2021数字化转型下银行发展供应链金融研究报告（下篇）终版

来者至今和光同尘 2021数字化转型下银行发展供应链金融研究报告（下篇） 亿欧智库www.iyiou.com/research CopyrightreservedtoEqualOceanIntelligence,April2021 前言 Foreword 在国家大力提倡普惠金融下，供应链金融被推到风口。2020年9月，中国人民银行等八大部门发布《关于规范发展供应链金融支持供应链产业链稳定循环和优化升级的意见》，将供应链金融规范发展再次推向新热潮。此外，产业链、创新链以及资金链的深度融合下，金融服务将与供应链场景无缝连接，从而推动供应链金融进一步演化升级。 基于此背景，亿欧智库撰写此份《2021数字化转型下银行发展供应链金融研究报告》，报告分为上下两篇发布： -在《2021数字化转型下银行发展供应链金融研究报告》上篇中，亿欧智库将从供应链金融中银行（资金供给方）的对公业务挑战和机遇、以及中小微企业 （资金需求方）的融资难题两方面，梳理并分析产融结合和数字化转型大趋势下供应链金融给银行以及中小微企业带来的机遇。 -在下篇中，亿欧智库将从数字化转型下银行如何构建内部供应链金融系统、以及如何与外部企业合作共建以银行为主导的供应链金融两章，分析在数字化浪 潮来袭之时，银行该如何抓住供应链金融新机遇。 -此外，亿欧智库将梳理及分析未来供应链金融创新模式以及发展趋势，希望给正在发展供应链金融的银行以及企业提供有利建议。 目录 CONTENTS PART4.数字化转型下供应链金融风控体系 Supplychainfinancialriskmanagementsystem underdigitaltransformation PART5.供应链金融产业新生态 Newecosystemofsupplychainfinancing PART6.供应链金融创新模式与趋势 Innovationsandtrendsofsupplychainfinancing 数字化转型下供应链金融风控体系 Supplychainfinancialriskmanagementsystemunderdigitaltransformation 随着新兴技术力量注入，供应链金融市场逐渐扩大，但行业发展仍然缓慢。从银行内部分析，银行存在难获取中小企业信息以及自身风控体系不足等现象，导致其发展供应链金融内生动力有限，行业发展面临“风声大，雨点小”的困境。因而，在数字化大浪潮中，银行需要调整供应链金融风控体系，从而追逐浪潮。 本章将从底层模式创新、理念创新、手段创新以及顶层流程创新给银行如何发展供应链金融风控体系提供建议。 4 供应链金融市场潜力巨大，但由于风控难度高，银行缺乏内生动力布局供应链金融 供应链金融主要的三种模式是应收账款融资、库存融资和预付账款融资。目前，由于库存融资和预付账款融资的风控还较为局限，应收账款模式是银行应用最广的供应链金融模式。因此，中小微企业应收账款可以作为测算供应链金融市场规模主要依据。 亿欧智库测算，中国2019年供应链金融市场规模已经达到8.3万亿元，在2023年将达到12.6万亿元。并且随着更加成熟的技术融入，库存融资和预付账款融资的风控能力将得到提升，因此，中国供应链金融市场规模将再一次爆发式增长。 目前，中国供应链金融市场发展速度较为缓慢，主要原因之一是银行缺乏内生动力布局供应链金融。对于金融业来说，风控是其业务运转最重要的考虑因素。 但中小微企业风险较高，风控难度大，导致银行布局供应链金融的内生动力不足。因此即使供应链金融市场空间很大，行业发展速度依然缓慢。 