本文共字，预计阅读时间。

接下来这场论坛主题是信贷工场和供应链金融，下面请出这场论坛的嘉宾，国美金控高级副总裁丁东华、夸客金融创始人兼CEO郭震洲、京东供应链金融事业部总监李超然、大数金融创始人兼董事长、总裁柳博、通华投资控股股份有限副总裁、通华财富公司副董事长沈丹义、PINTEC集团读秒CEO周静。在场的6位嘉宾好像没有一位是银行业的人士，但是其中多位是出自银行业的，这个问题可以值得我们深思：先进的金融业务到底比银行业在服务中小企业方面是不是更具优势。

郭震洲：普惠金融的难度更大

夸客金融这两年半主要是做普惠金融服务于中低收入人群个数千万小微企业的借款需求。我们在座很多都是来自于银行的，主要相似之处在于金融基本准则是相似的，这些人银行的经验、专业性，包括技术都是一个非常好的基础，其实银行也是人才济济，资源非常丰富，技术非常强大。其实大家市场分工是统一的，我觉得银行应该去辅助一些大企业，一些中高人群他们的一些金融需求。我们对于金融科技方面一些创新方面的一些探索，包括我们从银行出来的，我们更愿意服务于一个高成长人群他们一个金融需求，这次你看监管上出的办法也把我们引向一个普惠金融的方向，包括单笔借款这样一个额度，我觉得都是朝普惠金融的方向。所以我们实际上要做一个多层次的，多元化搭建这样一个金融体系，让我们市场各个细分人群都能享受到同等的金融服务。刚才我讲我们只是想做一个正规金融市场的补充，这5亿对我们发展是至关重要的，我们所在的“江湖”，普惠金融它的难度更大的，这个人群它的金融数据是不完整的，它的征信是不清晰的，所以我们在做征信过程中，遇到了银行更富有挑战，更需要积极拥抱数据科技来解决普惠金融的难题，这就是我们夸客这两年多持续打造一个所谓叫“信贷工场”。我叫“智能化信贷工场”。我们在武汉和上海两年都设置了数百名这样的流水线，权衡风险、运营，这个风险、运营是一个数据支撑的，我们也接了30多个线上、线下数据源，决策流和工作流这两个流互相交互，我们“信贷工场”这五、六百人受一些数据模型来指挥的，这是我们做普惠金融的一个基础。这个“信贷工场”会作为征信一个重要的环节，它来支持，我们全国有3千多个业务支持，面对面支持这些普惠人群，这个“普惠工场”是这样一个集中和分散的关系。另外我也注意到数据化信贷工厂，他们用是工厂的工厂，我们用的是场景的场景，这个实际上是想体现一个现代化、智能化的，而且比较带有一些专业性更强，到底用哪一个场再具体交流。

柳博：通常数据化的信贷工场主要是对于数据化分布

我们是两年前创立了大数金融，获得了红杉资本两轮融资。大数金融是一家数据化的信贷工厂，生产大金额无担保贷款，这两段句要连起来读，内行的人就能听出其中的技术水平。数据化的信贷工厂主要是指数据化的风控，它通常对于几千至几万的小金额贷款，例如信用卡、消费信贷是奏效的，但是对于大金额的无担保贷款，特别应用于小微企业的小微贷款，其实在世界范围内成功的经验是非常少的。也正是这样一个原因，我把这种数据化的信贷工厂技术，称之为第三代的小微贷款技术。大数金融我们可以说，我们是第三代小微贷款技术的引领者，我们这个团队是第三代小微贷款技术的开创者。为什么这么讲呢？因为我们的技术已经应用于接近2千亿的无担保贷款，历经7年这样长的一个信贷周期。大数金融现在是在13个城市，为16家银行，包括北京银行、哈尔滨银行等，为他们生产大金额的无担保贷款，所谓生产包括了从获客，调查，审批到贷后的风险管理等。

