作者：互金營銷研究所

來源：互金營銷研究所（ID：ITFINLAB）

在國家相關政策支持下和市場等各方力量的驅動下，供應鏈金融（Supply Chain Finance）異軍突起，成為炙手可熱的金融熱點和各路金融資本角力的焦點領域。

不同於傳統金融，供應鏈金融打破了傳統金融的“固化思維”，創新性的將供應鏈上的核心企業以及與其相關的上下游企業看作一個整體。以核心企業為依託，以真實貿易為前提，運用自償性貿易融資的方式，將“物流”、“商流”、“資金流”、“信息流”四流合一，並有針對性地為上下游企業提供金融產品和融資服務。

圖片來源於網絡

有效的填補了8%-15%的融資利率空白，打開中小企業融資閥門，實實在在地解決了中小企業“融資難”、“融資貴”“發展難”等問題，在激烈的市場競爭當中，將供應鏈資金流“盤活”，實現核心企業對供應鏈的有效管理。因此，越來越多的企業加入到供應鏈金融領域。

根據前瞻產業研究院的行業報告數據顯示，到2020年，我國供應鏈金融的市場規模可達14.98萬億元左右。由此看來，供應鏈金融作為新金融業務的重要板塊，將在未來佔據廣闊的市場空間。

數據來源：易寶研究院

這個市場很大，也很難。中小企業想要做好，除了有一定資源背景外，還有風控這個核心難題需要我們去解決。在下文中，我們將聚焦供應鏈金融的風險問題，結合大數據探究供應鏈金融的風控解決方案。

一、供應鏈金融存在哪些風險

供應鏈金融相比於傳統融資模式固然有其獨特的優勢，但同樣因為業務的創新性，涉及主體過多，且多數規模較小，因此供應鏈金融的風險也較傳統雙邊貸款複雜得多。我們可以從以下3個維度來看：

1、從風險類型來看

有6大常見風險：核心企業信用風險、上下游企業信用風險、貿易背景真實性風險、業務操作風險、物流監管風險和抵押資產風險，其中信用風險和業務操作性風險是重中之重。

2、從主體來看

供應鏈金融的風險包括：借款人風險、擔保人風險、押品風險和第三方風險，特別是供應鏈金融中需要依靠物流監管企業、電商平臺和數據商等第三方的配合，就產生了不同於傳統信貸的第三方風險。此外還有來自於外部行業與市場的風險。

3、從融資模式來看

不同模式的供應鏈金融風險有所差異：

（1）應收賬款融資模式：應收賬款的真實性、核心企業的支付能力、轉移賬款風險。

（2）保兌倉融資模式：核心企業資信風險、商品監管風險、質押商品價格變動風險。

（3）動產質押融資模式：出質人風險、監管企業風險、質押物價值風險、法律法規風險。

現階段，供應鏈金融面臨著很多風險，同時，這些挑戰也隱藏著機遇——誰做好了這些行業難題，誰就能領先行業。而大數據技術是解決供應鏈金融風控問題的絕佳選擇。

二、大數據助力供應鏈金融風控

新一輪科技革命和產業變革席捲全球，大數據技術不斷湧現，眾多金融機構已通過大數據風險防控系統，大數據與供應鏈金融的結合也成為行業發展必然趨勢。

下面，具體講解一下，大數據是如何賦能供應鏈金融風控的呢？

1、大數據風控的優勢

大數據風控，是通過運用大數據構建模型的方法進行風險控制和風險提示。相較傳統風控來說，大數據風控可以從APP、微信公眾號、小程序、短信、web、手機h5等全渠道數據的接入，並利用sdk集成、API對接等方式打破數據孤島，監控核心全渠道數據，實現對整個供應鏈上下游企業信息收集、數據分析和數據追溯，給金融機構提供風險的量化和預警，助力供應鏈金融可持續、健康發展。

2、如何構建供應鏈大數據風控系統

供應鏈金融的風控核心是交易數據徵信，交易數據搭配金融機構擅長的信貸表現數據，可以全方位協助金融機構實現貸前、貸中、貸後全流程的風險管理。在這種邏輯下，開始搭建一套創新有效大數據風控系統。