亿欧智库：中国供应链金融应收账款模式市场规模（万亿元）亿欧智库：银行发展供应链金融速度缓慢 5.4 6.0 6.9 7.5 8.3 9.2 10.2 11.4 12.6 即使供应链金融市场空间巨大，银行发展供应链金融仍然缓慢 在数字化转型大浪潮中，银行发展供应链金融的当务之急是提升内部风控系 统，建立数字化风控体系 金融本质是风险控制 银行风控难度高导致银行内生动力有限 银行风控体系不足以满足供 应链金融需求 银行难获取中小企业信息 201520162017201820192020e2021e2022e2023e 行业发展驱动银行供应链金融风控进入大数据风控模式 供应链金融发展初期，银行仍运用线下人工模式进行审核，但由于中小企业信息真实度难判断，运用线下风控模式的供应链金融不良贷款率居高不下。阶段二的信贷工厂主要运用标准化“流水线”，对于差异化要求较高的供应链金融风控有一定局限性。 供应链金融3.0：平台化 对于供应链金融来说，涉及主体较多，各主体之间关联性也较强；其次，中小微企业融资需求短频快且各企业需求差异较大，这两个原因导致传统人工审核方式不足以满足供应链金融风控需求。随着大数据风控模式应用，银行通过线上数据整合应用，实现供应链金融综合风险控制。但目前供应链金融风控还未步入4.0数字化时代。 供应链金融1.0：线下化 供应链金融2.0：线上化 2007年前2007-2015年2015至今 供应链金融4.0：数字化 •线下风控模式主要依靠人工审核； •经过一段时间培训，客户经理通过调查走访等方式判断借款企业偿还能力以及内部风险控制； •主要判断依据为企业法人资信以及经营状况。 阶段一：线下模式 •信贷工厂模式主要依靠标准化“流水线”集中审核处理； •在信贷工厂模式中，银行将中小微企业信贷业务分为营销、审批、放款、贷后管理以及客户维护等环节，每个环节都有专人负责进行风险管理； •主要判断因素根据各环节有所差异。 大数据风控模式依靠大数据技术处理数据并构建模型审核借款企业借贷需求； • 阶段二：以信贷工厂为例的模式 阶段三：以大数据风控为例的模式 •在大数据风控模式中，银行可以通过互联网渠道进行获客、审批、放款以及贷后管理等一系列小微信贷流程。基于互联网，大数据技术可以将大量数据智能化处理，并形成模型进行信贷全流程风险监控。很大程度提升了银行风控效能，从而减少不良贷款率； •主要判断依据为大量经营以及交易等数据。 阶段四：以数字化风控为例的模式 •数字化风控模式依靠多样技术处理多维度数据并根据环节不同设置不同模型； •在数字化风控模式中，银行通过对供应链金融不同环节业务的理解，设置合理风险控制目标，并利用以大数据技术为基础，其他新兴技术叠加的技术能力实现各环节风控目标。从而在供应链金融3.0大数据风控模型基础 之上，实现风控管理闭环； •主要判断依据为企业多维度数据和业务自身 特点。 银行需要从底层技术到上层流程全创新，建立数字化供应链金融风控体系 由于供应链金融模式不同于传统信贷，因此，银行布局供应链金融时需要颠覆传统风控模式，紧跟数字化转型浪潮，实现从底层模式到顶层流程全方位创新。 银行需在以大数据风控为基础、区块链等技术为辅助的独立风控体系下，实现数据理念以及数字化手段创新，从而完成贷前、贷中以及贷后风险管理全流程业务闭环的成果落地。 贷前审批等流程可以实现完全线上化，贷中额度决策、签署合同等流程实现系贷后管理、预警等流程应运用模型决策银行应实现贷前、贷中以及贷后全流程操作优化提升企业体验满意度统自动处理，减少相应人工成本实现智能化、实时化，从而减少风险数据模型推动，从而形成风险管理闭环 银行需要根据行业特性，甄别不同行业银行需要从贷前审批到贷后管理合理划运用大数据，合理设置供应链金融风控针对量化目标以及风险环节，银行需建 的供应链金融节点风险分风控环节，实现分工独立目标，且将目标量化立个性化大数据模型 银行需加强内部工作人员理解数据重要信息互通是供应链金融重要原则，因此，与外部企业合作时，需要在保证数据安银行需建立专业供应链金融风控团队，新，并提升其对处理数据的能力内部协作同样需要避免内部信息孤岛全情况下注重有效数据的采集持续培养，因而加强风控效能 