沈丹义：支付加金融的战略转型

我们是做的支付加金融这样一个企业，我们已经拓展了200多万的商铺，支付本身这个事情，为什么我们支付加金融这样一个战略转型，因为它来自于两方面，一方面是竞争的压力，现在基本上资本行业两大玩家，支付已经在第一梯队，支付两大玩家支付宝和微信，其实在支付方面不以盈利为目的，虽然支付还是有利润，但是整个公司从上到下有非常大的危机感，光是靠支付本身 很难维持公司长远发展。第二我要融资的禀赋，在这些年过程当中我们积累了200多万的商铺，我们总结下来商铺几大需求。第一是它的营销需求，商铺怎么倒流，怎么把生意做起来。第二商铺本身世界难题，中小企业融资难的问题，这个融资怎么样帮它解决。有一些商铺做那种小而美，它不想扩大生意，所以它有理财需求。其实我们还有在做消费金融，也有保底公司做一些供应链融资，也有为商铺做贷款，正在积极设立公募资金这样一系列的。

信贷工场是？其中一个板块，我们也会帮助银行适应消费这个市场，我们专门一家公司叫通华金融，帮助银行开发消费信贷模型。所以今天讲到信贷工场这个话题是我们其中一个板块，现在已经为三家银行，总共2万5千个商户提供累积50亿贷款。

客户是商户？我们其实是为银行提供从获客到风控系统的建设，一直到最后催收，包括催不来我们业提供法律服务，整个一系列的。现在通华财富自己本身有100多人，我在全国有6千多的业务员，我们100多人主要是搭建数据系统，我们贷款金额大概在15万到20万之间，之前我们尝试帮助银行，完全不需要纯线上贷款，发现互联网金融最热的时候2014年这样做的，后来发现5万以上的贷款还是需要人工面对面，所以是O2O的商业模型。

丁东华：现在产业加金融我们分成四大块

国美做金融是怎么回事？就是产业加金融的路子，我们主要做传统金融行业没有去关注到，或者传统金融并没有去做的事情。现在产业加金融我们分成四大块，一块是供应链金融，一块消费金融，一块是支付，一块是财富管理。基本上这个布局是中国产业加金融基本的路子。在这个里面有一个很深的道理，主要是说我们会基于场景做金融，这个里面的逻辑是什么？为什么基于场景做金融这个事情能成？这个里面还有另外一个层次的逻辑，我们一直在讲供应链金融也好，讲消费金融也好，为什么我们用这样一个逻辑去做。其实我也做了很多思考，实际上中国80%的资金只给20%的企业享受到，还有80%的企业没有享受到。国家一直在提倡推动中小企业金融支持，解决中小企业融资难的问题，这个问题没有解决的原因是什么，还是成本和效率的问题。这里面无论做电商也好，还是做金融也好，都有一个效率的概念。我们在关注风险的时候，一定要衡量他们提供的资料，从我们传统金融发展来看的话，我知道中小企业资料也好，报表也好，其实不太感兴趣，说白了自己提供的这个东西采样、采信是很难的。

最近在产业加金融，或者互联网加金融的时候，其实有一个很好解决的问题，因为中小企业的发展，一般的都会依附于一些大的场景，或者大的核心企业的周边，而在大的核心企业和大的产业集群的系统队伍存在一些中小企业普遍的数据，这里不管阿里也好，京东也好，国美也好，苏宁也好，一系列的核心产业，他们做互联网金融核心是数据，因为这些数据是真实的，这些数据直接反映中小企业的情况。同时，我们在做消费金融的时候，思考是这个逻辑。第一个逻辑，你的新用户在哪。我们知道中国大概有征信的用户，或者有借贷行为用户大概3.8个亿，我们还有大概10亿没有借贷，这10亿里面还有3到5个亿是我们传统金融企业也没有覆盖的。

但是传统金融服务，因为这些人没有很好的征信，没有很好的体面的工作，他们不能说被排除在传统金融体系之外，而是要给他们做征信做借贷成本太高，这个市场一直存在，但是并没有得到满足。所以我们做这块的逻辑是，从现在来讲，如果解决长远的问题，解决成本的问题，通过互联网的方式，通过互联网的技术是一个最有效的方案。如果解决我们不管中小企业客户，还是个人的客户，如果解决他们风险的问题，用第三方数据来去验证他们的征信是最有效的方法。现在不管讲互联网金融也好，本质的事情我们都用技术以及数据来解决我们原来在成本和效率上满足不了，或者提供不了金融服务这样一个难题，这也是我们国美做金融的方向，现在也在这个方向实践！

