（原标题：银行发力小微贷的难点如何解？）

近日，银保监会发布《关于2022年进一步强化金融支持小微企业发展的通知》（以下称《通知》），要求持续改善小微企业金融供给。

《通知》要求大型银行与股份制银行须进一步健全普惠金融事业部的专门机制，向欠发达地区的小微企业倾斜信贷支持，在普惠小微贷上发挥更大的作用。由此可见，2022年各大银行在小微企业贷上还将发力。

对于商业银行而言，想要做好扶助小微的金融工作并不易。尤其是线上掌握可识别需求的数据资源有限，还须提升线上的风控与营销能力。

因此，探索线上小微融资模式，降低获客门槛、精准识别需求，对于落实相关政策、进一步发展普惠金融具有重要意义。

01商业银行的挑战

由于商业银行线上小微融资由大型国有商业银行引领，受市场青睐，风险低，纯信用、小额化特征明显，因此线上小微融资业务发展迅猛，取得了良好的社会效益。

但随着业务的深入推进，服务客户数的日益增多，也面临客户下沉难、客户触达难、客户需求识别难、欺诈风险高、贷后管理难等新挑战。

比如，受限于银行当前掌握的数据，难以对更多下沉客户进行风险评估，使得商业银行进一步服务下沉客户遇到较大瓶颈；由于银行自身线上渠道交易频次低，客户黏性不高，因此，小微贷款营销模式并未发生根本变化，营销覆盖边界仍然主要依赖于银行的网点布局，限制了银行服务边界。

再比如，线上业务依赖大数据识别客户需求，掌握可识别需求的数据资源十分关键，由于银行缺乏发票、水、电等企业经营的大数据，银行很难精确识别出企业对资金的具体需求时间点、需要多少金额以及需要借多长时间，往往容易造成需求与贷款金额的错配。

同时，线上小微贷款模式主要依托生物识别、大数据等手段识别企业及申贷行为的真实性，面临的欺诈风险相对线下可能更高，如，随着大量的互联网贷款平台退出，银行的线上贷款很容易成为专业欺诈团伙的新目标，欺诈风险防范压力增大。

此外，线上信贷产品的便捷性及突破区域的服务能力，使得银行服务客户数快速增长，小微企业客户遍布全国各地，也给贷后管理带来了新的挑战。

随着客户数的急速增长，一名客户经理往往要维护几十甚至几百个客户，客户经理的管理能力面临瓶颈，难以避免的会出现草草应付的情况，导致贷后管理信息收集不及时、不准确，客户出现违约风险不能进行及时的干预。

02商业银行的应对之策

针对上述困境，商业银行需要打破传统以自我为中心的产品研发模式及营销服务模式，以小微企业需求为中心，以大数据为抓手，对现有产品及营销服务模式进行创新改进，打造基于大数据智能风控的集信贷、经营顾问为一体，支持跨界开放合作的全新产品模式以及泛在的营销服务模式。

一是推进产品模式创新，破解客户需求识别、欺诈风险防范以及贷后管理难题。

从小微企业资金运用、经营决策等需求出发，基于多种维度的大数据识别企业资金和经营管理需求，科学评价客户的还款能力、还款意愿，在此基础上，根据大数据识别的企业资金需求及还款能力，为企业提供个性化的贷款额度、利率及贷款期限。

基于大数据识别的企业经营管理需求，为企业提供个性化、智能化的在线财务顾问服务及经营数据分析等增值服务，形成以融资服务为核心，以赋能型经营顾问服务为辅助的体系化、智能化的线上融资服务模式。

