小微企业融资难、融资贵、融资慢，已不是一个新问题，早已经被喊成了顺口溜，可问题依然存在，以致于小微叫苦、银行却步、业务员动力不足。
排列科技认为，形成这种局面的原因，并不是小微信贷无利可图或者没有市场空间，而是在传统服务模式和技术条件下，小微企业缺信用、缺信息、缺抵押，受信息不对称与市场不确定性影响，小微企业金融服务面临的成本高、风险大、效率低、供需不匹配等问题没有得到根本缓解，从而影响到银行为小微企业提供普惠金融支持的内生动力和商业可持续性。
图片来源：摄图网
困难与挑战之下，并非无转圜之机。既然小微信贷受限于传统服务模式和技术条件，那么只要能够突破这些约束条件，小微难题就有望迎刃而解。
近来，小微信贷市场的普遍信心增涨，就基于两个层面共同形成的“破局”之势：一是政策层面利好不断，二是技术层面的积累与突破。
政策面：新年伊始政策连出，宏观支持助破局
发展实体经济与稳定就业，是国家经济工作的两大重心，而民营小微企业是实体经济的微观基础，稳定就业又主要靠千千万万的小微企业。
因此，国家破除小微企业融资难题的决心非常大。2019年刚一开始，就不断释放利好政策，加大对小微企业的普惠金融支持。主要体现在三个方面：
（1）央行调标准：中国人民银行决定，自2019年起调整普惠金融定向降准小微企业贷款考核标准，由“单户授信小于500万元”调整为“单户授信小于1000万元”。这势必有利于扩大普惠金融定向降准优惠政策的覆盖面，引导金融机构更好地满足小微企业的贷款需求，使更多的小微企业受益。
图片来源：中国人民银行网
（2）总理谈降准：2019年新年伊始，李克强总理于1月4日接连考察中国银行、工商银行和建设银行普惠金融部，并在银保监会主持召开座谈会，强调要加大宏观政策逆周期调节的力度，进一步采取减税降费措施，运用好全面降准、定向降准工具，加大支持民营企业和小微企业融资。
（3）农商归本源：2019年1月14日，银保监会发布《关于推进农村商业银行坚守定位 强化治理 提升金融服务能力的意见》，明确要求农商行严格审慎开展综合化和跨区域经营，坚守服务“三农”和小微企业的市场定位，更好地回归本源、专注支农支小信贷主业，促进解决小微企业融资难融资贵问题。
对于小微企业融资的宏观环境，国家政策的影响至关重要，全方位的政策支持，必然促使小微信贷的外部环境发生极大改善。直白而言，小微信贷市场并不缺乏资金，“水往小微流”是宏观趋势。那么剩下的，就是具体的市场运营与技术操作等问题，也即如何打通资金到达小微企业的“最后一公里”。
技术面：科技助力打通普惠金融“最后一公里”
有了政策的支持，资金的助力，自然离不开技术的实现。
此前，银行面临的难题，一是获取信息难度大，导致成本高，二是风险评估难度高，准确性不足。如果不花费巨量成本获取信息，就无法缓解信息不对称，而要遴选出符合条件的低风险客群，又必然需要足够的数据，以便准确评估。
综而言之，信息不对称和市场不确定，造成小微企业信贷难以定向滴灌、供需严重不匹配、成本风险双高难下。简而言之，归根到底还是：数据与风险。
在这种背景下，近年来大数据与人工智能的迅速发展，为运用技术破除这些难题带来了可能。目前，市场上的参与方，都在积极将大数据、人工智能等前沿技术融入到普惠金融的征信和风控等流程，寻求小微企业融资困境的破局之道，期望彻底打通资金到达小微企业的“最后一公里”。
以杭州排列科技为例，就具体从信息获取、企业画像、关联图谱、动态定价等几个方面，针对性地解决银行小微金融服务的数据与风险难题：
（1）大数据信息获取：银行以往对小微企业所能把握的数据维度较少，导致风险覆盖面窄。面对这一问题，运用大数据技术，采集、整合行内自有数据与行外第三方数据，包括基本信息、法人信息、负债信息、现金流信息、征信信息、司法信息、专利信息、供应链情况等，海量的数据资源，丰富的数据维度，有助于保证银行风控的准确度与覆盖度。
（2）大数据企业画像：小微企业画像包含企业和负责人两个方面。获取小微企业的数据之后，首先是对数据进行处理、挖掘、分析，完成数据细粒度化与企业特征提取，根据行业特点定义标签业务规则，通过标签化形式，描摹出企业的真实面貌，帮助业务人员和管理人员全面了解小微企业，为后续的贷款流程管控、风险分析和预警做好准备。其次是对企业主要负责人进行个人画像，通过对主要负责人的了解，为小微信贷决策提供辅助。基于大数据企业画像的分析，能够迅速识别企业，区分优劣，对众多小微企业进行分层、分级管理。
图片来源：杭州排列科技
（3）企业关联知识图谱：受市场复杂性约束，很多时候，单纯了解企业本身的信息，还不足以给出准确的风险与定价评估，比方说，一些优质的小微企业，无法根据其自身的公司情况来判断其实力与潜力，而一些“老赖企业”，则会通过各种投资或重组手段，改头换面成一家表面信用背景良好的企业。这种情况下，引入知识图谱技术、供应链金融就能恰切地抓住问题的“命门”。
例如，排列科技就尝试将知识图谱技术运用到企业关联分析里，帮助银行挖掘企业关联信息，识别出错综复杂的企业间、股东间关系以及供应链上下游的关系。如此，银行一方面可以围绕核心企业，管理上下游中小企业的资金流和物流，以核心企业的信用做背书，向链条中上下游的小微企业提供的金融服务；另一方面可以揪出那些改头换面的不良企业，进行提示、预警，避免合作。
（4）小微信贷动态定价：运用企业画像和知识图谱抽取的有效信息，利用风险评级作为底层基础，综合考虑FTP成本、客户风险级别、客户价值级别等定价因素，银行就能够针对性地为小微企业提供更灵活的贷款额度和利息方案，根据动态定价配置，进行差异化定价，在风险可控的前提下，做到千人千面的小微信贷服务。
从目前的行业实践来看，大数据与人工智能等技术的运用，一方面让银行能够以更合理的成本获取信息，用以实现风险评估、定价，极大地缓解了信息不对称，另一方面，银行得以在低风险范围内实现定价，精确遴选出符合条件的低风险客户、客群，损失率降至合理范围，有效降低了小微放贷的风险与成本。
从宏观层面上来说，随着传统银行、金融科技公司纷纷在小微信贷的技术融合上发力，国家“脱虚向实”、“定向滴灌”的普惠金融政策，也就能够不再“悬空”，而是得到确确实实的落地执行，实现普惠金融的初衷。