李超然：要建立一个通用的流通卡

从京东的角度我想举两个京东的案例论证一下刚才几位说的。第一个是场景化的金融产品，其实互联网金融业务是2013年开始，其实我们在成立这家金融公司的时候一直在思考一个问题，我们不要做一家银行，我们要让整个金融链更高效，本着这个目的出发。信贷工场核心思想是让整个审批的流程更加标准化、模型化，决策的结果高效，结果更一致，降低风险。在这一点上，核心的因素是标准化、模型化。其实我从业经验，我到京东也就2年时间，我去京东之前一直做信贷项目，坦白说目前来说国内银行在信贷方面做得不太好，原因我个人总结下来，信贷工场东南亚地区它的整个地域是比较小的，模式相对来说，在一个单一的模式下面，相对来说比较标准。到了中国地域比较复杂，各地情况完全不一样的地方，你要总结模式和标准相对来说难度大很多，再加上行业的差别。我记得当时我们做过一个项目，准备找一个工场化的方式去录入，然后再去审批。后来发现全国模式都不一样，全国千差万别实在太大。所以我们思考一个问题，我们要建立一个通用的流通卡，能审批所有的项目，但是这个是不可行的，哪怕一个最简单的项目都不见得是最高效的选择。当时一直考虑，我们用什么方式能够切割，是按照地域切割，还是按照行业切割，中国地域不管是地域还是行业，都千差万别。

我到京东发现一件事情，其实我们可以用另外一个维度去切割，叫交易场景。从交易场景，交易发生这个地方，不管是在北京，还是在上海，你交易的模式是相对一致的，从交易场景这个维度一切割，然后再来做标准化和模型化其实是可行的。两个小例子，第一个小例子，给京东第三方平台，第三方卖家做了一个平台叫中小贷，这个产品里面，我们没有客户经理，剩下就是一堆风控模型，这个是完全基于电商交易场景做出来的这么一个产品，这是真正意义上的工场。当然这个前提是我们在京东生态圈里面有足够的数据，在京东生态圈以外我们做了另外一个产品，我们基于货物发送和运输的环节，现在叫“物流金融”，我们跟仓储系统去做对接，把仓储系统每天入仓、出仓数据跟交易数据组合起来，形式一个完整的数据。从京东实践来讲，基于场景话做标准建模，搭建工场是完全可行的。

周静：金融本身没有变，只不过形态没有变

智能信贷我们在读秒在审批这个环节一个员工都没有，可能是一个不太一样的模式。首先我介绍一下我们公司吧，读秒可能大家不是很多人听说过，我们是相对一个比较新的公司，我们是在PINTEC集团旗下一个公司，有一块是线下交易平台，还有智能投顾，我们还有基金，我们还有股票，我们还有一个企业征信的公司，读秒是针对资产这一块布的智能信贷的双核，用技术驱动金融。说一下智能信贷，可能跟刚才几位所说的信贷工场有相似的地方，在零售是一个标准化的审批流程。智能信贷跟信贷工场区别在于，全流程是无人工，全自动化，全数据化，全电子化的流程。为什么要做这个呢？我大概说一下我自己的背景，我大学第一份工作也是做金融，那个公司在20年前，我到现在还发现20年前就是在做智能信贷，没有人工的审核，全是电子化，第一份工作就觉得全世界所有信贷都是这样子。06年加入中国银行觉得不是这样子。到了渣打之后，我是见证渣打银行在中国做零售信贷的整个过程，从一开始做个人无抵押贷款到现在做现金的无押贷款，我们一直做小微，其实在这块也是做了很多很多布局和很多优化。

