近日，國內頂尖金融智庫金融城（CFCITY）和金融科技企業友信金服聯合發布研究報告《小微企業融資難的特色化解決方案》（以下簡稱“報告”）。

　　近年來，為支持小微企業發展，我國出臺了多項政策措施，以解決小微企業融資難、融資貴問題。

　　在解決小微企業融資方面，銀行等傳統金融機構仍然是主力軍。報告顯示，截至2018年6月末，我國小微企業貸款余額（原國標口徑）32.35萬億元，占各項貸款余額的25.05%。較年初增加1.55萬億元，較上年同期增長13.06% ；貸款戶數1699.05萬戶， 較上年同期增加281.82萬戶。

　　報告同時指出，盡管國家政策及金融科技不斷發展助推商業銀行小微企業融資業務下沉，但總體上微型企業、個體工商戶和小微企業主在商業銀行的融資仍然面臨較大困難。商業銀行小微企業貸款的客群仍然主要是小型企業。

　　數據來源：銀監會數據整理，《中國中小微企業金融服務發展報告（2018）》

　　相比于中小企業，規模更小的微型企業融資更加困難。IFC數據顯示，從融資滿足情況來看，微型企業的融資缺口占比大幅高于中小企業。

　　數據來源：IFC data and analysis

　　針對該問題，報告指出，商業銀行小微企業傳統貸款模式主要是基于“5C”（信譽、能力、資本、擔保、環境）對企業進行分析。在服務于長尾的小微客群時，這類模式都具有較為明顯的缺陷：一是目標客戶群受眾較小；二是集中度風險較高，目標客戶所處行業或區域相對集中；三是貸款流程較為復雜、貸款所需時間較長，難以充分滿足小微企業用款“急”的需求。

　　傳統金融機構對于金融服務的供給力度不足，特別是長尾客戶的金融需求一直以來未被有效滿足，巨大的服務真空為金融科技帶來機會。數據統計顯示，自2015 年以來，我國互聯網銀行、P2P網貸機構、泛金融科技公司等新興機構不斷增加，其服務的小微企業融資規模迅速增長，小微企業貸款市場份額發生了明顯變化。

　　數據來源：央行、銀保監會、中國互聯網金融協會

　　報告指出，互聯網銀行、網絡借貸信息中介、線上供應鏈金融企業等新興金融科技企業通過差異化的融資模式創新以及大數據信息和風控模型，全流程線上為借款人提供融資服務，已成為解決小微企業融資難題的重要成員之一。

　　近年來，網貸機構服務小微企業的規模不斷增長。據統計，2013年到2017年末，網貸機構服務的小微企業累計業務成交量超2萬億元。網貸機構小微企業借款從2013年年成交量僅124.32億元，現已高達8722.8億元。

　　按照信用主體區分，網貸機構的融資模式主要有兩種，一是基于小微企業為信用主體的融資模式，二是以小微企業主個人為信用主體的融資模式。

　　目前，我國網貸機構多數采用以小微企業主個人為信用主體的融資模式。這一模式的優勢在于，針對企業經營的分析高度依賴于對行業的理解，每一特定行業的經營都有十分獨特的組織生產方式，包括成本利潤等指標也不具備統一化的可行性。個人的信用維度相對更標準，更標準的數據支撐平臺可以通過金融科技的手段將其業務規模化。而規模化的運營，可以進一步降低小微企業的融資成本。

　　報告以人人貸為例剖析了網貸模式以小微企業主為信用主體，解決長尾客戶經營性借款需求的創新型經驗以及優劣勢所在。人人貸2010年成立，八年來持續服務于小微企業主為主的小額融資需求。相較傳統小微企業借款抵押擔保等模式以及較長的申請周期，人人貸通過衡量個人信用，運用金融科技手段，為借款人提供快速可獲得的純信用小額融資服務，最快可以在分鐘級完成批核，截止到2018 年第三季度末，平臺人均借款金額為7.85 萬元，累計撮合成交金額達707 億元，目前平臺已服務近100萬借款人，其中近80%的借款人將資金應用于自身小微生意的經營周轉。

　　在技術方面，人人貸在大數據基礎上，構建獨特的風控模型。貸前，通過數據驅動+經驗輔助為核心的系統模型防范欺詐風險，其中數據驅動部分引入機器學習算法，更有效地在空間和時間序列上從傳統人工很難發現的弱變量中尋找風險特征。而經驗輔助則為機器學習提供金融可解釋性，強調數據驅動下的KYC（了解你的客戶）。貸中，當債權成交后，會持續對借款人的還款行為進行數據跟蹤。貸后，則通過人工智能技術（如機器人還款提醒）以及高效在線客服體系，有效、合法、合理地完成逾期賬戶管理。

　　報告同時強調，我國具有差異性、互補性的小微企業特色金融服務體系已經基本形成，各類機構各司其職，在各自的領域發揮著重要作用。未來金融科技與金融的深入融合，會極大地提高機構的服務效率，降低服務成本，但并不會加大不同類型的機構之間的競爭，反而能夠推動不同類型機構在服務小微企業融資方面的進一步合作。

《電鰻快報》