对于传统金融机构特别是基础薄弱的中小型银行来说，要跨越数字小微信贷技术较高的门槛，在能力建设初期寻求外部赋能是必然选择。相比咨询项目及以往主流助贷模式，联合运营是银行发展数字小微信贷技术的可选路径。

理念层面：需对数字信贷技术建立清晰的认知

数字小微信贷技术，在信贷理念和风控技术上与传统技术有很大的不同，我们在实践中发现银行对以下问题的理解往往存在偏差。

数字信贷技术的关键并非大数据。

一是数字信贷是一套协同的数字化运作体系。数字信贷体系包括可匹配的数字化产品、数字化营销、自动化运营以及全生命周期的信贷管理，既是大数据、人工智能、云计算等前沿科技的综合运用，也需要对信贷逻辑和客户有深入理解。

二是大数据的价值被夸大。近年来税收、发票、订单、物流、司法等数据的开发应用，是主流小微风控的数据源，有一定的有效性，但仍然存在数据造假、滞后、与主体关联性弱等问题，即使是纳税这样的强相关数据，单独使用也效果不佳。这些数据在国外被称为替代性数据，即在征信数据不足情况下的替代和补充。从另一个角度来说，央行的征信数据在有效性上仍然远远高于这些所谓大数据。

三是数据的选择和应用更为关键。替代性数据过于芜杂，质量参差不齐，关键在于选择和应用。例如，多头借贷数据在下沉客群中是有效补充，因为央行征信报告对这个客群的借贷行为覆盖不足，但对于优质客群作用不大。此外，大数据的来源及质量和央行征信相比不规范且杂乱。好的应用需要关注底层数据形成的原理，关注数据的合规性、客观性和关联性，以及数据整体的质量和稳定性，并通过在各种客群和情景下的历史回溯测评其有效性和适用性。

拿到评分卡不等于掌握了数字风控技术的核心。

数字风控是一整套决策科学，评分卡只是其中一个重要工具，而策略则是如何使用这个工具。数字信贷中数据驱动的量化策略，与传统技术中的信贷策略相比，或许可以用数控机床和普通机床的精度差异来形容。和模型开发相比，策略应用更为灵活、更无定式，体现了风控人员通过数据去理解业务的方式，背后是“人”的能力高低。

数字小微信贷技术的重要特征之一，就是以“量化策略”为风控聚焦点，运用“政策规则+评分模型+量化策略”的组合方案来管理风险。针对不同风险目标设计应用方案，通过各种分类决策树算法和最优化算法达成目标、约束条件和变量的相对最优，从而最大化利用评分卡这一工具。

通过咨询项目难以掌握数字风控能力。

一是咨询项目最大的问题是不对业务结果负责。很多银行以项目咨询的形式，获取金融科技公司提供的各种已经在其他金融机构或者业务上证明“成功”的模型甚至全套“风控体系”，据此认为掌握了技术。然而，信贷风险永远是滞后的，因此绝大部分的咨询项目都是面子工程。反过来想，一个能为风险结果负责的项目也确实不是咨询的收费价码。

二是直接“拿来”的模型通常存在适配问题。精准有效的评分卡模型，需要依据客群特征、数据变量、特别是锚定的风险指标进行定制化开发。建模是一个复杂的机器学习的过程，既需要历史数据中具备风险特征变量（X变量），同时也要有风险表现（Y变量）。目前大部分银行要么没有足够某类客群或产品的X、Y变量数据，要么历史数据治理不能满足模型开发需求。在其他业务中成立的风险逻辑换个地方未必适用，此时的评分卡模型只能做为业务冷启动的第一步。再者，引入风控系统并不能解决整套数字信贷业务体系的适配问题，可能看似有了风控技术却做不了业务。

三是咨询项目不支持模型的持续优化迭代。评分卡模型有其生命周期，需要持续开展监控和验证，并建立完整的指标体系和评判标准去处理模型监控过程中出现的各种问题。例如模型某一变量的失效、应用客群的大幅度行为特征偏移、底层数据变动导致的变量分布变化、周期性的波动等等，都有相应的解决方案。一次性咨询项目显然无法长期跟踪风控效果，对评分卡模型进行持续优化，而银行要掌握数字信贷技术，正需要学习这些评分模型优化的逻辑。