从信贷工场角度来讲，我们那个流程做的还算是不错。但是，我做到最后作为整个零售CRO，我一直在想能不能做得很好，我每天都看我的审批人员和销售同事，这个是不是太紧了，时间能不能再短一点。整个流程我想怎么样可以更加快速，因为整个信贷工场流程还是有录入、初审、核实，大银行一般审、贷是分离的，这个流程大概5到6步，不管我们怎么去压缩，还是有5步，它的体量还是在的。后来我们是机缘巧合，加入创业公司，团队就想怎么打破这个瓶颈，怎么样给到客户更加优的体验，在互联网这个时代是不是实时的审批？这个我们当初的一个愿景。所以我们当时在智能信贷这一块的布局，我们初衷和我们目标变成无纸化，没有人工介入，实时审批。经过接近两年的布局，从最基本的数据搜集、入库、数据结构的搭建到上面我们建模，我们现在可以做到10秒钟给到个人信贷。接下来，我们也会把这一套理念给到车和房，因为这套理念结合互联网，移动时代到来的话，其实我是觉得在中国市场比美国大很多，因为大家都很习惯在手机上做很多事情，刚才说理财，其实贷款是一个一个非常标准化的产品，所以从这个角度来讲，完全可以在手机上操作的。当然大企业不做，我们说小微和零售。所以，经过一年半和两年时间，我们已经摸索出一套，我们叫“智能信贷”，其实这个已经走了很长时间，只不过在今天的中国，我们有这个能力，也有这个决心，也有这个市场环境大家接受做这个事情。

我们做智能信贷，做科技金融，金融本身没有变，只不过形态没有变，我们收集方式，决策方式没有变，但是金融本身由于客户还款能力，信用历史，这个是不变的，这个是几百年银行风控积累下来的。所以核心的一点，在互联网这个时代这个核心是可以变的。从风险角度来讲，我们当时准备好可能线上风险会比线下要高，但是因为线上数字化非常透明，信息非常多，我们模型迭代具化，而且量非常多，所以这个迭代速度非常快，所以每两个月我们模型就收集很多的样本。我们在改整个模型的时候，就不会影响到整个流程。以前我们改一个模型会影响到流程，整个生态链很长。在现在这个模型下面，没有感知的。另外一个，如果说今天业务量大概2到3倍的话，以前的银行会碰到后面运营不够，但是我们不会遇到这种情况。还有一点，因为传统有成本，有网点成本，还有固定成本，这些成本毕竟导致在做客单的时候尽量做大单，单子大一点，收益多一点，但是在智能信贷里面，没有太大的柜面成本，我又可以做客单量更小的，几百块钱、几千块钱，从这个角度来讲我们也是做这一块的地方。另外一个角度，我们在飞快迭代，这个也是我们准备把线上挖到线下，这样子线下销售人员在第一线就可以拿到实时机会。

李超然：通过进的技术来尽早发现风险

我们现在做的整个供应链金融业务，都在我们风险控制之内，尤其我们依赖模型这样一个金融产品。当然在模型到最高点不良率偏高一点，这是一个模型该有的东西。但是系统性的传导的风险一直是我们担心的，我们应对这个问题的方法有两个。第一个方法，其实我们回到一个企业，它经营一个整体的板块出现问题一定是有征兆的，我们看一下京东贷有两个方面，一个是企业本身的金融情况，一个是传统的企业都会看的财务报表和营收。另外一个是商品，一个企业所经营的商品意味着他未来发展和现在的情况，这个会更准确。举个例子来说，从商品维度来讲，很早就发现这个趋势，它的价格，它的利润率，它的整个波动在很早就反馈出来。所以针对这样一个从商品角度看待企业，我们能更早预计，更快发现一些上升的势头。只有通过新的技术去发现，才能够解决这个问题，这是第一。第二，当然还有很多先进的技术，包括语义识别，包括通过各种互联网消息来尽早发现一些风险，这个我们也在用。