（1）貸前

大數據風控系統在業務發生前，首先會進行模型構建，對業務場景下的核心企業上下游管理、財務質量、財務指標、業務指標、經營情況等進行多層次、立體化的分析。根據這些呈現的信息，系統再做複審，複審通過後，則進入貸中流程。

（2）貸中

貸中進行准入評估和風險評級，篩選出優質的底層資產。由運營部門準備相關資料，包括相關審計報告、資質、企業照片、租金、審核後的資料等入庫存檔，同時標的在平臺上線，在此過程中做到信息完善透明，之後即到了財務相關的業務流程。

（3）貸後

傳統供應鏈金融貸後管理手段落後，需要耗費大量的人力，達到的效果也不理想，難以實現對供應鏈的實時、全面監控。而大數據風控模型可以實現對貸款企業或貸款對象的實時監控，並將靜態數據的財務報表轉變為動態數據，將供應鏈企業融資成本和風險降到最低。

3、大數據在供應鏈金融風控中如何運用？

供應鏈金融中多主體參與、信息不對稱、信用機制不完善、信用標的非標準的場景等，都是導致風險存在的原因所在，大數據應用的加入能進一步改善這類問題。

（1）降低信息的不對稱

如果說做好供應鏈金融的關鍵在風控，那麼做好風控的核心則是要解決供應鏈當中的信息不對稱問題。

什麼是信息不對稱？簡單來講就是，相關金融機構對於中小企業的真實實力並不瞭解，所以當這些企業向金融機構借貸的時候，這些機構由於對貸款方的不瞭解，所以不敢將手上的錢借出。即使中小企業在貸款的時候對金融機構承諾的利率相當高，也無法消除機構的顧慮。

大數據的出現恰好緩解了金融機構與中小企業之間的信息不對稱問題。運用科學分析手段對海量數據進行分析和挖掘，將對相關主體的財務數據、生產數據等多維的立體數據梳理分析，並通過訂單、庫存、結算等明細交易記錄進行交叉驗證，獲得企業最真實的經營狀態，提高徵信服務質量，有效降低信息的不對稱問題。

（2）流程自動化

供應商與供應商之間的結算是通過合同約定的，無法通過系統化的方式自動完成，造成金融機構在參與的供應鏈環節中，沒有得到強有力的回款保障。通過內外部獲取客戶數據，然後藉助規則模型對數據進行處理，並根據處理結果去驅動業務流程自動執行，減少人為交互，避免操作失誤。

以京東“京保貝”為例：其根據供應商與京東商城的應收賬款，從採購訂單、入庫、結算至付款前的全部單據納入應收池，並根據大數據得出的風控模型，計算出供應商可融資額度，客戶還能在可融資額度內任意融資，之後由系統自動放款。融資成功後，開始按日計息，直至該筆融資還款成功。

圖片來源於網絡

（3）數據互通，保證真實性

對於傳統金融來說，有一個非常無奈的痛點，就是數據同步的問題。大多數情況下參與方各自維護各自的信息，不願意將數據分享給其他機構，形成數據孤島，大量信息難以整合。但是在供應鏈信息識別過程中，需要通過多個渠道獲取信息，交叉驗證確保信息的真實性。

大數據擊中這一痛點，打通數據孤島，從單一數據來源到多渠道來源，數據不再單純依靠授信主體採集，也不侷限於某一單一方式和來源，電商平臺、企業ERP、物流系統、政府信息等各類外部大數據都是可利用的數據來源。

• 花旗與Biz2Credit、法國巴黎銀行與Mysis、摩根大通與Ondeck都開展了基於供應鏈交易數據的業務合作。
• 國內銀行諸如工商銀行、中信銀行和平安銀行等，通過與供應鏈核心企業電商平臺合作，開展基於數據的供應鏈金融的成功案例。
• 京東金融、深圳怡亞通和阿里一達通等貿易服務企業也基於供應鏈交易平臺數據開展了大量融資業務，與商業銀行實現獲客引流和部分風控職能的合作。

三、總結

在不斷創新的新經濟常態下，供應鏈金融的核心在於大數據，與大數據結合是大勢所趨，誰在大數據上佔有優勢，誰才能走的更穩、更遠。

因為忽視數據，搞供應鏈金融要完蛋，因此必須緊緊依靠數據的力量，在立足金融本質的前提下，通過數據將風險把控的路徑更加科學化、數據化，真正做到風險的實時監測隔離。