0
雷锋网AI金融评论按：作者为智能信贷技术公司读秒CEO周静。周静拥有19年数字化风险管理和跨国银行经验，曾在渣打中国银行就职9年，任渣打零售银行风控负责人。在美国Capital One就职8年，历任产品、市场、风控高级经理。
关于“给煎饼摊授信”这个问题，其实是每一个小微商户的痛点，也是我工作的重点。
这类客户属于银行零售业务，也叫零售金融业务，一般主要指商业银行以自然人或家庭及小企业为服务对象的业务，如果按照金额来区分，零售业务一般金额是指百万级别和以下的业务, 当然我们在读秒的零售业务更属于小小微的范畴。相比于银行的其他业务来说，零售一直处于额度小、难度高、批贷难的一块。
如果有如题的煎饼摊老板“葛大妈”向银行提出借贷申请， 她唯一的可变现资产是一辆可移动工作间——这在银行是不可能被承认的。她的“企业”没有政府认可的注册，日常记账都是记在自己的小账本，在央行没有征信记录，也无法进入信用卡的准入门槛。有点残忍地说，他在提交资料时可能就不被接待了。
当然还有好一点的情况。倘若葛大妈不仅仅有一个摊位，她可能有一间小店，有营业执照，但注册资本金小，税务不规范，有一些经销记录等等。葛大妈想要和银行借5万元装修一番——大概率还是会被银行拒绝。因为五万元的信贷，刨除银行的触客、尽调、录入、初审、终审等成本，银行是亏损的。她心一狠，那借20万呢？传统银行又会认为难以给一间小店批贷20万。
葛大妈这样的小微商户想当然地认为银行嫌贫爱富，看不上零售业务，其实并不是看不上。从金融逻辑来讲，这类业务的NPV若为负，即不能盈利，宁肯不做。
先从传统银行的零售流程跟大家讲起。传统银行的流程像个梭子，业内称作信贷工厂模式：
首先销售和客户接触，得到客户的基本信息；
客户准备材料，递交一些企业工商信息，企业主个人信息、经营证明、银行流水、水电煤气费缴纳单等等
交由销售支持人员做录入；
中台复核；
风控部门再通过实地调查；
审批电话核实；
再做最终的审批结论。
整个流程下来，最快需要一周。尽调人员去商户处调查时还可能出现一些特殊情况，比如商户老板需要调查改期、账本准备的不好、某材料还没批下来等，还会延长申请周期。虽然，当时在传统银行创立了信贷工厂模式实现“流程标准化” ，但因为每个步骤都需要“人”来完成并且流程与流程的衔接需要“人”来传递，所以不论怎么优化，也难以再提高速度。
运营成本也掣肘效率提升。销售、录入、预审、运营、审批等团队需要几十人，这样规模的团队已经是很精简的。一天大概处理不到20单。如果业务量要翻番，意味着团队人员也需要翻番。这是真实存在的问题，由于排队者太多，有的客户申请后必须排队到第二天、第三天，贷款申请才开始被接收处理。
正因为成本如此之高，5万元的信贷需求，利息不能覆盖运营成本，对银行是亏本生意。但fintech公司可以做到5000元，甚至更低。
银行也在不断改进这些流程，但百年延续的流程和体制却很难更改。
相比之下，Fintech是近年兴起的行业，没什么历史包袱，整个信贷流程在fintech的环节中被重构了。
信贷最简单地可以被分为贷前、贷中、贷后。
贷前来说，相比于上述的传统的信贷工厂模式，fintech的数据获取、加工、处理、分析都是并行的一个过程。葛大妈在银行申请时需要准备一堆材料，跑4、5个机构。但在她授权情况下，读秒可以做到15分钟完成从收集到授信的全流程：采集的数据依次进入数据湖沉淀，再经由中间层进行数据清洗，通过数据挖掘和机器学习加工出炉企业用户6大纬度的特征变量和用户画像（如下图）。
对葛大妈来说，申请流程是简单的。但在数据驱动决策系统内部，每天近万级的数据颗粒采集，几千次的指标计算，500多个特征变量分析。原本传统金融机构信贷工厂模式中的6大步骤在fintech中整合为1步。
用户生命周期实时管理，是fintech独创的贷中、贷后管理环节。以往一个客户是否被予以授信，常常是在申请那一刻的静态授信。但实际上，企业每一年的变化并不小，小微客户更是如此。fintech用数据观察客户生命周期，客户在借款过程中的动态趋势可以实时反应风险的变化。
详细来说，我们可以根据客户的类别，监测其在授信以后的业务数据。比如举例来说，葛大妈的经营范围发生了变化，本来煎饼摊，变成了卖衣服、卖玩具，甚至卖手机了。我们无需去现场验证，可以通过后台数据的业务数据、商品信息进行分析，就可以知道这类的变化，从而掌握经营动态风险。在此基础上，Fintech可以根据用户类别，设置一系列预警指标并实时交互获取，依赖数据指标进行预警监控，作为催收策略的指导。
葛大妈此类的客户是传统银行、小贷公司都难以覆盖的客户，也是我们的典型用户之一。Fintech之所以能够为小微商户进行用户画像，并授信，源于其多维度的用户画像能力。
传统金融机构在零售信贷中更多依赖于金融范畴的数据，从财务角度去看客户的银行流水状态、负债杠杆比率、税务等信息。但fintech会有一个从企业到人更为全面的征信判断。
举例来说，我们通过APP GPS定位葛大妈在北京某城区，可以从通话城市，收款位置，住址信息等多维度交叉验证和比对来锁定用户的生活和经营地址，而传统机构提供住址/经营地租赁合同或者水电煤气缴费单据的方法，不仅繁琐且作假容易。
葛大妈的煎饼摊，时髦的用上了微信、支付宝收款，在读秒的后台引擎中，我们清楚的掌握了这门“小生意”的交易流水、商品销量、客单价、交易频次、淡旺季特征等等，并与其他同类商户做对比，评价它的经营水准。
可能银行的审批员还没有见到葛大妈，fintec就已经为她完成了授信，甚至通知金融机构放款了。
综上，Fintech之所以能够覆盖各种碎片化的需求，主要是由于一：重构流程，用数据驱动决策降低了运营成本，申请量的增加，几乎对成本没有影响，边际成本趋向于0。二：立体的用户画像，从金融与财务外的维度来收集数据，再回归金融，验证授信。
而授信的准确度、资产的优质程度，就看各家fintech的具体模型与技术了。
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
