新的宏观形势与行业环境下，传统银行业金融机构面临着行业竞争、数字化转型与小微贷款任务的多重压力，构建数字小微信贷技术能力成为中小银行需要着力解决的问题。然而知易行难，银行发展数字小微信贷存在哪些痛点？如何突破？

近日，北大核心期刊《银行家》刊登大数金融董事长柳博文章，从信贷领域专家与行业实践者角度，就上述问题发表观点。

柳博认为，长期以来，小微贷款业务面临着风险不可控、运营成本高、难以规模化的难题的“小微信贷不可能三角”。2019年初，中国人民银行行长易纲表示，普惠金融口径单户授信在一千万元以下的小微企业贷款不良率高达6.2％。可以说，过去的十几年中，采用传统抵押或信贷技术开展小微贷款的银行，尚无一家可以同时达成风险、成本、规模这三个目标的最优化。

随着对金融科技认知的加深，银行业已经充分认识到数字信贷技术是破解“小微信贷不可能三角”、解决小微融资难的有效手段。在行业竞争、数字化转型与小微贷款任务的多重压力下，构建数字小微信贷技术能力成为中小银行必须着力解决的问题。然而，数字技术在消费信贷领域早已得到应用并带来了消费金融的爆发式增长，为什么小微信贷的数字化却始终难成规模，银行打造自身的数字信贷能力存在哪些技术与理念上的障碍，突破路径又在哪里？

银行建立数字化小微信贷能力存在较高的技术门槛

相较于数字营销、智能运营等业务模块，数字风控既是数字化信贷技术的核心，也是难点，是金融机构最迫切需要建立的能力。而在小微信贷领域，数字风控之所以不似消费信贷领域应用迅猛而广泛，其技术门槛较高是主要原因。对于传统金融机构特别是中小型银行来说，自行开发以“数字风控”为核心的新一代小微贷款技术难度较大、成本较高。

需要大量有效数据的积累。数字信贷技术是建立在大量有效数据基础上的。有效数据是指经过清洗、经过验真的数据。以最简单的“学历”为例，如果没有经过核实，仅凭客户填写，则很难作为变量进入模型。模型是有针对性的，即使银行在过去几年发放过几百亿元小微贷款，但如果产品的金额、利率、期限、是否抵押等条款繁多，则对于某个产品很难形成足够的数据积累。

即使针对某一客群的某个产品有足够的建模样本，但经济形势的剧烈变化会导致历史久远的数据缺乏预测的有效性，外部竞争变化会导致目标客群与历史客群发生偏移。对于前期在小微信贷业务上没有足够积累的传统金融机构而言，有效数据是一大挑战。

需要有足够多的坏账样本。评分模型要精准区分好客户坏客户，要求建立评分模型的数据有足够多的坏样本，这就意味着较大的试错成本，而小微贷款的试错成本相对更高。假如笔均一万元的消费贷款需要几亿元放款量的表现来构建一个基本的风控模型，笔均几十万元的小微贷款则需要超过百亿元放款量来试错，对于小型银行而言这样的风险是难以承受的。

需要有专业化的数字风控团队。人们通常会认为银行组建数字风控团队不是难题，实则不然。真正有专业能力、经过实战考验且成功的数据风控专家其实不多，具有一定视野、能带团队的则更少，在几个主要一线城市之外则更难招揽。数字风控的信贷理念与传统风控有很大不同，能否融入当前的银行风控体系，得到信赖和发展，是很多银行面临的问题。一个完整的数据风控团队至少需要十几人甚至几十人，需要银行有很大的决心进行人力投入。

需要有规模效应。要充分发挥数字小微信贷技术优势就要有业务上的规模效应。对于大中型银行而言，虽然后期可以实现规模效应，但需要前期两三年的数据积累和足够多的试错样本，时间与经济成本都很高。对于小型商业银行而言，除面临与大中型银行同样的问题外，还需要更坚定的信念和规划来跨越规模经济的门槛。