数字信贷技术无法解决小微金融的宏观风险。

很多人认为数字信贷技术尚没有经历经济周期的检验，因此对技术抱有疑虑。如果我们把信贷风险划分为微观、中观和宏观风险，微观风险指的是单笔贷款的逾期风险，中观风险包括行业风险和区域风险，宏观风险则是指经济衰退、疫情、金融危机等带来的风险。数字信贷的模型策略解决的是风险排序问题，只能对微观风险负责，并不能对中观及宏观风险进行管理。穿越经济周期需要管理宏观风险，宏观风险的典型特点是无差别打击，此时即使模型仍然有效，风险也会整体升高。仅从风控效果讲，此时收紧整体信贷政策，或者说躲避才是上策。

虽然不能控制宏观风险，但数字信贷技术可以实现最早感知，帮助我们及早识别系统性风险即将来临并形成对策，这才是其应对经济周期的应有之义。

执行层面：银行跨越数字信贷技术基本门槛面临的现实困境

随着对金融科技认知的加深，银行业已经充分认识到数字信贷技术是解决小微融资难的有效手段。那么，相较数字技术催生了消费金融的爆发式增长，小微信贷的数字化却难上规模，这也侧面印证了小微信贷的数字风控技术门槛更高。实践中，要跨越这一门槛，银行往往面临以下的现实。

没有积累足够的“有效数据”与坏账样本。

有效数据是指经过清洗、经过验真后的数据。以最简单的“学历”为例，如果仅凭客户填写而不做核实，则很难作为变量进入模型。模型是有针对性的，即使银行在过去几年发放过几百亿元小微贷款，但如果产品的金额、利率、期限、是否抵押等品类繁多，则对于某个产品很难形成足够的数据积累。即使针对某一客群的某个产品似乎有足够的建模样本，但经济形势剧烈变化会导致较久远的历史数据缺乏预测的有效性，外部竞争变化会导致目标客群与历史客群发生偏移。同时，评分模型要精准区分好客户、坏客户，就要求这些数据中有足够多的坏账样本。笔均几十万的小微贷款动辄需要过百亿的放款量和较长的周期才能积累足够的有效数据与坏样本，对于小型银行而言，业务量与风险承受能力都很难达到。

数字风控团队有个从搭建到成熟的过程。

真正有专业能力，且有成功实战经验的数据风控专家并不多，具有一定视野、能带团队的则更少，在主要一线城市之外更难招揽。一个完整的数据风控团队至少需要十几人甚至几十人，在能够独立开展数字风控之前，从队伍组建、在业务中学习到队伍成熟有一个过程，对银行人力投入的决心、容错的文化都是个考验。

前期的业务没有形成规模效应。

对于大中型银行而言，需要前期2-3年的数据积累和足够多的试错样本，时间与经济成本都很高。而对于小型商业银行，除面临同样的问题外，还需要更坚定的信念和规划来跨过规模经济的门槛。

外部赋能：中小银行获取数字小微信贷能力的重要路径

对于传统金融机构特别是基础薄弱的中小型银行来说，要跨越数字小微信贷技术较高的门槛，在能力建设初期寻求外部赋能是必然选择。

助贷是数字信贷技术商业化的土壤，但主流模式存在局限。

助贷的蓬勃发展体现了银行引入数字信贷技术发展普惠业务的客观需求。助贷使数字信贷技术实现商业化应用并获得持续发展，给银行业过去忽视的业务带来了全新价值，可以说，助贷是大多数银行信贷技术向数字化跃迁的必经阶段。但也应看到，助贷引起了信贷产业链的重构，联合贷款和担保兜底两种主流模式存在各自局限甚至风险。

一方面，联合贷款的局限主要在风险外溢与助贷机构的数据垄断。助贷机构作为实际风险管理者大多没有承担风险，不受或仅受有限的资本约束，利益驱动下必然追求规模。当业务涉及多家金融机构且规模大大超越助贷机构资本所能承担的风险时，就将风险转嫁给了银行，也埋下了系统性风险的隐患。同时，联合贷款业务中，银行通常拿不到平台数据、场景数据，由于未获客户授权甚至不能查询征信，只能获取非常有限甚至个别的字段信息，银行不掌握数据自然无从开展数字风控。而且整个业务流程中客户对银行完全无感，银行的品牌价值也没有得到增值。联合贷对于银行的价值，大概只有业务量的收益。

另一方面，担保兜底模式下的业务规模有限且银行建设自身能力的动力不足。该模式下，银行可无风险地引入、观察数字信贷技术，但局限在于一来业务规模受限于助贷机构的兜底能力；二来市场上的助贷机构能力参差不齐，一旦兜不住底银行就会陷入被动；三来信贷流程的关键环节主要由助贷机构完成，银行常安于赚取无风险收益，不利于实质性地打造自主的数字风控能力。

