刘瑞华 阳桂桃

供应链金融指以供应链核心企业为中心，以存货和应收账款为支持，为满足供应链上企业的资金流和物流需求，并实现整体可控风险的金融服务。供应链金融能更好地解决核心企业上下游的中小企业融资问题，助力中小企业发展。

大数据技术为金融机构提供了分析繁杂数据的方法，提高了金融机构服务供应链成员的效率和能力。基于大数据的信息量大、类型繁多、真实准确的特点，通过分析行情和价格波动情况，判断市场需求状况，找出变动规律，尽早提出预警。大数据技术通过打破信息不对称的壁垒，使金融机构获取融资企业较全面的信息，帮助中小企业解决融资难的问题。但将大数据技术应用于供应链金融也面临着不少问题，需要进行针对性的解决。

一、大数据技术在供应链金融发展中的应用现状

我国供应链金融发展日趋完善，根据前瞻产业研究院整理的数据，2015年我国供应链金融市场规模已达11.97万亿元，截至2017年我国供应链金融市场规模增长至14.42万亿元。受监管政策影响，互联网金融C端业务受到冲击，B端金融发展有望爆发，预计2020年中国供应链金融市场规模将超27万亿元。供应链金融的发展需要技术支撑，大数据技术的应用对供应链金融的发展具有强有力的推动作用，目前大数据在供应链金融中的应用主要包括以下几个方面：

图1 2015-2020年中国供应链金融市场规模统计情况及预测

（一）建立数据库

数据收集是大数据技术对供应链金融的意义之一，传统的数据收集与大数据技术下的数据收集相比，无论是数据来源，还是数据的真实性、完整性等方面都有巨大提升。

大数据技术下的数据来源更广泛，从单一的小微企业应收账款和存货的数据变成了核心企业、中小企业、物流仓储等供应链的参与各方以及银行、金融机构、监管机构等数据平台共同提供的数据。将原有的信息孤岛打通，建立链条上的企业之间的交易数据和全方位多维度数据库。通过互联网云端获取企业之间交叉交易数据，实现在共同的交易平台上的数据连通和共享，将原先无法覆盖的中小企业客户纳入供应链信用体系，摆脱融资中存在的硬性担保等措施。

图2 传统模式的金融数据库

（二）减少信息不对称

供应链金融的大数据应用大大减少信息不对称现状，银行可以根据企业之间的投资、控股、借贷、担保以及股东和法人之间的关系，形成企业之间的关系图谱，有利于关联企业分析及风险控制。银行可以将生产数据、各种物料劳务水电消耗、人员成本和财务报告等一系列情况进行全面整合分析，形成一种动态的、可持续的、多维度的数据源，建立全面系统的征信数据库。同时通过对供应链金融中的参与主体各自的财务数据进行立体的多维度的分析研究，并通过对交易记录进行交互核对，提高数据的精确性，提高征信评估的准确性和放贷速度，减少信息不对称引起的对中小企业发展的不利影响，降低评估企业过程中的风险。

（三）大数据风险控制

供应链金融的核心仍然是风险控制，将风控与大数据结合，不断完善优化风控制度和体系。应用大数据技术，银行以核心企业为切入点，将供应链上的多个关键企业作为一个整体。利用交往圈分析模型，持续观察企业间的通信交往数据变化情况，通过与基线数据的对比洞察异常的交往动态，评估供应链的健康度，为企业贷后风控提供参考依据。

二、大数据技术在供应链金融应用中存在的突出问题

大数据在供应链金融中的应用解决了中小企业的融资难的问题，解决了征信环节与授信环节信息不对称的问题，同时在供应链金融体系中提升了风控能力，但仍存在一系列弊端。

（一）数据质量有待提高

当前大数据技术获取的金融数据仍存在数据质量不足、数据获取方式单一、数据系统分散等一系列问题。一是数据质量不足，如数据缺失、数据重复、数据错误和数据格式不统一等。二是数据来源相对单一，对于外部数据的引入和应用仍需加强。三是数据标准化程度低，分散在多个数据系统中，现有的数据采集和应用分析能力难以满足当前大规模的数据分析要求，数据应用需求的响应速度仍不足。

