2020年初疫情发生以来，承受很多责难的互联网贷款，让众多受疫情影响出现资金链紧张的小微企业主，或者因复工推迟陷入暂时收入窘境的消费者，足不出户地得到了真正普惠的资金支持让社会各方对互联网金融的普惠本质有了积极的理解。目前，商业银行的互联网贷款已经成为趋势。中小银行尤其是农村中小金融机构互联网贷款要坚持支持实体经济发展、助力乡村振兴的大方向，运用先进的金融科技技术，结合自身的发展状况、客户需求、风控管理，有选择地推进互联网贷款业务的发展。

银行互联网贷款的业务模式

根据不同参与方在为消费者提供贷款服务的过程中的合作方式和功能的不同，互联网贷款大致可以分为三种模式。第一种是助贷模式。所谓“助贷”，是指其他参与方帮助商业银行提升包括引流获客、风险防控、系统运行、监控与催收等方面的贷款服务能力，并依据在助贷过程中发挥的作用分享贷款服务的部分收益。这是商业银行互联网贷款产生之初所采用的主要模式。第二种是联合贷款模式。在这种模式下，互联网贷款的部分参与主体与商业银行共同作为出资方，共同审批、共同授信、共担风险、共享收益。联合贷款模式可以帮助金融机构以少量资金撬动更大的业务规模，在市场竞争中取得优势，或者在与强势的场景和流量方谈判时获取有利条件。第三种是商业银行的自营业务。部分国有大行或者科技实力较强的股份行，它们本身在资金、风控和获客渠道等方面具有优势，通过自建生态场景或将自有客户线上引流等方式获客并为客户提供互联网贷款服务，全方位参与到互联网贷款的全流程，自主获客、自担风险、自负盈亏。

银行发展互联网贷款意义

互联网小微贷款的快速发展一方面是源于监管机构在支持小微企业融资方面持续出台政策，致使商业银行也越来越重视小微信贷业务，然而更加重要的是互联网贷款确实可在一定程度上针对性地解决传统小微贷款业务存在的诸多痛点，对银行信贷有着重要意义。

一、利用大数据技术解决信息不对称问题

传统业务痛点之一：信息不对称导致客户准入评估难。小微企业往往管理不规范、财务报表不完善、数据不实、经营信息高度内部化，给授信调查带来极大挑战。同时，我国针对小微企业的征信体系相对落后，抵押担保不足，这些共同导致企业和银行间存在严重的信息不对称，很可能出现逆向选择。

互联网贷款适用性之一：依托大数据全面刻画企业面貌。随着互联网的发展与大数据时代的来临，银行更容易对收集来的碎片化信息进行关联分析、交叉检验及信息核实，从而全面刻画企业真实面貌。通过加强与大数据征信机构合作，可建立小企业失信披露机制。此外， “以交易为中心”的信用类产品，可缓解小微企业缺乏抵押担保的问题。

二、通过实时在线监测解决贷后管理问题

传统业务痛点之二：持续动态监测企业经营难度大。很难利用传统贷款监测信息作为小微企业风险预警信号，数量庞大也令现场检查与定期检查较为困难，此外，违约时的损失也时常无法追回。

互联网贷款适用性之二：通过在线监测及时警示风险。利用数据挖掘技术在线７×２４小时对客户的行为数据进行采集，对借款人进行全面持续的风险监测，一旦发现任何风险迹象，及时通知相关业务部门，提前采取风险防范应对措施。电商平台＋企业信贷模式下，借款人在整个供应链上的资金流动全在平台的掌握之中，借款人的需求是否真实、还款能力是否足够、到期时该客户是否能有足够资金还款，均可通过对数据的处理计算准确推断。

三、线上引流精准营销解决获客留客问题

传统业务痛点之三：获客留客依赖于客户经理的服务半径。传统的小微客户营销模式往往依赖于客户经理的物理半径或社交半径，而依托商圈、园区等批量获客模式也可能存在操作风险。对于既定的客户经理而言，通过关系维护留客的难度也将随着客户数量的增长而增加。

互联网贷款适用性之三：精准营销提升获客留客能力。一是通过合作机构的网站、ＡＰＰ或微信平台等线上引流。二是运用大数据技术对小微企业的融资需求进行前期预测，并通过合适的渠道了无痕迹地推送给目标客户。三是为小微企业提供精准金融产品服务及配套产品，提升客户的粘性。

四、优化信贷流程解决单位成本偏高问题

传统业务痛点之四：小微贷款特点决定了其单位成本偏高。由于小微企业分布广、信息透明度低，按传统流程需花费很高成本。然而小微贷款金额小、期限短，故付出更多成本换回的收益却更低，单位成本明显偏高。

