|
今年7月25日，中国人民银行营业管理部召开征信机构工作会议，参加会议的金电联行获得了央行授予的企业征信机构牌照。这被认为，标志着征信行业又向前迈出实质性的一步。而对金电联行来说，作为大数据理论与云计算技术在信用领域的革命性应用者，能够获得国内第一批征信牌照是具有里程碑意义的事情。 无声言者 “一切由数据说话！”这是范晓忻经常对中小企业讲的一句话。 作为金电联行的核心业务，大数据信用是如何计算出来的呢？ “数据”就是金电联行为企业融资的绝招。 金电联行采用大数据挖掘和分析技术，对中小微企业的日常生产经营数据进行计算和分析，把毫不关联的数据变为各项信用指标和信用报告，将无形的企业信用计算出来，使银行、政府能够跨过财务报表中的合计数字，清楚地看到企业的运营情况，甚至可以了解某个行业、某条供应链的现状和趋势。 金电联行要分析的数据是基于对供应链信息系统的挖掘，包含订单、库存、下线、结算、付款等相关环节的所有信息，并且对数据进行整理，“清洗”掉一些边缘数据，再进行分析、展现，最后计算出企业的信用等级、信用额度，甚至未来的成长性及安全性。 范晓忻表示，大数据信用融资不依赖传统的财报信用评价思维，而是通过对企业的“大数据”，即生产、流通、销售中产生的所有信息进行分析，从而创建出一个大批量、高效能、全风控、低成本的信用评价模式，通过计算机核算出企业的信用额度，让银行能够放心地提供无抵押的“纯信用贷款”。 据记者了解，在欧美市场，信用融资早已成熟，占整个企业融资市场相当大的份额，目前在中国还处于起步阶段。金电联行提供的客观信用融资，是首开国内先河的领先服务模式。 “我们实验室里有1000多个指标项数据，在实际应用到的也有将近500个。这些指标项环环相扣，形成了大量的数据网络。我们把这些看似繁杂的明细数据，规律整合，然后把它应用起来，建立了各个行业的客观信用体系，这就是我们7年来所干的最重要事。”范晓忻介绍。 他进一步给《互联网金融》记者总结，金电联行将企业数据类型划分为三条轴线。一是横轴，根据接触到的大量供应链数据，计算企业信用分值，和往年订单、回款、库存等的趋势分析以及所有的原始数据，他把这看做企业财富创造过程产生的一系列数据；二是纵轴，这是企业财富创造过程产生的一系列结果，包括现金流、税务、盈利、固定资产变化、财务创造等数据；三是历史轴线，“我们不但要看企业现在的各种数据，也要其过往3-5年，甚至更长时间所有的这些数据。” 范晓忻表示，国内的财务报表数据有时候不能反映出企业的真实情况，而通过这三大轴线产生的数据源，就把企业的信用状况完整地呈现出来了。最终呈现的结果能有效地化解中小微企业会计信息失真，没有信用积累和抵押、担保资源，难以进行信用评价的问题。不仅可以开展成批量的企业信用评价，而且还大大降低了企业融资的门槛，使其获得真正的信用贷款。 当然，确保信用评价体系中数据的真实性就变得至关重要，范晓忻对此有深刻的认识和足够的自信。 与传统银行普遍采用纯财务报表分析有很大区别，金电联行力求得到中小微企业最精细的数据，比如厂商供应链上的每一笔订单、每一笔物流、每一次的仓储、每一笔的汇款、每一张增值税发票等等，这些数据规模能达到财务报表数据的一千倍，甚至上万倍。 范晓忻透露，“金电联行得到的企业数据大小往往是以GB为单位，很多供应链比较长的企业，有时能达到10GB，这是真正的大数据。金电联行的大数据分析模型时时刻刻关注这些数据的变化，而这些数据的关联度也非常高，企业造假的可能性微乎其微。” 金电联行的一大强项是数据挖掘技术，可以不通过企业，直接从第三方的电子化交易平台里挖掘数据，从而确保了数据的真实、有效。 “近两年我们主要的科研方向是‘数据清洗’。大数据来了以后，我们有强大的数据清洗能力。这个数据清洗简单讲，我们叫自身关联性、历史关联性和我们大数据库之间的关联性，三个关联性在一起，企业作假的难度非常之大。” 各方入口采集的数据流通过云服务平台处理后，金电联行通过“客观信用评估体系”首先计算得出客观信用指数，以确定企业的综合实力，然后通过分大数据分析，最终核定贷款额度。这种方式的意义就在于，它不仅突破了手工核定授信额度的方式，大大提高了客户审批效率，而且授信额度是依据数据计算得出，抛弃了人为主观因素，使结果更加客观。 当然，企业是好是坏，是生是死，是否能够获得银行等金融机构的认可，主要取决于大数据分析的结果。 “大数据不讲因果，只要结果！”范晓忻斩钉截铁称。 数据“把脉” 大数据的一大核心价值是对未来趋势的预测。也就是说，大数据信用可以实现量化的风险预警。
| 
发表于 2014-10-9 17:15:32