人工智能的应用，从一定层面解决大数物联网致力于虚拟和实物的结合，可以大数据风控具有局限性，与区块链等新大数据解决传统风控效率低下等痛点，据风控有效性低等问题有效解决大数据风控数据低质等痛点兴技术结合将打破大数据风控僵局叠加新兴技术可以解决大数据风控痛点 建立大数据技术为基础，其他技术叠加的风控体系 大数据+区块链 大数据+物联网 大数据+人工智能 技术创新 构建以数据为基础的理念和环境 外部沟通数据理念 内部协作数据理念 人员数字理念 理念创新 根据目标和环节建立模型 明确风控目标 合理划分风控环节 甄别供应链金融风险 模式创新 形成风险管理闭环 贷后流程智能化 贷中流程自动化 贷前流程线上化 流程创新 技术升级：银行风控应以大数据为基础，并叠加区块链、物联网等新技术应用实现技术创新 相较于人工风控，大数据风控具有准确化、实时化以及自动化等优势。但由于大数据技术本身较为滞后，仍面临数据安全、数据质量和数据有效性等问题，不足以满足具有复杂性特征的供应链金融风控需求。 新兴技术逐渐渗透在金融业，并带来数字化风控变革，人工智能、区块链以及物联网等新兴信息技术在供应链金融风控中的应用将解决大数据风控问题，从而增强风控准确性。因此，银行仍需在发展大数据风控基础之上，叠加应用区块链等新兴技术以提高供应链金融风控效能。 亿欧智库：供应链金融大数据风控与其他技术风控结合优势 大数据优势 大数据风控具有处理大量数据的优势，有助于银行进行大 大数据风控存在局限性 数据安全问题：泄露数据很大程度威胁到企业安全甚至国家安全，所以部分核心企业不愿意披露企业经营数据。这导致银行难以收集信息，从而数据维度不全面，无法对贷款企业做出精 大数据+人工智能风控 大数据和人工智能的结合应用相对成熟，人工智能有利于数据价值挖掘与决策，很大程度解决了数据有效性等问题。 人工智能应用场景 反欺诈分析供应链画像刻画预警系统建设 大数据+区块链风控 特征优势解决大数据技术痛点 量数据分析。 大数据风控还具有处理多维度数据 准判断。 数据质量问题：例如淘宝存在“虚假”以及“刷单”交易。 数据有效性问题：大数据风控对于偶 分布式 不可篡改 去中心化 用于银行监控企业数据，数据收集公开透明，具有开放性优势。 每一节点皆受到监督，从而减少单一节点数据造假风险。 节点设置将记录所有操作，包括数据调取；同时加密处理也加大了数据安全性。 大数据+物联网风控 数据孤岛 数据泄露 数据低质 的优势，助 力银行多方交叉验证。 发事件判断错误率较高，例如大数据无法预测黑天鹅事件对贷款企业造成的风险。 物联网技术实现实物和虚拟信息相融合，在供应链金融中起到贷后监控实物的作用，真正实现物信合体 。 例：江苏银行推出“物联网智能贷后监控预警系统”实现智能、高效风控。 物联网技术与大数据技术相结合，从不同维度获取数据，实现信息流、资金流、物流和商流交叉验证， 从而减少单一大数据风控数据低质等问题，大幅度提高供应链金融风控效能。 理念升级：数字化供应链金融风控背景下，银行内部协作和外部沟通皆需提升数据理念 相对于其他小微企业信贷模式来说，供应链金融是依托于庞大网链组，参与主体较为丰富、流程较为复杂的金融模式，数据是支撑其风控体系的基础。因此，对于银行来说，数据理念的提升迫在眉睫，银行需要做到会收、会管以及会用。 在数字化风控系统下，银行需建立完善内部协作体系，保证内部各部门数据理念升级，从而实现信息互通。在外部沟通过程中，为保证数字化风控有效性，银行需要连接外部，实时获取交易信息并确保信息准确性。 内部协作外部沟通 数字化转型下，供应链金融 内部信息化 银行需要清晰绘制所有管控环节，对于每个流程的监控要分工明确且相互连通。对于内部管理来说，要提升数据理念，实现内部信息化沟通。 风控基础是数据，随之协作 体系逐渐变化。 数字化风控基础是数据，数据量大小直接