银行对数字小微信贷技术的认知存在误区

数字信贷技术是一个从产品到营销、从风控到思维的完整体系，而非仅利用大数据建立模型。在实践中可以发现不少银行对数字信贷技术存在一些片面的认知。

误区1：数字信贷技术的关键是大数据。数字信贷技术的内涵远不止大数据或大数据风控，而是一套协同的数字化运作体系，需要有可匹配的数字化产品、数字化营销、自动化运营以及全生命周期的信贷管理。数字化信贷体系既是大数据、人工智能、云计算等一系列前沿科技的综合运用，也需要对信贷逻辑和客户有深入的理解。

近年来税收、发票、订单、物流、司法等数据的开发应用是主流小微风控的数据源，具有一定的有效性，但仍然存在数据造假、滞后、与主体关联性弱等问题，即使是像纳税这样的强相关数据，单独使用仍然效果不佳。这些数据在国外称为“替代性数据”，即在征信数据不足的情况下，用来替代和补充征信数据。从另一个角度来说，央行的征信数据在有效性上仍然远远高于这些所谓的大数据。

大数据的作用在于替代和补充，由于数据过于芜杂，质量参差不齐，对大数据的选择和应用成为关键。如在下沉客群中，多头借贷数据是有效补充，因为央行征信对这个客群的借贷行为覆盖不足，但它对于优质客群的作用不大。此外，这些数据的来源及质量和央行征信相比更加缺乏规范且较为杂乱，数据可能来自于各个数据使用方的借贷信息共享和调用记录，也可能来自于客户的借贷和催收短信，甚至是通过部分“黑产”获取，数据质量良莠不齐。因此，好的应用需要关注底层数据形成的原理，数据的合规性、客观性和关联性，以及数据整体的质量和稳定性，并通过各种客群和情景下的历史回溯测评其有效性和适用性。

误区2：拿到评分卡就掌握了数字风控技术的核心。数字风控是一整套决策工程学，评分卡只是其中的一个重要工具，而策略则是如何使用这个工具。好的评分卡如同一把宝刀，策略就是刀法，没有高手会仅靠宝刀来称雄江湖。在数字信贷中，策略是数据驱动的量化策略，这与传统信贷技术中的信贷策略相比，或许可以用机床和数控机床的精度差异来形容。策略应用和模型开发相比，更为灵活、更无定式，体现了风控人员通过数据去理解业务的方式，背后是“人”的能力高低。

数字化小微信贷技术的重要特征之一，就是以量化策略为风控聚焦点，运用“政策规则+评分模型+量化策略”的组合方案来进行风险管理。针对不同风险目标设计应用方案，通过各种分类决策树算法和最优化算法达成目标、约束条件和变量的相对最优，从而最大化利用工具，体现的是风控人员在决策科学算法和业务应用的不断结合和提升。

误区3：通过咨询项目可以掌握数字风控能力。多银行选择以项目咨询的形式获取金融科技公司提供的各种已经在其他金融机构或者业务上证明“成功”的模型甚至全套“风控体系”，并据此认为掌握了技术和风控能力。咨询项目最大的问题是不会为最终的业务结果负责，而信贷风险永远是滞后的，因此绝大部分的咨询项目都是面子工程。不过反过来想，一个能为结果负责的项目也确实不是咨询的收费价码。

数字风控要精准有效，需要依据客群特征、数据变量、锚定的风险指标去定制化开发评分卡模型。建模是一个复杂的机器学习过程，需要历史数据中同时具备X、Y变量。目前大部分银行或是没有足够的某类客群或产品的X、Y变量数据，或是历史数据治理不能满足模型开发的要求。在其他业务中成立的风险逻辑，换个地方未必适用，这种情况下形成的评分卡模型只能做为业务冷启动的第一步。再者，数字信贷是涵盖营销、风控、产品、运营的一个数字化业务体系，引入一套风控系统并不能解决整套业务体系的适配问题，反而会出现看似有了风控技术却没有业务的状况。

即使建立起整个数字信贷运作体系，评分卡模型也有其生命周期，需要持续不断地定期监控和验证，建立完整的指标体系和评判标准去处理模型监控过程中的各种复杂问题。如模型中某一变量的失效、应用客群的大幅度行为特征偏移、底层数据变动导致的变量分布变化、周期性的波动等，都有不同的解决方案。风险管理的效果需要较长时间的调优与验证，一次性的咨询合作往往只对当期结果负责，显然无法长期跟踪风控效果进行持续优化从而保证长期效果，而银行要掌握技术恰恰要学习这些优化逻辑。

