解读互联网+风口上中国金融业的普惠金融新探索

　　“普惠金融”（Inclusive Finance System）缘起于联合国和世界银行2005年的“国际小额信贷年”。近年来，在规范发展普惠金融的政策背景下，中国金融机构借助“互联网+”，通过创新努力探索中国普惠金融发展的新路径。中国的小微经济体数量众多，包括1900万户左右小型企业、微型企业，5165万户个体工商户，两亿左右生产性农户等。发展普惠金融服务无论是对国民经济的发展，还是对吸纳全社会就业，都是十分有裨益的。基于此，本报告致力于为您解读互联网+风口上中国金融业的普惠金融新探索。

　　中国普惠金融发展新路径

　　普惠金融属于金融的范畴，应当从金融的本质出发，分析研究普惠金融。普惠金融的内涵常丰富，党的十八届三中全会以来，中国普惠金融在新常态下的新探索至少包括以下四点内涵：一是公平地提供综合化的金融服务；二是金融服务的可持续；三是提供创新性的产品与服务；四是互联网+的新助力。普惠金融机构结合运用以互联网为代表的新技术，降低成本、提高效率、衡量信用以及控制风险，不断拓展金融服务的边界，并更广泛地提供综合化的金融服务。中国的普惠金融在制度和实践中都取得了较大进展。其中，实践发展较为突出，包括金融基础设施的全面推进、参与主体的深化和多样化、产品服务创新及服务范围扩大、直接融资渠道的发展等。

　　但是，随着普惠金融进入门槛不断降低、互联网金融公司爆发式增长、经济下行阶段信用风险逐步暴露，普惠金融探索过程中的问题与风险也不断暴露。具体来看，不仅包括主体资质参差不齐、信息披露不规范、运营成本难以控制、经济下行阶段不良涌现等内生问题，还包括监管重叠与监管真空并存、社会征信体系尚不健全、道德风险居高不下、信用信息共享机制不健全等外部困境。普惠金融的探索实践正在大步向前，但最终成果如何还需要时间来进一步检验。基于此，未来的发展可从三个层次着手：一是研究制定协调发展、相互配合的政策与监管；二是建立全国统一、完整的企业和个人信用信息数据库；三是运用技术手段降低成本。

　　技术变革与普惠金融

　　普惠金融作为一种覆盖面广、可获得性强、长尾特征突出的金融服务方式，需要通过批量化、高效率、低成本的手段加以实现，信息技术、互联网、云计算以及大数据方面的技术革新为普惠金融的实现，提供了可供尝试的解决方案。基于容器技术（Docker）的分布式架构，为搭建普惠金融业务的基础设施提供了最新的技术支持，数据量大、运算速度快、可迭代式发展的特性与普惠金融需求高度吻合。

　　在此基础之上，普惠金融运用大数据、云计算等技术，获取网络多元数据，优化信用数据仓库建设，构建基于知识图谱的风险控制体系，实现金融能力特别是风险控制能力的提升。比如，宜信利用基于Docker容器技术为核心的分布式架构在数据运算迭代方面的优势，整合公司内、外部以及互联网上的各类数据，建立可用于提升风险控制能力的信用数据仓库，姨搜就是这个数据仓库的出口，通过垂直搜索功能，在知识图谱技术支持下，为贷款的各个环节提供风险管理帮助。

　　此外，通过识别普惠金融领域的新型金融需求，结合新的金融技术对传统金融产品与服务进行改造创新，降低金融服务可获得的门槛，扩大金融服务范围，使普惠金融的覆盖广度与深度从一定程度上得到了拓展。另一方面，应该注意到技术革新仍处于发展探索阶段，可能存在信息筛选偏差、信息缺失等问题，同时还会带来金融信息安全风险，实践中应予以高度重视。

　　技术变革与信用管理

　　大数据技术具有数据挖掘、量化存储、快速处理等特点，开拓了现代信用管理体系的新途径，为普惠金融的发展打下了基础。在大数据背景下，许多原本不相关的数据可以成为信用数据，进而转化成信用价值。人人有信用，信用有价值。

　　海量数据的掘取与处理、信用审核的流程改进以及信用评价体系的不断完善为解决我国信用困境提供了可行之道。

　　大数据扩展了传统信用数据库的边界，数据内容上由传统的信用数据扩展至互联网上的行为数据和关系数据；覆盖对象延伸到没有被传统征信体系覆盖的人群；数据时效性非局限于历史信息，能够包纳用户现在的信息。

