胡彬

摘 要 为探究大数据助力金融精准扶贫的措施，从传统金融扶贫的现状出发，分析传统扶贫过程中存在的问题，即信息不对称导致资金不足、资金不匹配;扶贫过程中的“应扶未付”“扶贫过度”“精英俘获”的不公平问题，提出应用大数据解决金融扶贫过程中出现的各种问题，做好扶贫大数据的匹配问题和数据库的多元化工作。

关键词 金融扶贫;信息不对称;大数据

中图分类号：F323.8;F832 文献标志码：B DOI：10.19415/j.cnki.1673-890x.2020.33.063

党的十八大以来，在中央政府和地方政府的政策推动下，我国农村扶贫工作取得了显著成效，我国农村贫困人口从2010年的1.67亿人下降到2019年的551万人，贫困发生率从2010年的17.2%下降到2019年的0.6%。2010年以来，我国不断推进扶贫工作，如产业扶贫、普惠金融扶贫、旅游扶贫、教育扶贫等。无论是哪种扶贫政策，都取得了显著的成效。然而，在整个扶贫过程中，解决贫困户的资金来源是首要问题，需要金融机构广泛深度参与到扶贫工作中。但金融机构与贫困户之间存在信息不对称情况，导致金融扶贫的效率和效益达不到理想效果。随着科技的发展，大数据的出现在一定程度上能够缓解金融扶贫困境。因此，从大数据角度研究金融扶贫具有重要的现实意义。

1 传统金融精准扶贫过程中存在的问题

1.1 金融机构与贫困户之间信息不对称

金融机构与贫困户之间存在显著的信息不对称问题。在现实情况中，信息不对称导致金融扶贫未达到效果主要源于以下4方面。1）农村地区发展滞后，市场不发达，农村的土地经营权以及房屋产权评估困难，加上农村地区的信用市场不够健全，导致农村地区成为金融风险的易发点，对于追求盈利的金融机构而言，不愿意给扶贫对象提供资金。2）由于信息不对称，金融机构对扶贫对象的脱贫产业计划、资金需求缺乏了解，出现资金供需不平衡问题。3）扶贫的最终目的是要帮助农户脱贫，对于不同的金融扶贫项目，只有做到精准监控，才能达到扶贫效果。但由于现实信息不对称，金融精准扶贫评估存在很多困难。4）金融扶贫需要各级政府积极主动推进，金融机构和扶贫对象全程参与。但由于信息不对称，政府扶贫工作缺乏动力，金融机构积极性不高，地方政府和金融机构双重干预导致扶贫成本过高，从而使得扶贫工作缺乏合力。

1.2 扶贫过程中存在不公平问题

传统的金融扶贫在具体实践中还存在很多的不公平现象。根据韩旭东的观点，这些不公平现象主要包括3点[1]。1）根据我国学者测算，目前我国部分地区对贫困村的建档瞄准失误率达到了30%，导致应该被扶贫的对象没有被扶贫的原因主要是指标分解问题。我国在脱贫攻坚过程中，具体的贫困户指标是由各级政府进行逐级分解得来的，在具体的逐级分解过程中，很有可能导致某一地区的脱贫指标与具体的贫困户数量不符，指标缺少;同时，在实际脱贫攻坚中，为了提高识别的精准度，扶贫成本过高，基层扶贫工作人员工作难度和压力大，部分人员的工作不认真，使得应被扶贫人员被遗漏。2）过度帮扶问题，地方扶贫标准制定不合理，部分地区的贫困标准高于国家制定的“两不愁，三保障”标准，导致部分贫困户脱贫积极性不高，完全靠政府的扶贫补助过日子;部分贫困区扶贫资源浪费，而部分贫困地区的贫富资源十分匮乏。3）扶富不扶贫问题，即学术界的“精英俘获”问题。温涛认为，部分农村地区扶贫资源分配不公平[2]。邢成举认为，扶贫资金和项目的绝大部分利益都被农村精英俘获，只有解决精英俘获问题，才能解决扶贫目标偏移问题。世界银行的研究报告表明，在缺乏合理制度设计的情况下，农村贫困群体很难从政府的公共服务中获利[3]。朱梦冰认为，一种重要的识别贫困方式为“建档立卡”制度，建档立卡工作首先是由省级政府部门确定贫困人口规模之后将指标分配到村，再由贫困户申请以及村民主评议确定建档立卡户[4]。吴新业认为，造成精英俘获的原因在于精英农户影响民间组织的发展，从而导致建档立卡的不公平现象出现[5]。胡联的研究表明，在我国的扶贫过程中，精英农户依然可以成为建档立卡户，且在云贵川的抽样调查中发现，精英农户的俘获了达到了25%[6]。

