做供应链金融分三个要素，产业、科技、金融，缺一不可。产业是核心企业、上下游、物流、仓储，提供的是供应链交易的场景和客户。资方，银行、保理、集团自有资金、托盘资金，提供流动性支持，科技原来是比较弱化的，觉得科技只是信息化，只要做一个供应链金融系统而已。我个人觉得这种观念是错误的，科技在供应链金融里面的价值和以前所谓的企业内部信息化做ERP系统是不同层面的东西，科技本身是供应链金融业务的一环。
从我个人的观点来看，风控分为三块：
资金端的风控，银行等资金方会从他的角度对你的主体进行核验，包括平台的风控怎么来做，风控结构是怎样的，平台上的融资方的情况，以及可能会要你提供保证金、以及资金流的把控，资金方天然是对资金的把控是有优势的。
产业端的风控，从产业端来看，有场景提供数据，核心企业对应收帐款进行管理，物流相关的对货物的管控，回款帐户的管控，核心企业对回款帐户的管控，货物的处置。
供应链金融的风控，分为两大块，一是结构化的设计，做风控一定对整个供应链金融有整体化的设计，后面也会涉及到，结构化设计更偏咨询和规划层面，往下是融资主体的信用、准入管理、额度的管控、货值的管控以及资金的管控，我觉得都可以用金融科技的手段帮助咱们从五个层面进行管控。
交易结构设计这块，我个人分为两部分。
第一部分是产业的交易结构，每个产业有自己的产业交易结构，要做供应链金融就得把产业的交易结构搞清楚，分析清楚每一个角色主体的特性、诉求、痛点。
第二部分就是供应链金融的交易结构，不是把产业的交易结构简单拿过来而是基于供应链金融的交易结构。因为你为了更好控风险，需要深刻理解产业上的交易结构系怎样的，主体之间都是什么样的逻辑关系，或者他们的优劣势以及诉求在哪里。一定要先把握你所要做行业的交易结构，以及供应链交易结构，明确主体之间的关系和法律关系，明确规划和设计清楚之后再往下开展。
我觉得数字化风控可以落地的。供应链金融不是消费金融，不能完全依赖于数字化风控的结果实现自动化审批，但是可以对金融的结果提供非常好的帮助，比如是价格的监控，如果不用科技的手段是做不到的，可以通过金融科技和内部外部各种数据的清洗、整理、分析建立模型，为我所用，对金融的决策起到辅助的作用。
数据来源有三种来源方式：
第一块是企业内部的供应链管理系统或采购系统，可以通过接口对接的方式来实现数据中心；
第二块是外部系统，可以通过对接或模拟登陆的方式。这种模拟登陆、爬虫或是导入只要是合法的，尽量不要靠人去做，人是不可能天天盯着找价格的，而且是容易出问题的。所以外部系统有接口、爬虫、EXCEL导入的方式。
供应链金融更重要的数据是企业的数据，以及行情的数据和价格的数据，这是公开的数据，也会通过数据抽取。也有很多企业的公检法、行情价格数据等也是通过爬虫等方式得到的。
比如说企业相关的有100个纬度的数据，哪些可以作为风控的规则，哪些可以作为评分卡来评分，然后可以对贷前、贷中、贷后环节，客户的定价、评级以及评估报告进行输出，这些在我们实践过程中还是很有价值的。如果靠人去干，效率很低而且容易出错，通过数据化风控这种方式不会犯错误；有些事情靠人是无法做到的，建立数字化风控的体系，很多事情可以让机器去做，但前面建立的这套体系要大，包括数据中心、数据体系、风控体系。
数据量足够的话可以做评分卡，而且这个过程当中是动态的过程，根据业务的状况和人工评估的结果不断修整风控的模型，最终达到跟人工判断是比较相符合的，人为判断的影响因素更小。
简单介绍下汇融的风控引擎产品，它可以自动化进行风险的评估，提高整体的审批的效率，使你的业务过程当中审批效率得到提升。
现在做的都是场景化的供应链金融，场景很关键，不同的场景有不同的产品，不同的产品有不同的资方，不同产品的风控逻辑是不一样的，产品模型也不同，这就意味着多个金融产品，每个产品都有风控模型，风控引擎都可以帮你更好的管理。