互联网贷款适用性之四：优化信贷流程以改善成本收益。一是操作在线完成，审批在线自动处理，风险在线自动预警，降低借贷双方操作成本。二是以较低成本获得小微企业及个人沉淀在网络上的 “软信息”。三是利用大数据挖掘和分析技术，加快审批流程、提高审批质量、降低信息处理成本。

五、依托大数据信贷决策解决操作风险问题

传统业务痛点之五：更多主观判断暗藏更大操作风险。一方面，传统小微业务决策过程中，客户经理、贷款审查人员等的主观判断作用相对更大，不仅影响评价结果的客观性，也更可能出现操作风险。另一方面，现有的尽职免责往往流于形式，又造成信贷人员对待小微业务存在过分谨慎的态度。

互联网贷款适用性之五：依托大数据决策模型减少人为主观判断。从数据收集录入到评价结果输出，整个过程全部由计算机算法完成，减少人为主观判断，确保评价结果的客观性，也有助于防范操作风险。而在传统建模技术的基础上采用机器学习建模技术，则可进一步提高模型运作的自动化程度，减少人为干预对模型输出的影响。

互联网小微贷款产品仍存诸多问题

尽管经过多年的发展演进，目前的互联网小微贷款产品已日臻成熟，但其依然存在诸多方面的问题。而对这些问题的充分认识也将是进一步推动产品迭代发展的基础。

一、产品适用客群受限，客户准入门槛偏低。受核心数据来源所限，目前互联网小微信贷产品服务人群相对狭窄，数据要么来自互联网交易平台，要么来自公共机构，譬如税务部门，大量小微企业在相应平台或机构未留痕迹，则依然无法获得相应的便捷服务。反过来，在特定渠道数据可获取的情况下，客户准入门槛又相对较低，因为许多有价值的软信息被屏蔽掉，由此可能形成逆向选择。为了尽可能地避免上面提及的信息不对称问题，互联网小微贷款通常会对客户准入设置较多方面的限制条件，而这又会造成筛选出的客户可能具有高度相似性，从而使得风险分散的程度较低，容易在市场波动的情况下出现客户的批量信用塌陷。

二、数据孤岛现象严重，数据造假问题突出。我国征信制度仍不健全，尚不存在一个官方、统一、广泛的信用评价体系，虽然税务、工商、司法等部分信息已经向社会开放，但开放程度依然较低，而商业数据由于价值不断凸显，反而被进一步降低共享性。数据问题对贷后管理的影响尤为突出，除部分银行有高频电商交易数据外，大部分银行只能依赖行内交易数据及人行征信数据，据此进行贷后预警可能存在一定滞后性。此外，一些企业通过关联交易等手段刻意制造流水、虚假纳税等信息，更有甚者则由谙熟各家贷款机构审核规则的信贷中介通过各种手段对申请人数据进行包装以突破信贷机构的风控规则，致使模型结果的可靠性大打折扣。

三、模型有效性待检验，技术驾驭能力存疑。目前我国商业银行利用大数据技术仍处探索阶段，模型准确性有待检验。数据分割使很多模型只适用于自己的小生态，同一个人在不同评分模型中得到的结果可能存在较大差异。并且一旦市场环境出现大幅变化，基于过往行为数据所形成的风险评价可能出现较大偏差。更麻烦的是，由于自动化程度很高且业务批量处理，一旦某个环节出现错误，可能会造成十分严重的后果。此外，对于很多商业银行来说，建立更加专业的大数据技术团队并不容易，零壹财经统计发现，除个别银行外，２０１７年上市商业银行科技人员占比普遍在１０％以下，绝大部分在３％左右。如果委托第三方对其系统、信贷模型进行开发与维护，又意味着需要面临第三方合作机构从业人员潜在的道德风险，同时第三方开发维护的产品更可能出现同质化。

相关建议

一、优化产品，强化营销。

（一）主动定位市场客群，强化产品针对性。一是随着大中小银行纷纷进入小微信贷市场，各行应尽快调整风险偏好，努力提升精细化定价和精细化管理水平。二是加强行业研究，定位重点细分客群进行拓展和开发维护。三是提供更多的在线授信产品以满足不同细分客群的需求。

（二）坚持小额分散原则，综合评判授信额度。一是对于弱抵押或非抵押类产品而言，应坚持小额分散原则，可对相似客群总体授信或单户授信额度进行限制，针对细分客群风险特征设置相应的规模权重。二是结合定量定性指标评判企业授信额度，并依据实际业务开展情况动态调整定性、定量指标以及授信额度。