同时，通过为企业提供财务顾问、经营分析等增值服务，有助于与企业建立更紧密的业务关系，有助于银行动态的识别企业的经营情况，提升贷后管理的针对性和有效性。

二是抓住培育数据要素市场的机遇，广泛开展数据连接，夯实新模式基础。

2020年，中共中央、国务院印发了《关于构建更加完善的要素市场化配置体制机制的意见》，提出加快培育数据要素市场。国家“十四五”规划也明确提出要大力发展数字经济，推动数字产业化和产业数字化，商业银行可以充分利用全社会数字化机遇，在合法合规的前提下，与政府部门、核心企业等小微企业数据资源拥有者以相互精准引流、定制产品等方式，探索利用区块链、联邦学习等技术手段，实现数据资源的合法共享，夯实产品创新的数据基础。

三是构建企业需求识别、风险评价等模型生态体系，推进模型的组件化应用，实现产品服务的个性化与智能化。

首先，通过建立定期市场调研机制及大数据客户需求推断模型体系相结合的方式，构建企业需求识别模型体系。

市场调研是累积数据的重要手段之一，银行需要建立定期市场调研机制，通过持续广泛、深入地开展市场调研，及时了解行业、区域的企业状况、企业经营行为变化、新业态模式等，建立市场调研信息库，为建立、优化大数据模型奠定基础。

基于市场调研信息，依法合规与外部数据源开展合作，获取宏观经济数据、行业数据及企业工商、税务、海关、水、电等经营数据，结合银行自身掌握的企业结算数据，利用大数据技术，建立客户需求推断模型体系，精准推断企业资金需求时点、需求金额、需求时长等，有效识别企业需求特征。

其次，细化小微企业风险评价模型体系。

在了解了企业需求之后，银行还需要了解企业的信用历史、履约能力等，才能决定最终是否给企业贷款以及贷多少金额。

银行现有的小微线上融资风控体系主要使用传统逻辑回归构建模型，变量因子选择比较有限，对小微企业经营性特征考虑的深度和广度还有待提升，在笔者新上市的《重新定义风控：从0到1建设小微信贷大数据智能风控体系》一书中提出，需要进一步结合小微企业本身特点，细化大数据风控模型，构建宏观、微观相结合的新型风控模型体系。

宏观层面，基于互联网舆情数据、统计局数据、天气数据、大宗商品价格数据、零售品市场价格数据等，构建企业舆情监测、价值链成本传导预测、价值链风险传导预测、行业景气指数、区域景气指数等宏观风险预警模型，一方面支持商业银行制定信贷政策，另一方面支持贷前自动审批及贷后风险预警。

微观层面，小微企业经营好坏与企业主息息相关，银行可分别针对小微企业及企业主本身细化风控模型体系，结合工商、税务、水、电等数据，在细化企业分群基础上，基于机器学习、图计算等前沿技术，构建小微企业竞争力推估、破产预测、成长力推估、现金流推估、风险传染预测等企业经营风险评价模型；结合企业主学历、从业年限、社会关系网络、风险偏好等数据画像，构建企业主经营能力推估、企业主社会资本推估、企业主欺诈风险评价、企业主信用风险评价等模型。在此基础上，结合小微企业需求识别模型，优化或重构现有的小微企业欺诈风险评估模型，进一步增强贷前风险企业识别能力，提升贷后风险预警精细化水平。

再次，组合应用大数据需求识别模型体系以及小微企业风险评价模型体系，科学制订策略，配套个性化产品与服务。

通过组合应用，精准识别小微企业需求与企业风险状况，结合业务经验，制订相应业务策略，为小微企业配套个性化的产品与服务。

在产品方面，基于银行可承受风险及企业可承受能力，给予不超过其需求金额、需求时长的授信。

同时，结合企业资金运用过程中的保值增值需求，建立企业智能财务顾问模型，为企业开展智能化的资金规划服务，提升企业资金利用效率。

四是打造泛在的营销服务模式。

一方面，结合企业主的渠道偏好，以开放的心态，探索走出银行自有渠道，寻找客群资源丰富的机构跨界合作，通过联合建模建立精准营销模型，对客户开展个性化的服务。

另一方面，结合企业的经营场景，通过联合建模、定制产品等方式接入企业纳税、水电费缴纳、电商平台等企业经营场景，为企业提供即时服务。

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