银行开展供应链金融的5个核心支点

　　现今是大数据的时代，数据将会提升金融行业的运作效率，驱动供应链金融的发展。

　　而由数据驱动的供应链金融是基于供应链核心客户所提供的财务信息，交易相关信息(包括但不限于核心客户及其交易对手或客户的采购、销售及存货等信息)和其他第三方信息(包括但不限于海关、商检、物流、第三方支付等信息)。

　　银行可实现全流程动态风险管理及线上化作业的综合金融服务解决方案。因此，它的发展必须依赖于以下五大支点：

　　1、数据来源的真实性

　　数据来源的真实性是数据驱动的供应链金融的基本要求。这包括四个方面，一是数据来源真实可靠、二是数据传输安全有效、三是数据来源的多样性、四是数据来源的持续性。

　　传统供应链金融是以客户提供的静态财务数据为主，加上交易流水、合同发票、人行征信和税务等简单数据支持。在这个模式下，银行风险依然存在。

　　要解决这个问题就应结合具体业务场景搭建供应链平台，通过各种渠道引入各类关键数据，包括几类：

　　一是财务数据，主要是核心客户及其上下游客户的基础财务数据。

　　二是交易数据，主要是核心客户和上下游客户的交易相关的订单数据、商品数据、物流数据、支付数据等。

　　三是行为数据，主要是核心客户及其上下游客户的征信数据、税务数据、法律数据、舆情数据等。

　　四是验证数据，主要是第三方渠道提供的查册数据、认证数据、溯源数据等。通过特定产业的具体应用场景内的海量数据积累，保证数据来源的真实性。

　　2、基于数据化的风控体系

　　风险管理是金融企业永恒的主题也是核心竞争力之一。不论是商业银行、互联网金融公司，还是商业保理公司或者科技金融公司等所有金融机构，其业务逻辑或者风险管理要求本质无较大差别 ，都是要兼顾资金的安全性、流动性和效益性，只是各自所面对客群、金融产品、风险偏好存在差异。因此，风险管理体系建设是金融机构开展业务的首要工作。

　　数据化风控体系包括三个层面：

　　一是数据的风险管理子系统的建立，即前面所说的数据来源真实性。

　　二是数据的逻辑关系或算法子系统的建立，即如何通过科学的算法确保数据之间的逻辑关系与实际场景内的交易关系相匹配。

　　三是基于数据的风控模块化管理或风控模型子系统的建立，即如何结合实际场景把风险管理按业务发生的路径或顺序进行流程化和模块化设置。通过数据和算法的运用实现数据化风控体系的搭建。

　　3、基于数据化的人才资源

　　“打铁还需自身硬”，懂数据和金融的复合型人才或专业团队是开展数据驱动的供应链金融的基石。除商业模式本身的创新外，人才发展战略也是金融企业发展的核心战略之一，如何应对新技术和新模式带来的人才需求的转变，规划符合企业自身人才发展战略的最佳实践路径成为金融科技企业要面对的难题。

　　据普华永道发布的《2017全球金融高科技调查中国概要》指出，中国有71%的金融机构受访者认为招聘人才比较困难。据全球招聘顾问公司Michael Page发布的《2017中国薪资和就业报告》，目前国内金融科技人才总缺口达150万。在这么大的缺口之下，中小银行很难实现转型升级。

　　针对这一难题，中小银行需要努力联合各方资源，理论结合实践，加速培养金融科技复合型人才，帮助自身构建金融科技人才的选、用、育、留体系。

　　4、供应链金融的生态伙伴

　　生态圈对供应链金融的持续和健康发展至关重要。数据供应链金融中的生态伙伴主要包括四大群体：

　　一是企业客户，如供应链头部企业、上下游客户、电商平台、供应链公司、物流公司等，此类群体主要掌握客户和交易数据;

　　二是金融机构，如银行、互金平台、租赁、保理、基金、信托等金融机构，此类群体主要掌握资金和金融市场数据;

　　三是官方机构，如法院、海关、税务等，此类群体主要掌握客户的行为数据;

　　四是科技公司，即掌握ABCD等技术的科技企业，此类群体主要掌握的数据的搜集，处理和分析工具。

　　从数据驱动的角度而言，这四大群体，应该是相互依赖的共生关系，共同构成数据供应链的完整生态圈。

　　5、基于数据化开放的系统管理

　　国内商业银行现处于数据资产化、产业化和生态化的起步阶段，且银行运用大数据技术以描述性数据分析为主、预测性数据建模为辅，以自身交易和客户数据为主、外部数据为辅。

　　在供应链金融业务不断开展的过程中，商业银行必然会面临以客户为代表的日益增加的外部数据，相较商业银行内部数据而言，外部数据在信息涵盖范围与数据标准方面均不可避免地与商业银行内部数据存在一定的差异，对供应链金融业务的开展形成阻碍。

　　通过数据化开放的系统管理，建立一整套的数据标准转换规则，实现内部数据与外部数据的无缝对接，有助于供应链金融业务开展的高效率与资金的精准投放，与数据驱动下的供应链金融相辅相成。