特點，小微企業(yè)融資難融資貴就成為難以破解的金融困局，這不僅在中國如此，也是世界性難題。

二、如何構建新型的供應鏈金融風控體系　　

開展供應鏈金融就必須破解小微企業(yè)融資困局，尋找到以下三個戰(zhàn)略支點：第一，成本必須降下來；第二，效率必須提上去；第三，風險必須控得住。

要達到降本增效控險的目標，需要銀行在獲客、服務、風控和運營等多個方面進行創(chuàng)新，其中的關鍵突破點還是風控，只有在風控環(huán)節(jié)建立了以上支撐點，才能使得供應鏈金融具備商業(yè)可持續(xù)性，才能成為商業(yè)銀行可以正常開展的業(yè)務。

風控創(chuàng)新就是要建立不同于傳統(tǒng)的新型風控體系，內(nèi)容包括包括模式創(chuàng)新、流程創(chuàng)新和技術創(chuàng)新等。

（一）模式創(chuàng)新

首先是模式創(chuàng)新，小微金融風控模式經(jīng)過了三個階段：

第一個階段：全手工線下模式，也叫供應鏈金融1.0，完全依靠客戶經(jīng)理人工線下收集客戶信息，并通過信審經(jīng)理進行經(jīng)驗判斷。

第二個階段：半自動信貸工廠模式，將流程進行集中化處理，在若干流程中引入標準化作業(yè)工具，例如信貸打分卡等。

第三個階段：全自動數(shù)據(jù)融資模式，也稱為大數(shù)據(jù)風控模式，技術基礎是互聯(lián)網(wǎng)，人工智能AI（Artificial Intelligence）和流程自動化RPA（Robotic Process Automation），通過互聯(lián)網(wǎng)和內(nèi)聯(lián)網(wǎng)獲取客戶數(shù)據(jù)，然后通過規(guī)則模型對數(shù)據(jù)進行處理，并根據(jù)處理結(jié)果去驅(qū)動業(yè)務流程。

此外，還要建立銀行與外部機構協(xié)同的業(yè)務模式，在風控體系中建立銀行、電商平臺、物流企業(yè)和金融科技公司合作的機制，通過合作獲取多渠道的數(shù)據(jù)，建立聯(lián)合風控體系。

電商平臺或供應鏈核心企業(yè)負責提供供應鏈的交易數(shù)據(jù)，物流企業(yè)負責提供物流數(shù)據(jù)和貨物倉單風險管控，金融科技公司可以提供數(shù)據(jù)分析服務，而商業(yè)銀行則負責核心的風險管理和融資服務。這種跨組織的風控模式也將成為供應鏈金融獨特的風控模式。

（二）理念創(chuàng)新

業(yè)務模式創(chuàng)新需要理念創(chuàng)新作為基礎，必須對傳統(tǒng)授信理念進行顛覆，主要有以下方面：

首先是要重用信、輕授信。傳統(tǒng)的授信業(yè)務往往在授信過程中花費大量時間，但是在用信這個階段，卻流于形式，沒有進行實質(zhì)性風險審查，而形成實質(zhì)性風險的恰恰是用信環(huán)節(jié)。

在供應鏈金融中，可以把授信徹底舍棄，直接進入用信，每一次用信就相當于是授信，授信額度相當于未結(jié)清余額加上本次用信額度。這樣做的好處在于認真全面的審查每一次用信的風險，更加回歸風險管理的實質(zhì)。

其次是要重債項，輕主體。銀行的主體評級是基于企業(yè)過去三年的財務報表，但供應鏈金融小微企業(yè)往往還沒有三年的歷史，即使有，財務報表可信度也非常低。通過財務報表做評級這種方式適用于大中型企業(yè)，很難即使反映小微企業(yè)的實時風險狀況，所以我們在供應鏈金融風控中，要更加注重企業(yè)的交易，而不是企業(yè)主體，根據(jù)每一次交易來判斷企業(yè)的風險。

再次要重短期視角。多數(shù)小微企業(yè)沒有遙遠的過去，也很難有遙遠的未來，小微企業(yè)平均壽命只有三年多，因此銀行更應注重小微企業(yè)的當下，關注其現(xiàn)時的經(jīng)營狀況。

最后要以交易額度代替授信額度。根據(jù)企業(yè)的每一次交易，給予一個額度，這種額度的基礎就是交易以及交易形成的數(shù)據(jù)、債權和物權，和企業(yè)主體關系不大。由于額度與交易相關，交易結(jié)束，貸款就應該收回，因此這種額度是小額高頻短期的，是可以根據(jù)企業(yè)的經(jīng)營狀況及時調(diào)整和收回的。

（三）手段創(chuàng)新

理念創(chuàng)新需要相應的手段創(chuàng)新，必須從原來傳統(tǒng)的作業(yè)手段過渡到基于金融科技的手段。

首先從手工錄入到線上獲取信息，通過與企業(yè)系統(tǒng)直連以及部署網(wǎng)銀等方式，實現(xiàn)線上自動獲取數(shù)據(jù)，無需再通過資料收集后手工錄入的方式獲取數(shù)據(jù)。

