您现在的位置: 中国企业诚信网信用管理(首页)正文

　　量化信用的“拓荒者”

　　清华大学计算机系毕业的范晓忻原本经营的是一家与金融无关的IT类公司，2007年前主要为华北地区的汽车零部件企业做供应链管理系统。“其实你有机会去做金融。假如每一个供应链金融系统里面的1000个供应链经销商，要是能够通过你的数据，来解决他们的金融融资难题，这不挺好的。”一位在华尔街从事金融工作朋友的这样一句建议给范晓忻提供了新的视野。

　　美国80%以上靠的是信用贷款，而我国当时几乎为零，99%以上通过抵押担保获得，因为中国的银行要将风险转化，要求有变现能力，西方的金融风险则是成本，通过各种金融手段实现风险可控，这是中国和西方金融体系的区别。而这也预示了范晓忻选择的这条创业道路绝非坦途。“如果让我再来一遍，我可能都不会选择这条路，因为实在是太难了。和以前我做IT相比来说，难度太大。”时至今日，回想起创业的历程，范晓忻仍有着这样的感叹。

　　在发现零部件生产商总是在为流动资金短缺苦恼后，范晓忻开始意识到供应链数据中的金融价值尚未被充分开发。当时，绝大多数银行的贷款均需要抵押物，很多汽车零部件优质供应商尽管本身订单充足，只是缺少短期资金购买原材料，但受制于抵押物不足，很难获得贷款。在了解到这些小企业们饱受资金短缺之苦后，他开始考虑挖掘那些供应链数据背后的金融价值。在“大数据”和“互联网金融”概念尚未兴起的2007年夏天，范晓忻和几个合伙人，成立了一家名叫金电联行的公司，取“金融电子化，联合银行”之意，他们想以数据分析连接银行和中小企业，起初是为他所结识的汽车零部件供应商做客观信用计算，然后再把他们作为客户介绍给银行，申请无抵押信用贷款。

　　“金电联行大数据分析的数据入口是供应链管理系统的供应商端，有一套数据挖掘机器人对数据进行挖掘。供应链管理系统类似银行的银联交易系统，是一个交互系统，系统内的交易都是不可更改的，单个企业去修改数据是不可能的。”范晓忻表示，而本身供应商与主厂商的联合造假很难，一是造假要做全套，为了把额度做上去，供应链数据取决于所有供应商的供货数量，一发而动全身，订单、物流等都要改，这是相当繁杂的工程。二是数据挖掘机器人会按照过往数据和未来的数据的分析，清洗掉异常数据，间歇性提高部分指标并不能提高额度。

　　光有好的算法、好的模型是不够的，大数据还必须服务于金融实践本身。“你要问我怎么去说服银行、与银行合作，就一个字‘难'。当时一些传统金融从业人士还是持有很多怀疑与疑虑的。”范晓忻坦言，范晓忻与他的合作伙伴首先要打通银企对接的障碍，对1200多家中小企业进行调研，跑遍了四大国有银行以外的几乎所有银行，从分支行到总行，用范晓忻的话说是在为银行“洗脑”，让他们接受信用贷款模式。

　　2010年5月，公司迎来了1500万额度的第一单；而当年9月，第一家国有控股中小企业也获得信用授信，金额高达2000万元。“比如，我们跟民生银行(7.41,0.00,0.00%)开了200多个会才放了这一单，各种争吵，各种困难，但是最终还是做成了。”对于范晓忻来说，这一单来之不易。

　　中小企业主“跑路潮”后，国家政策鼓励金融为实体经济服务，支持中小企业融资。去年下半年开始，金电联行也进入了快速发展期，银行和地方政府等越来越迫切需要获得可量化的信用评判。“基于大数据信用技术，目前对授信企业的变化情况已经可以按秒计，我们已经成为多家银行的信贷管理服务提供商。”范晓忻介绍。

　　在范晓忻看来，中国的金融创新大部分是模式创新，而金电联行的不同之处是科技创新引领的模式创新。“我们做了7年的算法，现在公司仍然有一半以上的人都是做科研的，而这是没有止境的，未来仍需要大量的研发投入。”

　　近一年来，金电联行以自主研发的大数据信用技术，将中小企业的信用信息服务做得如火如荼。公司在北京、上海、天津、浙江、江苏、山东、河北等地陆续重点开展了大数据信用服务工作，建立了大批量、高效能、全风控、低成本的纯信用贷款管理模式，与民生银行、国家开发银行、邮政储蓄银行、平安银行(11.39,0.00,0.00%)等多家银行合作，提供贷前分析、贷后监管、债券增信等服务，获得了政府、银行及企业的高度认可。