另外，风控引擎可以做到风控逻辑和业务逻辑相分离，比如前面有准入的规则、授信的策略，有后续的策略、贷后预警策略等等，这些策略是可以通过风控引擎统一管理起来的。业务归业务，风控归风控，可以做到很好的分离。
我们有一个客户，现在100万以内基本上可以做到不用人工干预，因为他已经做了4年时间。刚开始是一个月调整一次模型，后来是三个月一次，到现在为止基本上是可以相信风控引擎跑出来的结果跟人工判断已经相差不大了。100万以内的基本上可以做到自动化的审结，人工干预非常少。这是4年沉淀下来的结果，而不是刚建立出来可以达到这个效果。
一定要建立自己的风控模型，并把它当成你未来的核心竞争力，数据和模型的沉淀和优化当成自己的核心竞争力来做，因为这个东西不是靠花钱就可以买来的，真正好用的模型一定是通过业务跑出来的，而不是别人帮你做出来的。很多客户问，你们能不能给我一个模型，这个模型用了之后风险就没问题了？这是不存在的，这也是他们的误区。
供应链金融风控如果再分解的话，分为五个层面：
主体层面，包括主体的风险评估，相关的贷款主体的信用情况，包括准入模型、主体信用平分、额度的管控，对每个主体做额度的管控；
交易层面，主要是交易真实性的验证，四流数据交叉验证；
交付层面，交付风险管控，在途、在库货物管理，货值的管理；
资金层面，资金帐户体系、定向支付管控和银行流水的监控；还款来源的锁定都可以通过帐户体系来实现。
风险敞口层面，通过保证金和备付金的方式，主题担保机制、货物处置机制。
我从这几个层面，金融科技做的事情来做一些具体的分享。
融资主体信用的评分，更多是通过线上、线下各种手段，从行业、交易交付数据、企业主体数据、企业实控人数据等多个角度收集数据，通过专家经验和数据分析手段建立风控模型，为前中后提供风控依据。
我们做的大宗行业基本面的数据、期货现货的价格、货值行情的数据。交易平台中客户的基本情况和历史交易数据的情况，包括当次定单和物流交付数据，物流交付数据就包括GPS、运单等数据都是验证真实性的环节。
企业主体包括基本面的数据、公检法、企业舆情、财务、人行征信数据、银行流水、水电。还有企业实控人的数据、个人征信的数据、社会化的数据、非银借贷数据、涉诉信息。
交易真实性验证，我们在实践当中一般会结合ERP或交易平台，像WMS物流交流的信息、TMS的数据等这些作为数据来源，通过这种交叉验证来确定是不是真实的订单，包括结合订单数据、发票、资金等这些数据在一起做真实性的校验。
要做到控货的，货值监控是很关键的，有一些价格波动会比较大一点的。通过RFID等物联网手段去传达数据，包括物流系统的数据、价格的数据，接到数据中心里形成库存的信息、商品信息、价格信息，商品有效期，判断是否达到警戒线了。
动产质押货是拿钱赎货，每天都有还款赎货的动作，仓库里的货的价值是可以实时计算的，如果不通过系统的方式是无法做到这一点，不可能完全靠人盯，在货的监控里面，通过各种数据的收集去判断货值，如果货值到警戒线就采取措施。
银行帐户体系用于供应链金融公司控制资金这块很有价值。包括在线开户，因为很多的经销商客户都是在全国各地的，没办法线上开户。融资资金的定向支付，包括确保回款的来源，实现在线的资金清结算。因为在供应链金融平台里面资金的清分可能会涉及到多方，通过帐户体系可以实现在线和合法合规的资金清分。
我们的方案里平台有一套平台的帐户体系，因为有可能做的比较好、比较大的平台有可能对接多家存管体系。平台有一套帐户体系跟不同的银行账户体系做打通，做数据的对账和清分，通过这种方式可以很好的做到平台可控，并且资金流和票据留可以对应上，这是比较好的手段。
Copyright © 2015 yirun All Rights Reserved 沪ICP备16025710
沪公网安备 31011502008968号