误区4：数字信贷技术尚没有经过经济周期考验。首先，要理解信贷风险包含微观、中观和宏观风险。微观风险指的是单笔贷款的逾期风险，中观风险包括行业风险和区域风险，而宏观风险则是指经济衰退、金融危机带来的风险。数字信贷的模型策略只能对微观风险负责，它解决的是风险排序问题，并不能对中观风险、宏观风险进行管理。

宏观风险的典型特点是无差别打击，此时即使模型仍然有效，风险也会随着整体资产质量的下降而升高。如新冠疫情爆发以来，各类金融机构不论模型效果有多好，存量资产都或多或少受到了影响。仅从风控效果讲，此时收紧整体信贷政策才是管理风险最明智的选择。

数字信贷技术虽然不能控制宏观风险，但它可以提早感知，有助于及早识别系统性风险并筹划对策，这才是数字信贷技术应对经济周期的应有之义。

数字信贷技术能力的突破路径——联合运营

普惠金融是中小银行寻求突破的业务领域，而数字化转型是其必然选择。但限于基础能力不足、资源相对薄弱，中小银行建立数字信贷能力需要在对技术有深入理解的基础上，从头布局、坚定投入、开放合作。

战略要清晰。先厘清自身定位和资源禀赋，如服务什么样的客群、自身的积累如何、差异化优势在哪里、可以投入的资源等，再结合对技术的理解去规划发展路径。如要建立完整的数字小微信贷自主能力，至少需要有单一产品过百亿的业务，否则固定成本就会成为盈利负担。

在必需的资源上进行投入。这里至少包括两项基础建设——人才引进和数据平台建设。银行需要逐步建立数字风控团队，才能够在与金融科技公司的合作中做到了解客户，将外部技术转化为自己的能力。风控人才需要银行主动招揽，特别是深入了解其过往战绩。数据平台实现内生数据、外部数据的整合与治理，是大数据技术应用的起点，可以借助外部力量完成搭建。

开放合作。在具备人才及数据平台的基础上，通过引进有技术实力的金融科技公司的力量，完全有机会建立起数字信贷能力，包括难度较高的数字化小微信贷技术。选择的核心在于供应商是否有实战经验及可验证的表现，包括风险质量和业务量这两个必须同时兼顾的指标。

联合运营是中小银行建立数字信贷能力的最优选择。联合运营是应银行能力建设的需求而产生的。不同于咨询项目往往提供模块化能力建设及仅对当期结果负责，联合运营的优势在于银行与金融科技公司可以开展长期的联合实战，根据银行现状完善从获客、风控、产品到运营的各维度数字信贷能力，银行在做业务的同时建立能力，技术提供方对长期业务结果负责，因此技术的有效性更有保证。如近年来大数金融把技术开放给银行，通过共建产品、联合风控、联合运营共同服务更多的客户，并将数字小微贷款技术逐步转移给银行，银行在业务规模上量的同时，建立起全流程小微和个人无担保贷款业务单元。大数金融通过参与长期产品运营的陪伴式服务，支持风控模型、系统、产品的持续迭代，确保合作银行掌握包括风险和产品能力、全流程运营能力在内的完整的信贷业务自主能力。

相较于传统助贷，联合运营中银行虽然承担了业务风险，但风险表现更稳定，收益更可观，且银行的数字信贷能力切实得到了提升，早期开展联合运营的银行已具备了独立的产品设计、开展小微信贷业务的能力，且开始向其他银行进行技术输出。

面对数字小微信贷技术较高的技术门槛和试错风险，中小型银行可以考虑充分运用牌照这一稀缺资源，构建以银行为中心的合作平台，引入外力，快速建立信贷技术能力。随着信贷产业专业化分工时代的到来，越来越多的银行在与金融科技公司开展联合运营，引进数字信贷技术，从而完成从观察、认可、学习到能力建设的过程，为日趋激烈的行业竞争积攒内生力量。