互联网金融与传统金融比较优势明显，但由于“大数据”是新型市场产物，故完善的企业信用体系和风控标准是否能够行之有效的起到可供高度识别、审查、监控、监管作用起到举足轻重的作用。 2014年P2P新型市场的大量不良贷款再一次给互联网金融敲响了“警钟”，然而受到经济影响，传统金融模式下的风控标准和体系也经受着一次又一次的考验。例如青岛港“仓单重复质押”到上海的钢贸事件等一再追问我们，信贷过程中到底是哪个环节出了问题，给众多商业银行造成如此之大的后果？我想，从贷前的征信到贷后的风控，都有诸多问题。 传统金融根据授信流程上分析，授信依据主要涉及方面包括借款主体的经营情况、财务情况、库存情况、个人及企业信用情况、近期是否存在重大隐患以及诉讼、个人和企业负债情况、担保企业情况、抵押物价值是否有重大变动、近期是否有违约记录等，这些数据偏于静态，通常在授信初期一次性提交审核，贷后的监控也大多是这些数据的定期采集。 以企业数据征信为基础的沥金所认为，目前的这些偏静态数据是远远不够的，征信服务提供商如何建立和完善企业的信用体系和新标准下的风控标准，真正的为银行合作伙伴提供更精准、更有效的目标客户，提供更科学、更准确的授信评分，提供更实时、更可靠的贷后风控，是沥金所研究的重点。 沥金所金融数据模型 沥金所金融数据模型具有静态、长周期和短周期三大变量体系，覆盖企业信息、财务指标、供应链交互等全面的业务数据，基于统计模型和专家法，动态反映评级对象的最新现状，并定期检验模型计算结果的妥适性而对模型进行修正。 获客数据模型 企业的信用一般分为主体信用和债项信用，主体信用关注企业的自身资产实力，债项信用关注企业的偿还能力。企业的偿还能力的评估，来自于对其业务运营的评估。 通过汇集大量经过有效性校验的企业业务数据，沥金所建立数据质量评分表，分析企业业务行为指标，反映企业真实贸易背景，包括但不限于：真实销量和库存、真实成本利润等。金融机构可以依据这些数据，分析和获取恰当的客户资源。   授信数据模型 覆盖完整供应链上中下游，掌控真实贸易数据，通过数据交叉验证，对供应链数据本身评级，可以提供给金融机构作为授信依据，或者给金融机构用来做供应链金融的风控参数。沥金所的授信模型一般包括：业务健康评分表、授信额度建议。 风险评估模型 沥金所通过建立业务指标和数据质量指标，持续监控企业业务健康和数据质量，改变了传统仅仅依赖财务报表的方式。 如图反映了一个典型的信贷风险评分模型的预测能力，弯曲幅度越大，或与直线型随机模型偏离越多，说明评分对经营失败的预测能力越强。 当包括财务数据时，信贷评分的预测能力最强；在没有财务数据，但包括贸易数据的情况下，评分的预测表现与最佳模型表现基本相同。 随着构建沥金所数据征信平台，以及在该领域研究的深入，文沥作为国际征信组织（BIIA）亚太和中东企业征信协会会员，与诸多国际征信机构及领先的商业银行等在企业征信和风控方面建立合作，设计出基于供应链数据的信用评估和风控模型，深获合作金融机构的肯定。 下期预告：企业数据征信在家电行业的成功案例。   作者介绍 肖庆民先生现任上海文沥信息技术有限公司(WelinkData)副总经理，中国科技大学毕业后，一直在企业间电子商务和供应链协作领域从事咨询服务工作，并对供应链与金融服务的创新性结合有大量研究。