供应链金融模式下的小企业批量授信

来源：供应链金融

作者：赵婧

传统思维的族群选择是线下商圈、批发市场等，新的重点是虚拟商圈、链式族群。因为小微企业虽然数量众多，大多围绕各自供应链的核心企业集聚生存。核心企业的形式包括大型企业、供应链管理公司以及新兴的B2B平台类企业。核心企业的选择不是以往标准意义的简单买卖关系而是衡量核心企业对于供应链上下游企业的资金流、现金流、物流信息的掌握程度和质量，对族群中企业的经营乃至业主的了解能力。在供应链金融模式下，金融机构应与核心企业及小微企业集群建立一种长期的良性互动的合作关系，使整个供应链的运作效率得到提高。

供应链金融产品体系应该覆盖目标企业的主要类型和特征。例如不同地域、不同行业、不同核心企业、上下游的位置、不同生命周期、特色资源及季节特性等。根据不同的企业特征选择合适的授信期限，和授信对象的生产周期和现金流结构高度契合，因而这是一种精细化的批量授信。

进行精细化管理是需求分析、产品匹配、方案设计和风控预警的起点。在识别控制风险过程中，必须运用一些计量工具和管理工具，借助IT系统实现数据自动获取、流程标准化自动化;广泛收集和深度挖掘在供应链和核心第三方信息(包括核心企业数据报表、政府、工商、税务等多方面信息);通过量化技术来实现快速筛选和流水线操作：

　　1) 通过客户经营数据的批量导入和分析系统，从企业的财务系统上获取原始数据进行导入和各类统计分析;

　　2) 挖掘第三方信息和政府公开数据;

　　3) 充分利用一些难以造假的指标进行交叉验证和信用评价;

　　4) 定期对企业数据进行动态的跟踪和预警，为寻找优质客户群所具有的内在特征提供定量化的信息支持，也可以持续监控小微企业的变动情况。

以“1+N”的批量授信方案为例，对于上游供应商而言，核心企业的现金流是最主要的资金回笼渠道，对于下游经销商而言，核心企业了解经销商的管理现状和经营动态：

　　1) 基础数据：通过核心企业自身ERP或渠道管理系统，获取经销商和分销商的客户资料和经营数据;

　　2)  分级管理：整合两端的业务信息流、现金流和物流的信息，利用行业和地域的划分，根据行业、上下游企业特性设定一些条件筛选合格的供应商和经销商，分为多个级别进行分级管理。例如通过年销量和合作年限、合作表现等量化或定性指标来分类管理是比较常见的做法，也可以针对不同行业的特点设定不同的指标;

　　3)  持续监控：一般上下游小企业的资金周转快，但抵押物不足，金融机构可为不同级别的供应商和经销商提供不同级别的应收账款融资类的解决方案，并且可以通过其自身ERP系统的数据进行持续监控和还款跟踪，灵活控制额度和账期;

　　4)  表现分析：利用这些数据和企业历史表现的积累形成一个小型企业数据库，运用统计方法对定量和定性指标进行回归分析和模型设计，预测出相似类型企业的违约概率(例如Logistic  模型)，并不断进行修正。

在上述方法中业务系统数据扮演了重要的角色。企业内部业务系统是最直接可靠获得经营原始数据的方法之一，但由于其结构较复杂，品种多样，一般只有企业财务和专业人员才能熟练掌握，甚至每个操作员只掌握自己所负责的模块。如何标准化地获取和处理分析来自不同ERP、进销存等系统的数据是小微企业批量授信得以实现的重要突破口也是技术难点。

文沥基于全球领先的B2B网关技术开发的  “加速器”程序，可以智能自动识别和抽取整理300种以上小微企业常用ERP进销存程序的数据，通过它将企业的业务和财务数据整理成一套企业数据征信报告，结合小微企业所在集群特征完成统计和可信度评分。同时，通过数据的持续获取，金融机构可实现对小微企业数据的动态定时获取和自动审批和风险预警。

在供应链金融模式下，实现批量授信，不仅仅是金融机构的单方面努力。而是需要一个全面的核心企业端、授信主体端以及金融机构业务管理端整合的数据和流程解决方案。

对于经营规模不断扩大的核心企业来说，一个集成的供应链金融管理系统对于核心企业显得尤为重要，利用数据平台的优点主要有：

　　1) 用更多的客户自助操作和系统自动结算来代替原先人工核对将大大降低应收账款管理的成本;

　　2) 通过丰富的数据分析报告更有效地预测和规划资金使用和资源的分配;

　　3) 通过整合的系统(对接银行业务系统)更便捷地进行线上操作和实时掌握每一笔交易和回款;

　　4) 通过各项量化指标分析更及时地优化和拓展销售渠道;

　　5) 利用平台模式快速积累数据形成先发优势、持续增加应用场景有望成倍拓展成长空间，更有机会在行业竞争中胜出。

随着大数据处理技术的不断提高，数据将成为核心竞争力，将进一步加快数据征信的速度，强化批量授信的模式，更加强数据信息收集—数据集中处理分析—授信业务办理的流程。我们相信运用互联网及大数据技术未来供应链金融服务的流程及运营架构将更加简洁。