近日，由中國電子信息產業研究院指導，中國大數據產業生態聯盟、賽迪傳媒主辦的2022（第七屆）中國大數據產業生態大會在北京召開，本屆主題為“激發數據潛能 共贏數字未來”。會上，神州信息中小微場景金融首席專家辛園做題為《大數據賦能中小微場景 ，一站式信貸SaaS服務平臺》的主題演講

以下為文字實錄：

不管從政府層面還是民生層面，中小微在經濟中發揮了重要的作用，扮演著重要的角色。特別是近兩年疫情爆發以來，金融監管部門、負責民生的政府職責單位，都在各項政策扶持手段上加大了力度。銀行對信貸的投放比例，包括在利率、稅收上，就如何減免或者減輕這類客戶的負擔和壓力，和政府做了很多工作。

在今年5月份，我們看到第一個季度和4月份的貸款投放并不好，很多金融機構對于客群是想貸但不敢貸，很多企業是想借不能借，因此對他們來講受到的壓力沖擊很大。

除了融資難和融資貴的問題外，疫情加劇了對中小微場景的困局。整個產業鏈上下游，不管是中小微或者過去有一定積累的企業，在供應鏈場景中都或多或少受到了沖擊和影響。同時，兩年多的疫情導致很多行業發生了改變，也刺激了金融機構和金融科技公司做出改變，更好地結合現在的現狀，為這類客群提供更多的服務。

金融機構在投放壓力下，更多把貸款投放資源包括相關產品、技術往更貼近市場做調整。金融科技公司從大數據、區塊鏈等各種技術應用，以及客戶服務感知，讓更多的客戶從現階段的技術能力上感受到實惠。

過去幾年，金融在大數據應用方面更多都是偏向C端，很多公司賦能在金融機構的投放包括應用層面，也都在C端。首先C端的體量大，第二是技術構成上數據維度夠多——采集的方式各種各樣，一般都能獲取到相應的合規數據，金融機構基于這樣的數據更有利于研發相關產品。B端在過去相對很單薄、單一，很少有大型公司能提供一站式全方位的針對企業自己的非第三方獨立的數據源，這個非常難獲取。數據壁壘加上技術的限制，在B端不如C端時，很難做到標準化投放。

這兩年我們看到，除了政府的推動，大家對B端需求的認知也進一步提高，越來越多的金融機構在探索B端的藍海。基于數據層面、技術層面、市場驅動層面，我們在場景中慢慢談到針對企業端、中小微端和供應鏈產業鏈端，利用什么數據能賦能什么客群，他們也能像C端客戶一樣，在大數據服務上體會到更多產品和服務。

這兩年比較火的是隱私計算，大家一直在探討數據安全性的話題。這驅使我們在整個行業的合規性、技術能力的改造和提升方面，逐漸地貼合客戶的需求和痛點，從自身在風控管控，到迭代產品和服務，再到最終金融機構關注到業務的規模和風險的比例，形成大家在相對良好的氛圍環境下達到平衡，讓整個產業鏈形成在技術和服務的加持下，找到更好的平衡點。

有一位銀行業內人士講過一句話：金融機構如果想做得好，一定要將風險管控做好，風險管控對于金融機構來講是健康持續長久的必要環節。基于這樣的觀點我們回顧去看，現在的金融機構在關注風險層面、在維持良性發展層面，更多是看到行業、政策和信用。不管是C端還是B端，大家看到的點是完全一致的，在一致的情況下怎么拆解和構建針對B端的技術中臺，利用什么數據挖掘構建相關的指標和形成客戶的畫像，能在場景中為這類客戶提供服務。

針對B端大數據產品的技術架構，數據源其實回到B端，是行內和行外。行內數據和過去C端沒有特別大的差異，更多是企業在行外的數據源，行外分兩類一類是公開市場獲得的數據，比如說像工商、司法，不管任何場景在過去幾年得到非常強的應用。針對其他的，像宏觀數據和輿論數據，從宏觀層面也包括輿情層面，都能更好的全方面刻畫針對中小微場景的數據源。

結合這樣的外部輸入，對數據進行存儲和加工，核心更多是在于怎么樣融合找到哪類數據源針對不同場景下中小微企業的數據延伸指標，什么樣的指標才能在大數據風控里得到應用，一定不是構建一套模型和大數據產品應用在所有的B端產品中，而應該是根據不同機構的產品定位基于不同的大數據應用設計不同的產品。

從授信金額、客戶規模、客戶體驗等不同的需求下，金融產品需要做相應的調整，服務不同場景的客戶，不同銀行的定位也是服務不同的客群主體，再結合他們獲取到的數據以及技術能力，以貼近自己的定位進行風險定價，更好地服務不同的客戶。

這兩年我們一直在研究，更多從企業經營上做調研，圍繞企業數據構建不同的場景金融產品。我們發現最核心的還是通過企業端基于稅務和發票作為基礎數據源去做不同的應用。

基于這樣的評估，結合外部第三方數據和C端數據，我們構建了圍繞企業完整的知識圖譜，包括賬戶畫像等，更好地為不同金融機構在征信包括授信層面做好全面的風險管理，其中包括在信用評價評級、信用修復方面的應用。目前除了在金融機構應用以外，也在招投標和非金融類方面得到了應用，這類數據源目前在市場上已經得到了非常大的公開認可，大家已經不再去探討數據本身，更多是探討數據如何精細化地利用。

