在大数据时代下,大数据在金融领域的应用也变得日益普遍,但是有一点值得注意,那就是大企业与小微企业的信息结构存在显着不同。大企业经营规范、信息披露较充分且可信度高、信息质量审核相对容易,因此适用于传统的基于财务报表与抵押资产质量的信贷审核方法;而小微企业的经营管理水平差异较大、市场上信息披露较少,且我国很多小微企业缺乏合规的、真实可信的财务报表,因此审核小微企业资质、搜寻小微企业信息需付出的人力、物力成本较高,很多银行都提出了许多创新的办法,例如,看小微企业的“三表”(水表、电表、纳税表)等。
如果不改善信息结构,可覆盖风险的有效途径只剩下提高利率与要求抵押担保。在当前利率非完全市场化与抵押担保品欠缺的情况下,采用传统信贷技术从事小微金融,需付出的边际成本与服务大企业相差不大。在信贷供给资源仍显稀缺的情形之下,银行具有提高授信门槛以迫使高风险客户退出信贷市场的动机,这就是“二八定律”和银行针对小微企业客户实施信贷配给背后的原因。银行服务80% 低端客户所带来的利润微乎其微,不如将这部分客户赶出市场,全力支持20% 的高端客户。
大数据正在尝试打破这种成本与收益难以均衡的僵局。大数据与信贷业务结合的核心优势在于重塑信息结构、削减业务成本。电子商务平台与社交化网络的发展积累了海量数据,对网络大数据进行挖掘所得到的逻辑与规律信息,要比现实中发布的企业数据更具真实性。
大数据与金融行业的融合催生出的新产业——互联网金融——完全不同于信用中介模式,甚至从匹配资金供需效率的角度来说已超越了信用中介模式。以阿里金融为例,囊括了平台商户的历史交易数据、信用记录、客户评价等内部数据,以及纳税记录、海关记录等外部数据的“大数据”,颠覆了银企间信息不对称的格局。信息结构的改善,令金融机构可以清晰地甄别出企业的资质,信息不对称得以解决。激励金融机构为优质的小微客户提供信贷服务,“信贷配给”发生的基础不复存在。同时,运算能力强大的电子系统将客户拓展的边际成本削减至几乎为零,“二八定律”成立的前提也随之消失,在大数据时代,金融机构有机会从80% 的低端客户身上获取不菲的价值。
改变风险管理上的激励不相容
在中国传统金融机构中,现阶段还存在开展小微金融业务在风险管理上的激励不相容问题。在银行业不断改革发展的过程中,商业银行普遍强化了信用风险约束机制,但与其相匹配的激励机制却没有相应建立,因此客户经理普遍存在“贷不如不贷,多贷不如少贷”的“惜贷心理。不仅如此,由于贷后持续监督的成本过高,客户经理缺乏有效的显性激励来控制风险,导致小微企业贷款的社会总体违约率上升,相应地给予银行小微金融业务违约风险大的不良预期。如果加上担忧信息不对称情况下可能出现的逆向选择与道德风险,银行会选择收紧针对小微企业的信贷供给,造成小微企业信贷市场不均衡。
大数据时代里,信息结构的改变,直接驱动风险控制理念发生根本性变化。原来是要求补偿覆盖风险损失(无论是高利率还是抵押担保要求),现在变为持续考核与监控企业稳健经营、创造现金及还款的能力;原来集中考察“硬信息”(资产负债表等),现在变为重点考察“软信息”(经营和交易数据、单据等)。从依赖人力转变到依赖电子系统,风险管理的激励不相容问题不再成为制约小微金融发展的桎梏。信贷理念的变化契合了解决小微企业融资难题的思路。
不仅如此,基于大数据挖掘的系统处理与实时监控显着缩短了业务流程,提升了信贷业务效率,具有符合小微企业贷款需求“短、频、快”特点的灵活性。例如,阿里金融推出的“按日计息、随借随还”的信贷产品,依托信息技术的强大保障,既解决了客户的短期资金需求,又有效提高了资金的周转速度,通过金融创新为企业增加了价值。
开放与真实的数据
中国潜在的大数据资源非常丰富,从电信、金融、社保、房地产、医疗、征信体系等部门到电子商务平台、社交网站等,覆盖广泛。然而,现阶段所披露的数据仅仅是局部的、碎片化的,尤其是对评估小微企业信用至关重要的社会征信体系,仍旧是区域割裂、透明度较低。因此,获取信息的高成本无疑阻碍了小微金融的发展。
以典型的P2P 模式为例,借助后发优势,我国P2P 借贷平台的交易流程与机制完全与国际先进水平接轨,但在信用评估时经常面临公开信息不足的窘境。在健全、完善、公开的征信系统以及成熟的信用评级市场的保障下,美国P2P 平台能够将信用评估模块完全外包。信息生态是决定P2P 机构在未来能有多大施展的关键制约因素。
数据的可得性是大数据得以应用的前提,而数据的真实性同样具有关键意义。在中国现行税制背景下,小微企业为了规避税费或争取优惠政策而形成的财务报表,无法真实反映企业的经营状况。不仅如此,投机性的财务造假在信贷市场上起到了“劣币驱除良币”的效应,将财务状况良好、诚信经营的企业逐渐挤出市场。这种无效数据的大量生产与无序流动,严重扰乱了大数据时代的正常秩序,也对数据挖掘产生了恶劣影响。
大数据时代下,“数据+ 金融”模式已经悄然兴起,尤其是在金融领域,逐渐流行开来,同已有的解决小微企业融资问题的诸多途径在本质上是类似的,都是为了创造一个低成本的、信息完全对称的市场结构。只有社会公共数据信息真正实现联网、开放与共享,鼓励真实数据生产的体制、机制真正得以建立,大数据在金融领域的广泛应用才能拥有较适宜的生态环境。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
“最近复购率一直在下降,我们的营销力度不小啊,为什么用户还是走了?” “是不是广告投放的用户质量不高?还是我们的产品问题 ...
2025-02-21以下文章来源于数有道 ,作者数据星爷 SQL查询是数据分析工作的基础,也是CDA数据分析师一级的核心考点,人工智能时代,AI能为 ...
2025-02-19在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31