• 产品与服务矩阵
  • 资源中心
  • 关于我们

普惠金融成为金融科技下阶段工作核心,强化小微企业服务需重点关注数据效用

数字化分析 陈晨 2022-11-24 5080
易观分析:在11月22日召开的2022金融街论坛年会上,中国人民银行副行长、国家外汇管理局局长潘功胜回顾了近年来金融科技取得的成效,并展望了金融科技下阶段的重点工作,其中包括加快推进金融数字化转型工作、健全数字普惠金融服务体系、运用金融科技增强银行的小微信贷能力、全面实施金融科技赋能乡村振兴示范工程。 明显看到,在四项工作中有三项均和普惠金融密切相关,以金融科技推动数字化转型,赋能普惠金融业务将是下阶段金融科技最为核心的工作。从普惠金融的内涵来说,其有别于传统金融,更加强调金融服务的包容性和公平性,强调赋能实体经济、服务民生、消除鸿沟,所以加快推进普惠金融发展,既符合国家总体的政策导向,也是金融机构自身发展的实际需要。 解决小微企业的融资需求,关键因素是运用金融科技手段,安全和有效地获得数据、用好数据、管好数据,提升数据的实际效用,纾解银企间的信息不对称问题。

目前,小微企业的信用数据来源主要包含几个部分:除了人行征信系统和银行内部自有数据以外,主要集中在政府部门或公共事业部门,其他同业金融机构,还有部分是分散在供应链核心企业,以及互联网企业中的替代性数据。数据来源的分散化、碎片化使银行获取数据的成本高、难度大,加上整个社会信用信息体系尚未完全打通,信息获取的渠道不通畅,彼此之间仍然存在着组织壁垒、数据孤岛的问题。



另外,由于替代性数据的信息采集和处理机制不同、来源复杂,数据的准确性、真实性相对较低,银行出于合规考虑,对数据厂商的选择和合作也更加谨慎;供应链核心企业所掌握的上下游交易数据、产品数据等保密程度高,加上链条各环节数据口径不统一,数据质量难以保证,并且存在大量半结构化、非结构化的数据,造成银行实际可用的数据量和数据有效性不足,也加大了数据治理的难度。


优化建议:

1、探索银政与银银合作,安全合规获取高质量数据

相关的法律法规在要求保护数据安全的同时,也重视对数据的合规开发利用。政务数据和金融同业数据本身的质量高、有效性强,能够帮助银行全面了解小微企业信息,银政、银银合作布局普惠金融,可以形成政府、银行、担保、保险等多方数据安全共享的体系,共同解决小微企业贷款的数据难题。隐私计算“可用不可见”的优势是这个过程中实现数据脱敏、脱密的关键,可以从技术上保障数据流通的合规和安全,满足政府、同业、供应链核心企业等对数据保密性的要求。

可以利用多方安全计算技术加强在信贷业务场景的应用,例如在小微企业信贷业务申请、客户评级、图像隐私保护、黑名单共享、贷款资金流向监测等关键环节,通过在各方部署隐私计算节点,共同完成任务调度。但隐私计算目前还尚未发展到大规模落地的成熟阶段,银行在考虑部署隐私计算平台前,需要结合自身业务特点和IT架构进行充分评估和验证。

2、提高数据质量,加强对非结构化数据的利用

在加强数据采集的基础上,需要对数据质量、真实性和合规性做进一步判断和治理。数据治理的关键是建立全行统一的数据标准,构建企业级的数据能力中台,打造数据底座,在数据治理的基础上,推进模块的快速迭代和复用,基于大数据、人工智能技术形成全流程、全生命周期的数据治理方案,结合小微企业的信贷业务场景、合同文本、业务图像等非结构化数据,对原始数据进行解析,融合计算机视觉、NLP、知识图谱技术,通过内容管理进行非结构化数据处理,实现智能搜索、内容安全洞察、内容自动化管理,提升小微企业数据的可用性,盘活数据价值。

3、提升模型性能,在数据有限的情况下充分挖掘数据价值

在数据量有限的情况下,对数据的挖掘、模型的建设变得更加重要,一方面可以利用人工智能的深度学习与知识图谱技术,通过业务规则设置、模型设计去识别、融合、分析自有数据,深度挖掘产业链条上下游企业的关联关系,建立小微企业的关系视图,挖掘风险传导的路径;另一方面可以通过机器学习进行历史数据洞察,分析哪些数据可以更加有效、精准地识别客户,哪些数据具有普遍性,哪些数据只针对特定客群有应用价值,从数据中推导模式来帮助信用模型或业务策略的改善。