春天里的B端金融科技,如何打好服务小微持久战?
解决小微企业融资难是一场持久的攻坚战,给小微企业“解渴”,金融科技公司的注入无疑是一股清泉。
解决小微企业融资难是一场持久的攻坚战,给小微企业“解渴”,金融科技公司的注入无疑是一股清泉。
用科技手段赋能小微企业,把服务下沉至更加小微的商户,这是金融科技公司常常谈到的业务本质。国家金融与发展实验室理事长李扬曾表示,金融科技应当朝向解决传统金融解决不了的领域发展。
最新发布的《中国金融科技运行报告(2018)》中强调,金融科技创新要在安全稳健的前提下,突出“服务实体经济”。那么,在创新技术和模式过程中,金融科技公司能否贴合场景,持久的为小微商户服务?
小微企业信用评估靠什么?
在借助科技手段,解决小微企业经营规模小、缺乏合格的抵押物等痛点后,信用评估成为金融科技公司为小微企业提供服务的关键。
To B端金融科技业务模式有多种,其中包括通过数据对接,获取交易场景和核心数据,利用科技手段,为小微企业服务。
比如电商平台,具备交易、物流、评价等数据。“有的公司会使用线上+线下数据结合的方法完成信用评估,我们更坚持线上数据驱动。”宜信普惠商通贷总经理孙萌对野马财经表示,数据对接是金融科技公司服务小微企业的核心。
与线上数据相比,线下收集数据,时效性较差。而且在线下数据采集的过程中,无法保证数据的真实性。那么,仅依靠线上数据,如何为小微企业做信用评估?
以电商数据为例,小微商户在平台上的经营情况,包括销量、物流、退换货比例、店铺评价等可以作为信用评估的基本要素。“在电商平台开店卖过多长时间,客单价与同行相比处于什么位置,是否形成品牌,退货率如何等等,都会影响到对商户的评价。”孙萌告诉野马财经,经过评价后,商户的评分越高,越有可能获得高额度授信。
早期看到了这些数据价值,商通贷对接eBay、亚马逊、淘宝、京东等电商平台。而使用电商平台的经营数据痛点之一,是刷单问题。孙萌告诉野马财经,主流电商平台采取措施处理刷单商户,也让其平台数据规范化,成为风控可用的。
再比如,过去小微企业经营数据没有云化,整合这些企业的数据是一项庞大的任务。经过SaaS化进程,云端化的数据会帮助验证其有效性,帮助商通贷这类普惠金融业务找到成长模式。
换言之,丰富的线上数据是金融科技企业开展信用评估的基础,而拥有官方数据授权则成为平台的优势之一。
数据授权是核心竞争力
“2015年到2016年,我们主要做电商行业,商业假设基本上已被验证。从2016年底,跟畅捷通达成合作以后,我们开始通过数据去做其他行业小微企业的信贷服务。”
孙萌透露,eBay最初与银行合作,后来选择金融科技公司,原因之一就是给更小微的商户提供金融服务。
这也给商通贷这类金融科技公司获取数据开放了官方渠道。
中国信息通信研究院安全研究所发布的《2018年大数据安全白皮书》指出,大数据应用场景下,无所不在的数据收集技术、专业化多样化的数据处理技术,使得用户难以控制其个人信息的收集情境和应用情境;企业间的数据共享日益频繁,利用大数据的超强分析能力对多源数据进行处理,导致现有数据脱敏技术“失灵”,直接威胁用户的隐私安全。
但是,通过官方渠道,首先平台本身保证其数据安全规范,且经过用户授权。其次,通过API的数据无缝对接方式,商通贷可以为合作伙伴以及客户快速准确地实现数据实时信用评估。其也凭借模式创新,获选《亚洲银行家》的“中国最佳API产品项目”,也是唯一一家获奖的非银行机构。
“我们经过了国家的信息安全存储认证,对数据库存储、使用权限也有相应的规定。”在数据安全方面,孙萌告诉野马财经,商通贷一直以行业中的高标准在运营。
与官方合作获取数据,一定程度上保证数据有序性、集中化以及互相可验证,进而帮助这类普惠金融业务找到成长模式,不断完善风控模型。
行业重视研发创新
金融科技企业完善风控模型,将其跨行业、领域应用,需要创新。
商通贷将最初与电商平台合作的经验,应用到其他领域,并融入行业数据,建立风控模型。孙萌告诉野马财经,离开电商以后比如进入餐饮行业,从行业特点入手,计算成本收入比、客单价等,在原有针对电商的模型基础上,把电商特殊的属性、指标拆分,用餐饮行业通用的指标试跑。等到模型成熟,再把数据纳入进来驱动,形成新的模型。
“我们去分析没有还钱的人有哪些特征,把这些特征用来做风控的模型,然后进行测试、优化、迭代更新。”她补充道。
《金融信息服务蓝皮书:中国金融信息服务发展报告(2018)》统计,该行业中,企业研发支出占主营业务收入比重在2%以下的数量,仅占6.36%。投入超过6%的数量,达45.45%。
蓝皮书对京沪杭部分企业进行调研发现,其中金融信息服务企业普遍对大数据、人工智能、移动互联网等信息通信技术,是投入研发力量较多的领域。
在孙萌看来,金融科技领域的技术创新似乎没有很多黑科技,听起来没那么令人激动兴奋。行业需要耐心去处理复杂的交易、清理数据。“我们的客群与传统银行客群不同,需要把金融属性强的数据跟稍弱的数据结合,比如社交、学历、社会关系等。用机器学习的算法结合建模,需要对模型的分拆组合结构做非常多的考虑。虽然不及搜索引擎广告推荐的数据量大,但是决策的准确性一定强于它。”
风险提示:
本网站内用户发表的所有信息(包括但不限于文字、视频、音频、数据及图表)仅代表个人观点,仅供参考,与本网站立场无关,不构成任何投资建议,市场有风险,选择需谨慎,据此操作风险自担。
版权声明:
此文为原作者或媒体授权发表于野马财经网,且已标注作者及来源。如需转载,请联系原作者或媒体获取授权。
本网站转载的属于第三方的信息,并不代表本网站观点及对其真实性负责。如其他媒体、网站或个人擅自转载使用,请自负相关法律责任。如对本文内容有异议,请联系:contact@yemamedia.com