其次是從單一數(shù)據(jù)來源到多渠道來源，數(shù)據(jù)不再單純依靠客戶經(jīng)理采集，也不局限于客戶以及銀行系統(tǒng)等單一方式和來源，電商平臺、企業(yè)ERP、物流系統(tǒng)、政府信息等各類外部大數(shù)據(jù)都是可利用的數(shù)據(jù)來源。

再次是數(shù)據(jù)處理方式從專家經(jīng)驗到規(guī)則加模型，模型包括簡單的規(guī)則模型，也包括統(tǒng)計模型和復雜的機器學習模型，這些模型可以實現(xiàn)專家經(jīng)驗的積累和傳承，保持理性和決策一致性，能夠標準高效的執(zhí)行信貸審批。

最后是從人工到自動化和智能化，自動分析業(yè)務中的數(shù)據(jù)和信息，從中挖掘出數(shù)據(jù)規(guī)律、趨勢等，并加以有效應用，達到“總結(jié)過去、預測未來”的智能化效果。

（四）流程創(chuàng)新

手段創(chuàng)新需要落地到流程創(chuàng)新，以線上化和自動化的操作優(yōu)化供應鏈金融的流程體驗，達到降本增效控險的多重目標。在整個流程中，開戶、貸款申請、審批、放款、簽署合同、抵質(zhì)押登記、貸后管理、預警催收等環(huán)節(jié)其實都可以通過系統(tǒng)自動處理，每一個環(huán)節(jié)的分析判斷與決策，都是由數(shù)據(jù)模型來做出決策的和推動流程。實踐中也可以在若干節(jié)點設置人工干預，特別是對難以直接通過或拒絕的猶豫狀態(tài)，可以借助專家來判斷和決策。

三、供應鏈金融數(shù)字化風控體系的實踐　　

基于新的模式、理念、手段和流程，構建適應新形勢和客戶需求的供應鏈金融風控體系，是當前供應鏈金融發(fā)展的需要，也是銀行更好的服務實體經(jīng)濟和實現(xiàn)經(jīng)營轉(zhuǎn)型的需要。

供應鏈金融風控體系的構建的條件相對成熟，在數(shù)據(jù)基礎、數(shù)據(jù)處理技術、銀行內(nèi)部系統(tǒng)等方面都具備了形成產(chǎn)能的條件，而且在實踐中也積累了大量的成功經(jīng)驗。

首先是已經(jīng)具備較為完善的數(shù)據(jù)基礎，互聯(lián)網(wǎng)、大數(shù)據(jù)技術的興起以及電商平臺的蓬勃發(fā)展，交易行為線上化趨勢明顯，供應鏈交易數(shù)據(jù)的獲取成本低、效率高且可信度高。外部宏觀經(jīng)濟、行業(yè)以及征信、工商、稅務等一系列相關公開信息平臺的完善，將進一步打通部門間的信息孤島，對企業(yè)進行精準畫像和實時評價監(jiān)督的可行性提高。

其次是數(shù)據(jù)技術也較為成熟。在數(shù)據(jù)獲取方面，可以通過物聯(lián)網(wǎng)、互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)，實時采集企業(yè)生產(chǎn)經(jīng)營數(shù)據(jù)和交易數(shù)據(jù)；在數(shù)據(jù)存儲方面，云計算和分布式數(shù)據(jù)庫可以容納海量數(shù)據(jù)；在數(shù)據(jù)處理方面，自然語言理解、圖像識別、數(shù)據(jù)挖掘和機器學習技術日益成熟，AI技術的應用可以極大的提高信息處理效率，部分甚至全部替代專家決策。商業(yè)銀行內(nèi)部信息系統(tǒng)也日趨完善，核心業(yè)務系統(tǒng)、信貸系統(tǒng)、供應鏈金融系統(tǒng)、電子票據(jù)系統(tǒng)等相關業(yè)務系統(tǒng)基本搭建完畢，部分領先銀行已經(jīng)開發(fā)了大數(shù)據(jù)和人工智能平臺。

此外，國內(nèi)外部分先進銀行和一些金融科技企業(yè)已經(jīng)在供應鏈數(shù)據(jù)融資方面積累了大量的實踐經(jīng)驗和成功案例。花旗與Biz2Credit、摩根大通與Ondeck、法國巴黎銀行與Mysis都開展了基于供應鏈交易數(shù)據(jù)的業(yè)務合作。國內(nèi)也有工商銀行、中信銀行和平安銀行等，通過與供應鏈核心企業(yè)電商平臺合作，開展基于數(shù)據(jù)的供應鏈金融的成功案例。京東金融、深圳怡亞通和阿里一達通等貿(mào)易服務企業(yè)也基于供應鏈交易平臺數(shù)據(jù)開展了大量融資業(yè)務，與商業(yè)銀行實現(xiàn)獲客引流和部分風控職能的合作。