联合运营是银行发展数字小微信贷技术的有效路径。

联合运营具体合作模式为，银行与金融科技公司基于长期一致的目标，通过共建产品、联合风控、联合运营去共同服务更多银行的客户，整套信贷系统实行银行本地化部署，合作中双方各自承担相应风险，助贷机构提供项目全生命周期的辅助，银行逐步掌握“Know-how”。相比咨询项目及以往主流助贷模式，联合运营在满足银行普惠业务快速上量基本需求的同时，是真正有助于银行建立能力的助贷模式。

一是技术的有效性长期有保证。技术提供方对长期业务结果负责，就需要保证技术持续的最优化。

二是风控主体责任的落实有动力无隐患。双方各自承担风险，通过牌照和资本充足率来约束，风险外溢的隐患大大降低，银行的风控主体责任得到落实。即便银行尚未完全掌握技术时，由于整套信贷体系部署在银行，银行可以通过对贷后结果的观察，掌握整包贷款的风险走势，主动管理，确保风险可控。同时，声誉风险管理对于金融机构发展日益重要，双方共同服务客户使银行管理声誉风险的主动性大大提升。最后，由于银行赚取风险收益，为终极风险负责，也更有动力去提升自身的数字风控技术。

三是数据、技术共享，助力银行自主能力建设。由于营销系统、风控策略、运营体系等全套信贷体系部署在银行，银行可以掌握全面的客户信息，并逐步将技术接手过来。例如近年来大数金融与多家银行开展的联合运营中，大数金融将数字小微贷款技术开放给银行，并帮助银行从理念、机制、队伍、考核上重塑能力，支持银行风控模型、系统、产品的持续迭代。银行在业务规模上量的同时，建立起全流程小微和个人无担保贷款业务单元，并逐步掌握包括风险和产品能力、全流程运营能力在内的完整的信贷业务自主能力。从效果看，银行虽承担了业务风险，但风险表现稳定，收益更可观。

实践证明，尽管数字小微信贷的技术门槛和试错风险较高，但中小型银行可以充分运用牌照这一稀缺资源，构建以银行为中心的合作平台，引入外力，快速建立能力。数字风控技术对于银行业而言是新一代的技术，不可能一蹴而就，银行和金融科技公司都应该具有长远意识，诚信合作，在长期商业利益上给对方以保障，以发展的眼光去制定战略，甄选最适合的合作方。

未来展望：数字信贷技术发展与应用迎来更大空间

进入数字经济时代以来，海量数据基本掌握在大型互联网平台或各类场景平台手中，银行往往难以获得这些数据。可以说，客户流量与数据使用的垄断，使中小银行不但失去了市场地位，也失去了掌握数据的能力。

打破数据垄断，数据获取难题呈现转机。

转变的契机正在到来。数据已被明确列为生产要素，数据确权、市场化配置将成为国家着力解决的问题。金融业是数据密集型行业，行业稳定健康的发展更加迫切需要数据获取、流转与应用的合法化和规范化。《征信业务管理办法(征求意见稿)》的颁布正是征信行业规范化重塑的重要标志，为持牌机构合理合法地获取与应用数据铺垫了政策基础。近期业内对于释放数据要素价值、促进数据有效整合应用的建言献策不绝于耳，在监管引导、行业推动下，银行发展数字信贷的生产资料短缺之忧一定会逐步得到解决。

数字化发展路径当尽早规划。

契机之下，中小银行当结合自身资源禀赋及早明确市场定位与发展战略，对人才引进和数据平台建设进行规划，以承托数字信贷业务的落地。建立数字风控团队，才能够在与金融科技公司的合作中做到KYC（了解合作伙伴），才能将外部技术转化为自己的能力。在具备数字风控人才与数据平台基础上，银行便可以引进有实证经验的金融科技公司力量，完成从对技术观察、学习到建立能力的过程。

可以预见，数据要素更有效地整合应用，必将赋能数字信贷技术的精进发展。金融机构与金融科技公司紧密合作，共同进阶，将高效推进创新技术的应用，为行业性地解决小微融资难这一世界性难题发挥更大价值。

（作者系大数金融董事长兼CEO。本文由作者提供，原文标题为《中小银行发展数字小微信贷技术的可选路径》，刊载于《中国银行业》杂志2021年第4期）