银行发力小微贷的难点如何解？

近日，银监会发布《关于2022年进一步加强金融支持小微企业发展的通知》(以下简称《通知》)，要求不断改善小微企业金融供给。

通知要求大型银行和股份制银行进一步完善普惠金融事业部专项机制，向欠发达地区小微企业倾斜信贷支持，在普惠性小微贷款中发挥更大作用。可以看出，2022年，各大银行也会在小微企业贷款方面发力。

对于商业银行来说，做好小微企业的帮扶工作并不容易。特别是线上掌握可识别需求的数据资源有限，需要提升线上风控和营销能力。

因此，探索线上小微融资模式，降低获客门槛，准确识别需求，对于落实相关政策，进一步发展普惠金融具有重要意义。

商业银行面临的挑战

由于商业银行网上小微金融由大型国有商业银行主导，受到市场青睐，风险低，纯信贷、小微融资特征明显，网上小微金融业务发展迅速，取得了良好的社会效益。

但随着业务的深入和客户数量的不断增加，也面临着客户下沉难、客户触达难、客户需求识别难、欺诈风险高、贷后管理难等新的挑战。

比如，受限于银行目前掌握的数据，难以评估更多下沉客户的风险，使得商业银行在进一步服务下沉客户时遇到了很大的瓶颈；由于银行自身线上渠道交易频率低、客户粘性低，小微贷款的营销模式并未发生根本改变，营销覆盖边界仍主要取决于银行网点布局，限制了银行服务边界。

再比如，线上业务依靠大数据识别客户需求，掌握能够识别需求的数据资源非常重要。由于银行缺乏发票、水电等企业经营的大数据，银行很难准确识别具体的需求时间、需要多少钱、需要借多长时间，往往导致需求与贷款金额不匹配。

同时，线上小额贷款模式主要依靠生物识别、大数据等手段识别企业和贷款申请行为的真实性，面临的欺诈风险可能高于线下。比如，随着大量网贷平台的退出，银行的网贷很容易成为职业诈骗团伙的新目标，防范诈骗风险的压力增大。

此外，网络信贷产品的便捷性和突破地域服务的能力，使得银行服务客户数量快速增长，小微企业客户遍布全国，也给贷后管理带来了新的挑战。

随着客户数量的快速增长，一个客户经理往往要维护几十个甚至上百个客户，客户经理的管理能力面临瓶颈，必然导致贷后管理信息收集不及时、不准确，客户违约风险无法及时介入。

商业银行的对策

针对上述困难，商业银行需要打破传统的以自我为中心的产品研发模式和营销服务模式，聚焦小微企业需求，以大数据为抓手，创新和完善现有产品和营销服务模式，打造基于大数据智能风控的集信贷和业务顾问于一体、支持跨界开放合作的新型产品模式和泛在营销服务模式。

一是推进产品模式创新，解决客户需求识别、欺诈风险防范、贷后管理等问题。

从小微企业资金运用、经营决策等需求出发，基于多维度大数据识别企业资金和管理需求，科学评估客户还款能力和意愿。在此基础上，根据大数据识别的企业资金需求和还款能力，为企业提供个性化的贷款额度、利率和贷款期限。

基于大数据识别的业务管理需求，为企业提供个性化、智能化的在线财务咨询服务和业务数据分析等增值服务，形成以融资服务为核心、使能业务咨询服务为辅助的系统化、智能化的在线融资服务模式。

同时，通过为企业提供财务顾问、经营分析等增值服务，有助于与企业建立更紧密的业务关系，帮助银行动态识别企业经营状况，提高贷后管理的针对性和有效性。

二是抓住机遇培育数据要素市场，广泛开展数据对接，夯实新模式基础。

2020年，中共中央、国务院印发《关于构建更加完善的要素市场化体制机制的意见》，提出加快培育数据要素市场。国家“十四五”规划也明确提出要大力发展数字经济，推进数字产业化和产业数字化。商业银行可以充分利用全社会的数字化机遇，在合法合规的前提下，探索利用区块链、联邦学习等技术手段，与政府部门、核心企业等小微企业数据资源所有者实现数据资源的合法共享，夯实产品创新的数据基础。

三是构建企业需求识别、风险评估等模型生态系统，推进模型的组件化应用，实现产品和服务的个性化、智能化。

首先，通过建立定期的市场调研机制，结合大数据客户需求推断模型体系，构建企业需求识别模型体系。

市场调查是积累数据的重要手段之一。银行需要建立定期的市场调研机制。通过持续广泛深入的市场调研，他们可以及时了解行业和地区的企业现状、商业行为变化和新的商业模式，建立市场调研信息库，为建立和优化大数据模型奠定基础。

以市场调研信息为基础，依据法律法规，配合外部数据源，获取工商、税务、海关、水电等企业宏观经济数据、行业数据和经营数据，利用大数据技术建立客户需求推断模型体系，准确推断企业资金需求的时间、金额和持续时间，有效识别企业需求特征。

其次，细化小微企业风险评估模型体系。

银行在了解企业需求后，还需要了解企业的信用记录和履约能力，才能决定是否给企业贷款，贷款多少。

银行现有的小微网络融资风险控制体系主要采用传统的logistic回归构建模型，变量因素选择有限，考虑小微企业经营特点的深度和广度有待提高。作者在《重新定义风控:从0到1构建小微信贷大数据智能风控体系》一书中提出，要进一步结合小微企业特点，细化大数据风控模型，构建宏观与微观相结合的新型风控模型体系。

宏观层面，基于互联网舆情数据、统计局数据、天气数据、商品价格数据、零售市场价格数据等。、企业舆情监测、价值链成本传导预测、价值链风险传导预测、行业景气指数、区域景气指数等宏观风险预警模型。一方面支持商业银行制定信贷政策，另一方面支持自动贷前审批和贷后风险预警。

在微观层面，小微企业的经营质量与企业主密切相关。银行可以细化针对小微企业和企业主自身的风控模型体系，结合工商、税务、水电等数据，基于机器学习、图计算等前沿技术，构建小微企业业务风险评估模型。结合企业主的学历、从业年限、社会网络、风险偏好等数据画像，构建企业主的业务能力估计、社会资本估计、欺诈风险评估、信用风险评估等模型。在此基础上，结合小微企业需求识别模型，对现有小微企业欺诈风险评估模型进行优化或重构，进一步增强贷前风险企业识别能力，提高贷后风险预警精细化水平。

再次，结合大数据需求识别模型体系和小微企业风险评估模型体系，科学制定策略，配套个性化产品和服务。

通过应用的组合，准确识别小微企业的需求和企业的风险状况，结合业务经验制定相应的业务策略，为小微企业提供个性化的产品和服务。

在产品方面，根据银行的风险承受能力和企业的承受能力，给予不超过其需求金额和需求期限的授信。

同时，结合企业资金运用过程中的保值增值需求，建立企业智能财务顾问模型，为企业提供智能资金规划服务，提高企业资金运用效率。

四是打造无处不在的营销服务模式。

一方面，结合企业主的渠道偏好，以开放的心态，探索银行自有渠道的出路，寻找拥有丰富客户群资源的机构跨界合作，通过联合建模建立精准营销模型，为客户提供个性化服务。

另一方面，结合企业的业务场景，通过联合建模、定制产品等方式接入企业纳税、水电缴费、电商平台等业务场景，为企业提供即时服务。

温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。

原文地址"银行发力小微贷的难点如何解？"：http://www.guoyinggangguan.com/xedk/104814.html。