2 基于大数据的金融精准扶贫措施

通过顶层设计，构建政府部门以及金融部门的大数据平台，解决信息不对称问题。从实践来说，2015年国务院发布《促进大数据发展行动纲要》，通过建立现代农业大数据平台，对农村资源要素实施监测以及数据共享工作，为各级地方政府、企业、金融机构提供便捷的查询服务，从而在一定程度上消除金融机构与农户间的信息不对称问题。同时，可利用大数据，通过研究农户信用借款声誉模型，解决农村信用不健全问题。借助大数据平台精准管理，给每个贫困户建立贫困指数，然后进行甄选，以精准计算贫困乡、贫困村以及贫困户的资金需求，从而解决金融机构资金供给与扶贫对象资金需求不匹配问题。利用大数据精准管理，做好精准扶贫工作的事后管理工作，实时反馈扶贫效果，对于扶贫效果已经达到既定的目标，扶贫户脱离贫困标准的要及时取消扶贫，而对于没有达到扶贫效果的要继续加大扶贫力度，争取早日脱离贫困。通过大数据管理，明确区分各级政府以及各金融机构的职责，减少各扶贫主体之间的重复性工作，降低不必要的金融扶贫成本，增加各主体之间的聚合力。

对于扶贫过程中存在的不公正现象，可以通过引入第三方机构建立扶贫大数据库。一方面，通过第三方机构的尽职调查统计，杜绝传统贫困人口调查过程中可能出现的“精英俘获”问题;另一方面，通过对大数据的分析，避免以前贫困人口数据统计过程中出现的问题，降低金融扶贫的瞄准失误率，做到应扶尽扶。扶贫大数据的建立要做到扶前、扶中和扶后全方面覆盖，其中扶后的大数据统计可以对金融扶贫效果进行合理评估。

3 大数据在金融精准扶贫过程中存在的短板及改进措施

虽然大数据在金融精准扶贫过程中起到了十分重要的作用，但在具体实践过程中也存在部分短板。

3.1 数据收集与匹配工作

传统扶贫中相关数据是由基层政府组织调查收集，容易造成数据缺失和失真问题。在大数据时代，扶贫数据真实完整是做好扶贫工作的切实保证。因此，要改变传统的数据收集方式，通过引入第三方机构避免此种问题出现。不同贫困区的致贫原因不同，脱贫路径也不相同，这就需要做好扶贫数据的匹配工作，按照致贫原因对贫困人口进行分类，精准帮扶[7-8]。

3.2 扶贫数据库多元化

金融精准扶贫为扶贫提供了基本的资金需求，提供了资金之后，还需要寻找致贫原因及脱贫途径，而产业脱贫是一种非常具有效益的脱贫路径。因此，在建立扶贫数据库的同时，可以适当在数据中增加有关贫困区的自然资源、特色产业等数据，为当地产业发展提供有力支撑。

参考文献：

[1] 韓旭东，杨慧莲，王若男，等.精准扶贫实践中的不公平：现象、产生原因及改进[J].干旱区资源与环境，2020，34（4）：72-79.

[2] 温涛，朱炯，王小华.中国农贷的“精英俘获”机制：贫困县与非贫困县的分层比较[J].经济研究，2016，51（2）：111-125.

[3] 邢成举，李小云.精英俘获与财政扶贫项目目标偏离的研究[J].中国行政管理，2013（9）：109-113.

[4] 朱梦冰，李实.精准扶贫重在精准识别贫困人口：农村低保政策的瞄准效果分析[J].中国社会科学，2017（9）：90-112，207.

[5] 吴新叶.社区民间组织成长中的精英捕获：问题与对策：以社会管理为视角的分析[J].中共青岛市委党校青岛行政学院学报，2010（6）：40-45.

[6] 胡联，汪三贵.我国建档立卡面临精英俘获的挑战吗？[J].管理世界，2017（1）：89-98.

[7] 丁翔，丁荣余，金帅.大数据驱动精准扶贫：内在机理与实现路径[J].现代经济探讨，2017（12）：119-125.

[8] 郑品芳，刘长庚.贫困户精准识别困境及识别机制构建[J].经济地理，2018，38（4）：176-182.

（责任编辑：赵中正）