過去講到稅票數據源，企業授權銀行和稅務局通過直連，銀行可以獲取這類數據。獲得數據之后，不管是銀行還是第三方金融科技公司提供相應的服務，能更好地把數據得到應用。

現在我們看到因為各地稅務局的差異，導致沒有辦法通過全國統一的標準形成一套標準化的數據，各地的金融機構更多開始探討，如何做到差異化，如何從數據的本身挖掘到更有價值、相對更全面更可靠的企業信用評估。這就需要通過其他辦法，如大數據的技術能力，先去補齊數據，并在更完整的數據情況下，在普惠信貸，在供應鏈、抵押和企業主等不同場景里，把這些數據應用進去。

神州信息構建的一站式信貸SaaS平臺，鏈接了B端企業的多種外部數據，這些數據本身的存儲并不在神州信息，因為我們在數據合規上做得非常嚴謹，我們更多的是基于對外部數據源，包括對數據指標的獲取挖掘，在技術層面圍繞公開數據的接入，以及接入后協助金融機構做數據的擬合、融合，圍繞不同的產品構建從數據的治理、清洗再到轉化和SaaS應用，構建相應的從業務場景再到風險產品全套的邏輯。我們更多形成的一體化是在于從過去很多銀行的獲取渠道，不管是線下地推團隊、客戶經理做營銷，還是在于和外部渠道的合作，我們基于對客戶的自動化分層、客戶的數據畫像，更好地從前端做到智能營銷和B端智能營銷。

基于業務的產品包括風控產品，提供一體化能力，最終形成適宜的資產包鏈條，這樣的鏈條就能為金融機構不同的產品向下適配，從風險角度為金融機構提供完整的一站式服務。目前提供的金融服務除了適合傳統金融機構以外，也延伸到征信、小貸、擔保公司等機構。

關于數據的獲取，其實會有數據短板，因為各地稅局開放的數據其實并不是統一標準，數據的指標也不完全相同，對于大部分要做全國性和區域性業務的機構也包括持牌的非銀行類的金融機構，往往沒有辦法獲得客戶信息。而我們研發的工具在客戶授權情況，就能通過合規方式幫助持牌的機構和公司采集到相關的企業數據。采集的數據已覆蓋全國各地30多個省市自治區，并且所有數據是標準統一的。

基于多維度、標準統一，我們做到所有的指標，包括產品的統一化，形成全國性的投放。這樣對客戶的完整性、標準性，包括從整個信貸風險的可靠性角度，更好協助業務層面規模拓展和風險控制。

對于金融及泛金融，它打破了過去我們受限于數據源的獲取層面而導致的瓶頸。整個指標體系最核心的不再是如何獲取數據源，因為現在各類公司以及技術手段，都能在合法有效的情況下為客戶提供各類標準。多元數據來了以后，如何有效抓住有效數據，為機構提供服務，核心的一點是對數據的認識和理解，也包括數據指標的延伸。如何進行數據源指標挖掘，就需要進行分類研發包括不同模式風險模型，這樣才能最大化挖掘到數據源在整個指標體系的構建。以稅務舉例，我們把稅務分成四大模塊，征收、申報、財務和上下游及發票，每類數據構建不同的指標，針對不同的客戶分成一般納稅人和小規模納稅人，不同規模客戶形成不同的指標體系，服務于銀行到底找的是哪類客戶，哪些數據能構建好的產品。

大數據融合應用從來不是單一的，我們一定需要做融合應用。但現在講到B端和中小微，大家會理解為是不是只要是B端數據源就能做到完整信貸投放的產品。其實不是，因為所有B是由N個C端的組成，不管是針對企業主還是企業，更多是對于企業的實控人，包括股東，個人的行為以及行為畫像是密不可分的。在B端服務的信貸當中，我們還是需要針對C端做融合。這種情況下，我們會結合市場上C端數據，為金融機構提供企業+企業主（B+C）一站式的信貸服務，從完整性、全面性實現更好的平衡。

舉個例子，我們把整個風險層面的排序包括模型區分做了展示。因為講到模型區分，過去很多金融機構覺得如果C端KS能做到0.35也很不錯了，但神州信息針對B端企業的風險評估模型KS超過0.4。從國有大行再到村鎮銀行，覆蓋的客戶從頭部到其他的金融機構，不同客戶模型和不同數據源的使用完全是不一樣的，每個金融機構利率定價不同，結合不同利率定價，在數據源應用包括產品層面就會有很大的差異。在整個不同版本和客戶的模型層面，我們也在全方位的市場上得到了充分的校驗。

這是雙重模型構建體系，這里面首先強調的是B端場景，有了場景才知道我到底在里面是封閉式環境還是非封閉，這取決于這個市場到底是有限的客戶群體還是未可知無限的客戶群體。我們服務的客戶到底有哪些特定的行業屬性的數據，包括是否是定制化，需要做到開發相關的工作，這樣才能更好挖掘，而非完全的標準化。B端在于找到非標準的同時，形成自己標準的數據解決方案去做融合，而不是簡單做完全一對一的開發，因為這樣對公司來講成本會很高。以上是我今天的分享，謝謝大家。