联系我们
如您对参会报名、网站使用、内容发布有任何疑问或改进意见，请随时与我们进行沟通！
客服企业微信
期待您的宝贵意见
蒋剑平 中国农业银行普惠金融事业部高级专家
数字化转型是过去几年普惠金融工作的重点方向。此次分享实务工作中碰到的一些具体问题，特别是数据工作中面临的一些难点。
普惠金融从2016年左右正式开始推行，2017年国有大行根据监管要求成立了普惠金融事业部，近年来业务突飞猛进发展。普惠金融的业务逻辑，和传统商业银行的业务逻辑存在显著差异，主要体现在政治逻辑要大于商业逻辑。普惠金融是中国特色社会主义进入新时代以后，国家治国理政的重要方式和重要手段，所以不仅仅是商业银行的工作重点，更是从党中央、国务院到相关部委、各个地方政府的关注重点。
普惠金融的政治逻辑主要体现在四个方面。第一，党的人民性的重要体现。普惠金融服务于小微企业、三农客户等弱势群体，体现了党为人民服务的性质，也体现了实现共同富裕的要求。第二，解决社会主要矛盾的重要手段。党的十九大提出，我国社会主要矛盾已经转化为人民日益增长的美好生活需要与不平衡不充分的发展之间的矛盾，而普惠金融有助于解决不平衡不充分的矛盾。第三，构建新发展格局的必然要求。党的十九届六中五中全会提出把握新发展阶段，贯彻新发展理念，构建新发展格局的要求，普惠金融在其中可以发挥重要作用。特别是在国内大循环和和国内国际双循环过程中，普惠金融支持小微企业的发展，有助于整个经济的循环畅通。第四，助力脱贫攻坚和乡村振兴的重要支点。
从以上四点来看，普惠金融政治逻辑大于商业逻辑，但如何使普惠金融可持续和商业可持续协调起来，需要认真研究。监管部门要求对普惠金融的要求是，保本、微利、可持续发展，这不同于传统商业银行业务对利润的高要求，而是更加看重商业银行是否具有长时间、可持续地服务小微企业的能力。
那么，如何实现普惠金融可持续发展？需要内部因素和外部条件相结合，既需要商业银行内部建立新的业务模式，也需要充分的外部条件支持，比如监管政策、货币政策、财税政策的支持。目前来看，各相关部门、地方政府对商业银行开展普惠金融给予了大量的政策和资金支持。在大数据方面，有关部门也在积极主动地推动。接下来，分享一下对普惠金融发展中，运用和借助大数据来助推数字化转型的一些看法。
以普惠金融大数据应用为核心的数字化转型，是普惠金融可持续发展的关键之路、唯一之路。传统的小微企业金融服务存在难以克服的困难，大数据在很大程度上可以帮助解决这些问题。
第一，在风险判断方面，小微企业的财务报表往往真实性不高，编制规范的财务报表对小微企业是很大的负担，这使过去商业银行很难把握小微企业的真实财务状况和经营信息。传统上以财务报表为核心的小微企业信用风险管理体系效果不佳，而以大数据为基础，以非财务指标为核心的风控模型更精准、更主动、更有效，极大地减轻了商业银行与小微企业之间的信息不对称。
第二，在经营成本方面，小微企业融资户多、额小、分散，传统经营模式下的经营成本对商业银行是不可承受之重。运用大数据构建线上为主，线下为辅的经营模式，使商业银行总部经营成为可能，极大地节约了商业银行的经营成本，提高了服务能力。具体体现在两端：一端是总行直接经营能力的提升，另一端是在网点客户服务能力的提升，总部利用大数据，做好筛选客户、产品创新、风险控制等集中集约型工作，客户经理按照总部发来的任务指令做好服务，显著降低了经营成本。
第三，在客户覆盖方面，传统服务模式难以全面有效服务四千多万小微企业，特别是在信贷融资方面，覆盖面非常有限。大数据使得大型商业银行有能力将服务扩展至长尾客户，覆盖面不断扩大。
一般来讲，商业银行对企业进行客户画像，主要不同方面的数据，比如自然主题、行为主题、资产主题、负债主题、交易主题、风险主题、价值主题等，共同构成了企业的综合画像，不同数据之间还可以交叉相互验证，较好地解决了信息不对称问题。这些画像数据，既有内部数据，也有外部数据；既有财务指标，也有非财务指标；既有核心指标，也有辅助指标；既有结构化指标，也有非结构化指标。
那么，数据是不是越多越好？从实践来看，数据维度并不是越多越好，只要抓住一些关键指标、核心指标，就能较好地把握企业的生产经营状况和风险状况。数据是有成本的，既有采购成本，也有加工和处理成本。这需要银行判断什么是核心指标，什么是辅助指标，什么是对判断企业的经营状况和风险状况最有价值的指标。
数据作为重要的生产要素，和其他的生产要素存在明显的不同，具有四大特性：
第一，数据的唯一性。以打电话为例，每一通电话所产生的数据都是不同的，数据本身是唯一的。唯一就意味着数据拥有者是数据的垄断者。
第二，数据的无限复制性。数据的传播方式是复制。即使数据的初次生产成本可能很高，但是一旦数据产生后，将它分享出去的边际成本趋近于零。
第三，数据服务的连续性。银行和外部数据服务商往往需要签订长期的合同，相应地，后续服务会有人力成本、系统成本等，需要在数据定价时加以考虑。
第四，第四是数据价值的难以评估性。某项外购数据往往需要结合商业银行其他的内外部数据和其他的生产要素才能够发挥价值。对商业银行而言，引入外部数据到底能带来多少价值，往往难以准确评估。
实践中，经常从以下几个方面来考虑数据定价问题。第一，银行是否急需使用该数据？第二，数据引入后会发挥多大的作用？第三，可参考的同业定价是多少？第四，银行内部相关部门对该数据的认识，如果只是某一个部门需要，成本更高，内部推动难度也更大。第五，外部数据和内部数据的整合成本有多大？第六，该数据的持续维护成本多高？
总体而言，由于数据的垄断性强，同样数据在市场上的交易方很少，数据市场并不是竞争性市场，加上数据价值不易评估，应用成本难以判断，商业银行在数据市场上往往是弱势方，引入外部数据时一般采取比较审慎的态度。
《数据安全法》和《个人信息保护法》都在今年开始施行，《征信业务管理办法》明年1月1日也要实施。这些新的法规对引入外部数据提出了很多新的要求，特别是最小使用原则，知情同意原则，分级分类保护制度的建立等等，都对下一步外部数据使用产生重要影响。人民银行《征信业务管理办法》要求，商业银行要通过持牌征信机构引入外部数据，对已在使用的外部数据也需要在过渡期内逐步调整。总的来看，商业银行外部数据使用已经进入“强监管”时代，必须要在依法合规前提下开展。同时，由于对个人信息的保护要比对企业信息的保护更加严格，在使用企业相关个人信息时要更加严谨规范。
前重庆市市长、复旦大学特约研究员黄奇帆建议成立国有控股的的数据交易所，上海数据交易所也即将挂牌成立。这一改革举措，有可能通过更多的数据交易，更加充分地数据价值挖掘和运用，逐步探索出一套数据的价格发现机制，形成全新的行之有效的数据定价规则。
整理人：田程依一
责任编辑：傅泽天
来源：TGES2021（第十七届）中国金融风险经理年度总论坛：小微普惠金融与风险管理（一）（11月）