（二）处理大数据的成本高

在大数据时代，峰值数据的出现，数据量飙升，无论是数据获取还是数据处理方面都会产生巨大的压力。对于季节性较强的企业，同类企业融资需求时间一致，形成了一个数据爆发点，且这些数据具有大流量、高并发和急需求等多种特点。原本慢条斯理的数据处理工作面临转瞬即逝的问题，数据处理难上加难。此外时效性较强的商业数据迭代速度更快，如果得不到处理，那么消耗大量资源存储的商业数据自身价值就会急速下滑，对企业的指导作用都会相应的下降。再加上金融行业数据应用缺乏整体性规划，当前仍存在较多分散性、临时性和应激性的数据应用，银行想要对这么多企业的数据进行处理是件不容易的事情。

图3 小微企业行业分布统计图

（三）监管制度仍需完善

当前，金融大数据的相关标准仍处于探索期，金融大数据缺乏统一的存储管理标准和互通共享平台，涉及金融行业大数据的安全规范还存在较多空白。相对于其他行业而言，金融大数据涉及更多的用户个人隐私，在用户数据安全和信息保护方面要求更加严格。

（四）大数据应用技术还不成熟

供应链金融体系中的大数据应用技术还不成熟，仍需进一步提高。首先，金融机构系统复杂，实现大数据应用技术存在很多方面难题，特别是保障系统的安全运行。其次，对用户个人隐私的数据进行脱敏处理的技术不能达到要求。然后，大数据技术进行数据分析与处理的正确率仍比较低，还需人工再次核对，增加了时间与成本。

三、大数据技术促推供应链金融发展的对策建议

（一）保证大数据的质量

从事大数据技术应用管理的工作人员加强对数据的检查与检验，保障数据的真实性。查验交易凭证、单据等数据是否真实，查验授信主体提交的信息如资金运转情况，企业运营情况等是否真实，查验供应链金融体系中物流运转过程中信息提供是否准确及时。通过准确的查验和科学的分析，才能将有质量保证的信息传递到下一环节。

（二）降低获取与处理数据的成本

首先，在数据获取方面，通过供应链金融这个体系促进不同企业、不同机构之间的融合，加强信息共享，减少数据壁垒。其次，在数据提取方面，按照时效性对数据进行分类处理，优先处理最新数据，或对数据属性质进行分类，降低数据提取成本，提高效率。最后，在数据处理方面，将互联网技术、机器技术与大数据技术深度融合，让大数据在人工智能状态下自发精确处理数据，降低人力成本，提高处理效率。

（三）加强对用户隐私的保护

使用用户个人相关信息时，应该在不触犯国家法律关于个人隐私保护规定的前提下，分析数据的最大化价值。一方面，在收集与使用用户信息过程中应该严格遵守国家法律规定，并且应该向客户清晰表述信息使用用途、使用目的后，取得客户的授权同意，同时应该确保客户信息安全。另一方面该提高大数据应用技术尤其是信息脱敏技术的处理，通过运用脱敏规则对原始数据进行变形改造。

（四）规范相关行业标准

制定供应链金融及大数据应用的规范化文件，明确行业标准与行业准则，并进行发布与执行。成立自律组织要充分发挥行业监督、监管作用，确保该行业稳定发展。成立自律组织有助于规范行业行为，防止行业乱象的发生，强化企业间有序的发展。

（五）完善相关法律法规

相关监管部门制定与完善相应的法律法规和规章制度，构建系统的法律体系，明确对各方权利义务，并制定相关的惩罚措施，为供应链金融的大数据应用提供有力的法律保障。

供应链金融的发展与科技紧密相连，大数据技术是其有利的支撑点，但供应链金融助力中小企业融资任重而道远。技术上，需要对大数据技术进行完善发展，与人工智能技术结合，节省数据处理的时间，提高数据处理效率，降低数据处理成本；应用上，重视用户隐私安全，提高大数据技术的风控能力，助力小企业融资的同时减少银行对企业融资的不良贷款率。