田春强

摘 要 互联网技术的革新与大数据信息产业的迅速发展为中小企业融资带来了改革式的春天，通过将大数据技术应用于企业融资中，能够有效解决中小企业融资难的问题。文章阐述了大数据的内涵，分析大数据技术应用于缓解中小企业融资难，再论述我国金融业的大数据运用现状，并对未来进一步发展进行思考。

关键词 中小企业 融资 大数据技术 金融业

中图分类号：F752 文献标识码：A

2013年7月5日，国务院办公厅发布《关于金融支持经济结构调整和转型升级的指导意见》明确指出，当前，我国经济运行总体平稳，但结构性矛盾依然突出。金融运行总体是稳健的，但资金分布不合理问题仍然存在，与经济结构调整和转型升级的要求不相适应。另一方面看，不可否认，我国政府近年来在解决中小企业融资难问题上的努力是空前的，创业板和中小板的设立、新老非公经济36条等的出台都是为缓解中小企业资金融通问题所做出的有益尝试。但在过去3年中，中型企业选择民间借贷的比重为48.3%，而小型企业选择民间借贷的比例则高达67.8%。中小企业的发展资金主要局限于传统原始积累和民间借贷，通过现代化的直接或间接融资（如向金融机构借贷）手段获取资金的比例依旧不高。因而如何破解中小企业融资困境，是当前一个亟待解决的问题，值得进一步研究。

1大数据的内涵

随着信息技术的发展和互联网时代的到来，“大数据热”也渐渐兴起，大数据被越来越广泛地运用在各行各业，为人们更全面了解事物提供帮助。大数据从字面意义上看，可以理解为“庞大的数据量”，但这种简单的定义显然不能概括大数据的全部内涵，目前，国内外尚无一个公认的定义来解释大数据，基本都是从大数据的特征出发，来挖掘其内涵。它的特点主要是数据体量巨大、数据类型繁多、价值密度低、处理速度快。大数据是具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。它为人们提供了一种新的方式，让过去我们无法完全利用的海量数据得到有效分析，获得有巨大价值的产品和服务。目前，很多企业都在利用大数据的优势为其服务。

2大数据技术应用于缓解中小企业融资难的分析

（1）解决存储介质和计算能力的限制，挖掘能得到逻辑与规律的信息。过去企业只能采用统计抽样的方法来分析数据，但是这样的方法有其不可避免的局限性。大数据正在尝试打破这种成本与收益难以平衡的僵局，大数据与信贷业务结合的核心优势在于重塑信息结构，削减业务成本，电子商务平台与社交化网络的发展积累了海量数据，大数据发掘的信息更具备真实性，因而具有巨大的社会经济价值。

（2）大数据时代通过混杂性统计概率，可以有效降低风险管理的成本。大数据不再一味追求精确，反之混杂性变成了一种标准途径，用概率说话成为常态。对一组借贷方案，只要透过全数据分析，在概率上它是能够长期稳健盈利的即可被资金融出方考虑采纳。信用评级与贷后管理完全由量化模型自动分析完成，大数据经过云计算后得到动态的风险定价和违约概率分析结果，将风险管理的成本降至最低。

（3）大数据改变了传统个的风控理念，更是有效提高企业的融资率促进经济的快速发展。随着信息结构的改变，大数据时代的风险控制理念将发生根本性变化，过去在风险回避理念驱使下，银行等金融机构提高资金价格（高利率）或要求企业提供抵押担保来补偿覆盖风险损失，而现在变为对企业稳健经营、创造现金并还款的能力作为持续监控和考核的重点。基于大数据挖掘的系统处理与实时监控显著缩短了业务流程，提升了信贷业务效率，符合中小企业贷款需求灵活性、多样性、随时性的特点。综上分析，大数据技术可以有效缓解中小企业融资难的问题。

3我国金融业的大数据运用现状及展望

2014年7月22日，阿里巴巴与中国银行、招商银行、平安银行、建设银行、兴业银行、邮储银行、上海银行等7家银行宣布推出全新B2B互联网金融产品——网商贷高级版。该产品是以阿里巴巴平台大数据为基础的纯信用款，最高授信额度达1000万元，无抵押、无联保，平均月利率低于1%，是阿里大數据价值在传统金融行业的一次应用尝试，也是帮助中小外贸企业解决融资难题的实践途径。对传统银行而言，这是首次尝试运用大数据和信用体系推出无抵押无担保的纯信用贷款。总结阿里巴巴的做法主要是“信用=财富”，传统的信用自证贷款难点在于中小企业难以证明自身信用，无法降低银行放贷风险。而一达通平台上的沉淀，这些真实数据可以反映出企业的经营状况，而这正是银行对企业考量的重要依据。大数据还解决了贷后管理的难题，银行可以对企业的动向进行及时而准确的把控，这样大大降低了银行的风险。因而，大数据在金融业的融资方面运用尝试，算是初步尝到了美味的果实。

除了阿里巴巴，为迎接大数据时代的到来，中国的一些金融企业也着手制定相关的计划，已经或即将推出具体措施。比如，中国民生银行筹划在今后三年中逐步完善自身的数据业务体系，2013年建设数据标准和大数据基础平台，2014年建设实时的数据集成平台，2015年建立完备的企业数据服务以支持智能化的服务。对于现阶段的银行等金融机构来说，更多的还是依靠与第三方数据挖掘平台合作，对包含信息流，物流，资金流等供应链系统核心环节的数据挖掘，经过对数据进行分析整理，对实用数据进行分析整合，最后计算出企业的信用等级、信用额度，甚至预测未来的成长性及安全性。概括起来，基于这样的数据挖掘和分析，银行最终获得的信息可以用三个维度来表示：一是对过往数据，如订单、回款、库存等进行统计，并汇总所有的原始数据计算企业信用得分；二是根据企业日常经营过程中资金的运用状况及信用得分，计算信用额度；三是通过物流、资金流等重要环节的变化，着力贷后动态监管，实时追踪企业的信用情况。

大数据时代的金融企业既要面对技术升级问题，还将面对业务管理理念转变等问题。树立业务管理人员和实际操作人员的风险意识和创新意识是当务之急。大数据对金融行业员工的挑战要求员工具备大数据分析所需要的多学科知识，多层次的专业素质，具备对新技术的学习和驾驭能力，复合型人才将成为大数据时代金融行业从业人员的共同追求。此外，如何建设和维护好一个鼓励中小企业提供真实可靠数据的行业生态环境，也是政府部门在“大数据战略”的顶层设计中需要考虑的问题。

参考文献

[1] 巴曙松.大数据可解小微企业融资瓶颈[J].中国经济报告，2013（06）.

[2] 闫冰竹.大数据时代的银行业发展[J].中国金融，2013（10）.endprint