丁东华：供应商越分散，越能估计发生风险的概率

我讲一下我们对于中小微企业的风险认识，我觉得这个里面有两个问题。第一个叫定价问题，所有的风险第一首要是定价问题，我在定价的时候是不是受益覆盖我的风险，对于一个点的风险概率会有一个点的定价，首先要把这个模式识别出来。第二个来讲，在这两个定价基础之上，我怎么样降低我想要做这部分客户，加上我的风险识别能力，降低它的风险概率的问题。这两个分开两个概念，一个是有场景的，有场景能做交易的闭环，你把资金流都能够掌控，你掌控越多，风险发生概率越低。你采用第三方的数据越多，建模技术越高，这个风险相对来讲会低。我们再来做供应链思考就会感受到，我们做国美供应链本身，我们做几十个亿、几百个亿来讲，这个风险有一个基础是什么呢？你所有的场景都是跟电器消费的环节里面产生，这些供应链也是依附于国美这样的企业，恰恰依据给他的授信也好，给他的定价也好，所以是这样。在做外部的时候，大家都知道我做经销商业务也是信用管理，实际上你的供应商越分散，你越能估计他们发生风险的概率，这个是我们对一些风险的理解。

郭震洲：首先要解决融资难的问题

我觉得首先要解决融资难的问题，这是我们互联网金融做了一些非常好的尝试，刚才我也听几位嘉宾介绍了，他们都有非常好的经验和观点，智能信贷，不需要人工介入，包括带场景的等等。我刚才考虑，最终是风险和运营效率这两个的下降，我觉得我们这样做，通过信息技术和数据技术持续的投入建设，最终导致这两者下降，降价最终能够惠及到中小企业和小微企业身上，这个过程可能比我们想象得慢，比如说征信体系的建设，数据的积累和共享等等，另外就是能不能打破对投资者回报的要求，因为现在金融资源总的来讲还是比较集中的，把金融资源打散，把金融资源引向需要的人群，我们都在做这样的事情，所以会有一个漫长的过程，但是都在朝这个方向发展，包括风险定价，最终会要走上一个理性化的精准的风险定价。

柳博：首先要解决小微融资难的问题

首先还是要解决小微融资难的问题，定价终究会通过市场来解决。解决难的问题，民间的资金体量终究太小，关键还是调动传统金融机构资金，这个是最大的体量，但是你要调动它，必须解决掉两个问题，一个是风险问题，第二是成本问题。现在我们所说的数据化信贷工厂，基于数据的风险控制其实可以很好来解决它这个问题。

第一，它的全流程信贷成本低，扩张的边际的成本是很小的。第二，它的所有风险控制都是在中心控制，它可以迅速复制。所以说，新一代技术一旦为银行所采用，可以有效解决上面的两个问题。过去在银行体系外很少有真正拿得出手的信贷力量。但是这两年情况有很大不同，一大批的原来在银行体系内精英，实际上已经走向了类金融机构，这里面其实体现的是资本的力量。目前在银行外部分细分领域新的技术还是非常强大的。其实银行也逐渐意识到，我们同时也获得了银行的认可，我觉得这样一个方式下，科技企业跟银行合作，是会有效来解决小微贷款难的这两个问题。

我认为监管其实是更应该去了解现在外面的行业变化，意识到非银行的力量在某些细分领域已经足以超越银行，包括像刚才几位讲的那些方面，而整个银行在小微贷款上，那些采用圈链会、联保互保、共同基金等技术的大中银行几乎是处在全军覆没的状况，大量的银行在小微贷款上处于收缩状态。而采用IPC交叉检验技术的中小银行实际上完全没有走出规模效应，大都是局限在本地。在这样一个情况下，普惠金融不能因为这样就半途而废，充分利用社会的技术力量我觉得完全可行的。

每位嘉宾用一句话展望一下金融科技的未来？

丁东华：不管是金融还是其他的，一定是多层次的市场，在每一个层次上都需要满足用户，不管是我们做互联网金融，我都希望我们成为一份子。

李超然：用先进的信息技术管理降低风险，这个才是创新的根本。

柳博：金融科技还是要对风险有足够的敬畏。

郭震洲：金融和科技也是越来越多密切了，科技会继续推动金融创新发展。

沈丹义：我也是从传统金融机构出来的，对大家刚刚提到传统金融、互联网金融这样的事，其实传统金融对我蛮有压力的，同时像我们这样的精英都来到了互联网金融，就像我们和传统的银行合作非常愉快，我希望让传统金融机构、互联网金融机构共同努力，一个解决小微企业融资难的世界难题，让小微企业主成为有尊严的经济公民。

周静：金融科技是一个不可扭转的趋势，我相信中国会在世界上引领这个趋势。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。