　　大数据提升了信用计算效率，创建出一个大批量、高效能、全风控、低成本的信用评价模式，通过计算机而非分析人员核算出企业的信用额度。

　　大数据也使信用管理更加客观、更加经济高效，对数据的采集、处理减少了对人力的依赖，并能确保信息真实性、实时、快速，为普惠金融的全面覆盖奠定了坚实的物质基础。便捷性、低成本及可获得性将成为普惠金融的显著特征。依托大数据技术，更多的人将有机会享受到信用所带来的普惠便利，信用的价值理念也将通过不断地信用积累与价值创造得以深化。

　　技术变革与风险管理

　　由于普惠金融服务对象的特殊性，普惠金融风险管理显得尤为重要。随着金融改革和利率市场化的推进，基于互联网技术的新型金融体验方式，正在逐步冲破金融领域的技术壁垒，改写着金融业竞争的格局。大数据技术尝试对各环节的风险管理进行改良与优化。

　　在风险识别与量化过程中，大数据推动了风险信号的捕捉与量化识别技术的发展。以前的风险管理往往用的是抽样样本，而大数据是全样本，通过对商品流、资金流、信息流资源在内的大数据整合，抓住风险因素暴露出的特征，并抓住风险新规律和新特征，及时调整优化信用识别模型。对于已识别的风险，利用互联网数据运用风险监测数据对风险进行量化与建模，比传统方式更有依据。大数据技术对企业历年生产经营数据的深度分析，真实反映其经营、成长发展现状，设计出量化的企业风险，极大的加强企业风险可审性。应用大数据技术为金融机构控制和防范风险，能够实现24小时全天候、量化地进行风险跟踪。

　　在风险匹配与分散转移过程中，大数据技术可以实现设计与风险匹配的金融产品，也可用于预测风险，提醒企业及时转移、分散风险。大数据提供了一系列实验设计模型，帮助根据定义的因子和响应，自动地进行试验模型的选择，并提供设计评估工具集，帮助进行模型评估，确保实验设计的正常性。最终设计出与风险相匹配的产品，并结合对用户信用评估进行销售。对不同信用级别对象，销售与之相适的、不同风险与收益的产品，在提高销售成交率的同时，降低销售风险。

　　在风险监测与预警防控方面，大数据提供了风险监测的技术环境，也为预警系统奠定了基础。大数据为金融机构带来风险防控的新机遇，在内控合规、反欺诈以及信用风险防范等方面发挥了不可替代的作用。风险管理的流程提升与创新发展为普惠金融服务提供了保障，也扩大了普惠金融的服务范围与服务能力。

　　技术变革与客户体验管理

　　普惠金融在经历了“从无到有”的发展历程之后，其 内部经营战略逐步从“以产品为中心”向“以客户为中心”过渡 ，利用技术革新优化普惠金融产品与服务、提升客户体验成为普惠金融管理模式变革的重要内容。在客户营销优化方面，基于互联网、移动终端、大数据等现代技术，采用实时、可达、可测的方法，建立互通、互惠、信任的顾客关系可以更好的优化客户体验，有效提升企业的绩效和市场的竞争力。

　　在业务流程优化方面，通过引入新的管理理念和信息技术手段，以面向顾客需求的业务流程为中心，打破传统职能分工的管理模式，对现有流程进行改造优化,提升客户满意度与忠诚度。此外，在满足客户基本需求的基础上，提供多元化的配套增值服务，可以进一步增强客户粘性，为普惠金融可持续发展打开广阔的市场前景。

　　构建普惠金融生态环境

　　尽管中国普惠金融有了长足的发展，但普惠金融的发展面临着内生问题与外部困境，同时也伴随着信息安全、信用缺失、规模失控、逆向选择等业务风险，特别是在完整的经济周期中，普惠金融发展需要不断根据变化的社会环境优化风险控制模型，探索可持续的商业模式。基于此，需要进一步加强普惠金融生态环境的建设，为其未来发展提供一个规范良好的环境。

　　构建普惠金融的生态环境可从加强顶层设计、优化行业环境和改善消费者体验入手。

　　普惠金融是一项系统工程，不仅需要金融机构创新服务理念和产品，还需要国家完善顶层设计，解决普惠金融的理论指导问题，研究和制定与金融市场协调发展、相互配合的完整的政策法规、监管体系和信用环境。

　　战略联盟是连接市场与企业的中介，发挥着“组织化市场”的功能。基于战略联盟理论，为了扩展资源的使用边界，提高效率，降低成本，企业会构建网络组织联盟。在普惠金融行业的发展道路上， 战略联盟也可以起到重要作用：一是信贷数据共享，规范行业发展；二是基础设施建设共享，进一步拓宽客户群体。

　　此外，普惠金融还需把金融消费权益保护放在更加突出位置，加强金融消费者教育，提升金融消费者信心，防范和化解金融风险，维护金融稳定与安全。这有助于在金融领域形成公平正义的社会环境，有助于金融改革发展成果更多更公平地惠及广大金融消费者。

 

 

返回网站首页>>