（三）优化业务流程，提升操作界面友好度。进一步突出互联网贷款产品的主要特征，精简产品入口，以减轻客户的选择负担。申请流程应更加注重客户体验，减少跳转环节、避免复杂操作，实现流程的持续优化。优化产品和服务流程，将线上线下服务无缝对接，提升远程服务能力和客服响应速度。

（四）加强外部合作扩大获客，全面提升客户粘性。一是以更加开放的态度参与其他机构构建的生态圈，通过与外部机构共同开发产品进一步加深双方合作，从而依托外部机构的渠道扩大获客面。二是线上线下相结合提升营销效果，通过构建 “１＋１＋Ｎ”生态圈，依托朋友圈、关系网提升客户黏着度。

（五）做好产品生命周期管理，加强市场反馈。制定有效的产品管理制度、做好针对产品的信息收集以跟踪产品效果。为应对技术的快速革新，应尽量缩短产品的市场导入期，加速淘汰或改进。此外，对于新技术在创新产品和服务模式上的应用，可进行局部范围的试验或试用，从而规避由产品缺陷带来的大面积风险隐患。

二、数据为本，风控为先。

（一）建设小微客户数据集市，做好数据挖掘。一是丰富数据获取渠道和数据类型，充分运用外部机构数据信息，持续抓取企业各维度信息，建立共享资源、共助小微的合作机制。二是高标准规划、建设小微客户数据集市，将行内数据平台系统与外部数据平台进行有效整合，通过数据挖掘获得更加完整的客户图像，进而支持客户细分、风险管控、风险定价等业务经营和风险管理决策。

（二）围绕客群完善风控，动态调整模型参数。一是适度放宽合规准入标准，在合规准入、风险测评等模型设置方面，对于不同的细分市场客户进行差异化和针对性的设置。二是建立常态化模型更新迭代机制，结合市场状况及产品运行情况对各个模型的参数进行优化迭代，以降低模型偏离度。三是严格审查客户总体授信情况，密切关注其他银行对客户的授信政策是否稳定。

（三）完善贷后管理机制，提升贷后管理专业性。一是加强动态监测和风险过程控制，建立预警体系，运用科技手段实现风险监测批量化、规模化、标准化、自动化，增强数据信息管控的深度和科学性。二是组建专业小微贷后服务团队，一方面专注于客户提升工作，另一方面排查各类风险信号，及时采取措施进行化解。发生不良授信后，大力采取资产保全措施，争取最好清收效果。

（四）做大结算业务，利用结算数据提升风控有效性。积极做大数字支付结算业务，利用结

算数据提升风险管控的有效性。一是通过匹配客户的账户结算数据、ＰＯＳ 结算等情况以及其经营状况、纳税金额、企业主家庭经济情况等信息，有助于确定相关数据是否真实可信。二是通过监测结算量变化加强授信后风险管理，提高风险监测与预警工作的准确性及效率。

三、科技驱动，人才支撑。

（一）加强金融科技布局，加大资源投入力度。一是持续打造和完善智能银行的敏捷信息科技能力，增加在金融科技方面的投入规模，为ＩＴ 建设、平台搭建、渠道转型、对外合作提供资金支持。二是强化全行上下对金融科技的认识，制定全局的战略蓝图和应用路径，开辟金融科技新蓝海。

（二）促进ＩＴ 和业务融合，提升敏捷开发能力。一是实施 “双速ＩＴ”战略，核心银行业务系统保持原有开发模式，渠道类系统可搭建有别于基础架构的独立 “快速架构”。二是构建矩阵式组织结构，调整考核激励机制，通过实现相应人员的权责利对等，促进业务人员、风控人员和科技人员等深度融合和高效沟通。

（三）储备科技创新人才队伍，加强技能培训。一是通过自主招聘科技人员、市场化的激励

机制引进等方式加大人才引进力度，提升研究人员的比重，培养既懂技术又懂业务的科技＋金融复合型人才。二是全面加强员工通信科学、互联网理论和技术等知识的培训，建立企业内部的数据分析文化和大数据风控理念。

（四）强化制度建设，确保合规内控落实到位。一是加强合规、内审、风险管理、法律等部门之间的沟通与协调，对业务进行全流程控制。二是对系统权限实行分层管理，完善员工行为管控机制，保障员工合规操作，减少越权违规操作行为。三是制定标准化操作流程作为指导。

（五）广泛拓展外部合作，搭建开放API平台。一是广泛拓展外部合作，确保产品在研发、推广、维护等环节上可以得到有效的技术支持。二是促进银行架构从封闭走向开放。搭建面向企业、中小金融机构、集团、分行等合作伙伴的开放、互联、合作的开放API平台，通过加速场景化金融布局，推进产品与业务模式创新。