)中国有近8000万家中小企业，占据中国企业总数的95%，贡献全国GDP约65%。但是一直以来，因为没有足值的抵押物以及企业信息不透明、不完善等问题，导致其在以国有银行为主导、注重抵押物的中国金融业风控体系下，始终徘徊在银行以及众多非银机构的金融服务范围之外。
那么大数据时代，如何利用新技术助力中小企业发展，成为许多金融机构和数据服务企业开始思考的问题。
耀盛中国集团总裁原旭霖在接受数据猿采访时提到，中小企业在成长过程中常常面临产业升级、店面扩张、上下游资金周转等问题，相比大型企业，其对金融服务的需求更为迫切。但传统金融手段，如信贷、保理、融资租赁等在触达分散小微商户方面略显短板。随着大数据、移动互联网、云计算等科技手段逐渐渗透到金融领域，正使原有金融服务变得更高效、服务群体辐射更广泛。
原旭霖，耀盛中国集团总裁，就读于北京大学中国经济研究中心(CCER)，拥有数学与应用数学、经济学双学士学位，管理学硕士学位;曾任职于渣打银行SME(中小企业部);此外，原旭霖还是中国中小企业信用评级标准RISKCALC、DSR算法制定者。
中小企业的金融服务需求更为迫切
如今，从BAT巨头到创新创业型互联网企业，几乎都在通过技术手段解决C端用户需求、优化用户体验，然而对于为C端提供服务的企业而言，他们面临哪些问题?又该如何解决这些问题，却鲜有人问津。
原旭霖认为，尤其以中小微企业为主的企业面临两大问题，一是资金问题、二是获客问题。
在中小企业寻求金融服务的过程中，因无足值抵押物和完税证明等缺点，导致从传统金融机构处寻求金融服务的过程中屡屡碰壁。当“融资难、融资贵”的问题超越“企业扩大店面、产业升级”等经营问题时，很容易导致中小企业因资金短缺或者供应链金融服务不到位而导致产业升级无望、甚至倒闭破产。
原旭霖介绍说，耀盛曾服务过一家汽车后市场类的B2B电商平台，该平台虽然解决了4S店和修理厂采购配件需要汽配城的痛点问题，却一度面临来自上游厂家和下游客户的资金压力，险些倒闭。因此，金融服务对于中小企业保持发展活力而言意义重大，企业征信，作为中小企业服务的重要一环，也开始越来越受到关注。
原旭霖认为，大数据征信借助互联网、移动互联网、社交、电商等相关手段，数据源十分广泛，征信机构或企业可以快速获取海量数据，然后从海量数据中甄选出有效数据并建立有效模型。但是现实情况是，很多机构还是缺乏对有效数据的筛选能力和分析能力。
不过，原旭霖表示，中小企业的“融资难、融资贵”的困境是由多方面原因造成。从某种程度上，大数据征信可以解决一些授信受时间地点所限的难题，但无法从根本上解决中小企业融资的问题，要想从根本上解决这一问题，必须真正了解中小企业的特点和需求，为其提供真正合适的金融解决方案。
目前，耀盛集团可以针对中小企业成长发展提供全生命周期的金融服务。
在中小企业初创期，耀盛旗下的“普付宝”可以通过智能支付方式，以商户账户的支付交易数据为基础，将贷款、理财、营销、消费金融等多种叠加服务提供给小微商户，从“资金需求”和“获客需求”两个角度帮助其降低成本，增加获客并增强客户黏性;
随着企业发展壮大，耀盛的小贷、商业保理、融资租赁将可以提供店面扩展、产业升级、上下游应收账款结算以及设备租赁等全方位金融服务;
当中小企业走向强大，将香港作为IPO目标之地时，耀盛资本、耀盛证券、耀盛基金也可提供从上市保荐、股票承销、资产管理等综合的金融解决方案。
传统信用评级与大数据风控需要的是强强联手，而非替代关系
事实上，袁旭霖向记者介绍说，中小企业的信息不透明以及信用缺失等问题是导致其融资难的深层原因。目前，我国市场对中小企业的信用评级并没有特别明确统一的方法，借贷机构很难通过一般渠道获得中小微企业的真实信息，那么在无法快速判断企业经营状况和财务风险的时候，自然也就无法确定借贷额度，并确保借贷安全。
随着大数据风潮愈发汹涌澎湃，风控、征信已经成为被提及最多且落地最为成熟的大数据应用领域之一。那么，对于传统的信用评级机构发展而言，这会带来怎样的冲击?传统信用评级的风控技术与大数据风控技术相比，二者又孰优孰劣呢?
作为中国中小企业信用评级标准瑞思科雷RISKCALC制定者，原旭霖表示，中小企业信用评级的核心风控技术，是通过对借款人多维数据进行分析、对中小企业的偿债能力和偿债意愿等进行客观评价。中小企业信用评级的风控技术同样具有相对严格的流程和规定，并已经获得市场认可，能够对资产端立体化风险管控起到决定性作用。
以中小企业为例，在对其进行信用评价之前：
首先，将对资金流稳定的相关性行业进行筛选，比如餐饮、娱乐、健身、文化、环保、健康等服务行业，以及超市卖场等零售商及其供应商。这类与老百姓衣食住行相关的行业不易受经济环境影响，数据更加稳定客观。
其次，通过技术手段，实时采集企业多维度数据，包含线上、线下，量化和非量化数据，总计260余项参数。
然后，建立风控模型。一方面，通过线下定性指标，如家庭构成、社交圈、生活消费等，判断借贷企业是否具有还款意愿。另一方面，通过线上征信的定量指标，如借款企业的交易流水、与上下游的交易合同、企业完税情况、现金储备、资产价值、股东实力、企业实际控制人个人征信报告等，判断借贷企业是否具还贷能力。
最后，还将进行相应的贷中、贷后管理。
其实，目前传统中小企业信用评级风控技术，在数据采集过程中已经开始逐步使用大数据，尤其定性数据方面，例如电商交易数据、O2O网站等线上评价数据在瑞思科雷RISKCALC指标中的权重已经越来越大。
原旭霖对数据猿讲到，“互联网+”时代，无论B端还是C端企业，都在互联网留下大量信息，如果传统的信用评级公司仍然一味地只采用线下数据，忽视市场变化，采集到的企业信息必定不全面，那么通过不全面的数据信息对企业进行信用评价，无疑是不精准的。而信用评级结果又是放贷的重要依据，长此以往，必将面临巨大风险。
而对于目前风生水起的大数据风控，他认为，其在数据源、数据获取渠道等方面具有很强的优势;从数据采集到数据建模，较之传统信用评级技术而言，效率确实大有提升。但是，大数据风控需要经过若干放款周期验证、模型迭代之后，精准性才能得到判定。
因此，原旭霖强调，大数据风控在效率方面的优势虽然不可忽视，但中小企业信用评级的风控技术也具备扎实的风控制度和完善的模型基础，如果将二者结合，既能有效利用互联网数据获取渠道，又可参照严格的传统风险控制制度和相对适应市场的风险控制模型，则能够对中小企业的还款意愿和还款能力做出更准确判断。
我来说两句排行榜