非常感谢这次有这么好的机会，通过《经济观察报》的这个平台跟大家一起来做一个交流和分享。作为数据技术类的公司，在参与这个金融大的浪潮当中我们这些年的实践和体会跟大家一起做一个分享。

大家都知道，在整个金融领域，尤其小微这个群体，在中国数量非常大。将近5、6千万的小微，这波人群确确实实没有得到金融资源的关怀和配置，早一些年政府也提了小微融资难、融资贵积极倡导很多的金融机构大家一起共同为这个小微群体提供更多的资源的支持。确实没有找到特别好的方法。终究来看，我们传统金融机构原来更多服务于相对融资规模比较大的群体。整个体系的建设，产品的建设，团队的建设跟整个小微的客群是不太符合的。所以人群发生变化的时候，需求在发生变化，同时罹难也必须要在发生着变化。有的传统的金融机构可能在这个过程当中没有迅速地调整过来，同时作为小微来讲因为它的客单非常低，一单只有50万以内，如果传统流程形态来做可能很难覆盖成本，随着整个互联网时代的到来，以及数据技术逐步崛起之后，其实这个市场的形态也在发生着新的变化。整个互联网化的过程是一个数据化的过程，这个数据化的过程可以给小微基于数据做纯信用贷款带来三个新的变化。

1，数据源在早期可能很多小微企业的数据源难以采集。互联网化之后数据源越来越不是问题了，很多小微在交易的行为逐步都清晰到了网络上，很多电商以及O2O的这个上铺，它的交易逐步清晰到线上的。同时整个经营当中IT化的程度变高，所以这个过程中IT的数据，就是大量的经营已经慢慢开始数据化了。

2，这些小微当中至少千万以上的小微，它的经营或多或少一定程度上数据化。举个例子，收音机的生产商统计，一年至少是出货量至少是百万级左右。大家知道收音机这个出来都是小票商留存着这个大量交易数据，如果把历史交易数据汇集同样有非常好的，能够来识别这个小微的盈利能力等等一些数据有很好的挖掘。 3，数据技术识别风控的能力也在增强。大的数据化浪潮给我们带来数据源，更多的客户数以及这个数据技术。在这样一个背景下面，低成本的获客以及自动化的审批，就银行审批这个能力转化为规则，用规则引擎直接自动化的出授信的结果都成为一种可能性。所以这成为未来发展的方向。

当然美国市场上，一些做的还非常不错。国内阿里小贷也是这个领域的佼佼者，但是在整个数据的运用小微信贷的过程中，虽然面上看似乎条件已经越来越成熟了，但是 从实战的角度来讲，基于交易数据做授信同样也碰到了，尤其中小的银行，相对技术力量以及数据力量相对弱一点的银行，同样碰到很多的困境。第一数据源，相对占比比较低。然后也很分散，周期不够长。

举个例子，如果我们给美团上每一个餐饮店做授信给他放贷，毫无疑问美团这个交易额占整个的授信额度分量太少。像刚才提到的收音机将近千万级的小微已经用的收音机，但是市场上收音机的品牌特别多，至少五百至一千家，这些数据非常分散。周期不够长，银行授信通常要12个月以上，美团上开的时间比较短，这个数据可能是不够的。这样导致整个过程当中就需要多纬度的数据叠加，甚至是有不同纬度的数据相互交叉，引证才能真正满足整个授信的需求，真正成为一个有价值的信贷数据的话，可能这需要的整个技术力量还是比较强大的。需要在把国内大量的，刚才讲的像交易平台，各种类型的交易平台，因为像要微开店的时候同样多平台开店，多维度的数据只有集成，它才能真实反应它场景的交易数据。

另外，如果交易周期不够需要银行卡留存需要做一个补充。这样的一个搭建规模化、标准化、在线化不可篡改数据的体系，中小银行机构相对来讲不经济，我们需要做的事情就是把这种不经济，能够集成在一起，提供一个金融大数据处理的平台，甚至基于行业基于区域。比如说云南的银行需要做民宿类的行业，这个民宿贷款怎么采集我们都可以做行业化的定制。中小金融机构希望切入到小微以数据做纯信用贷款，整个大数据的处理平台可以做一个比较好的输出。整个服务当中可以说分成，如果目标市场来讲相对比较成熟的，针对有订三的行业，商超酒店、餐饮以及物流，这五个行业回想一下整个交易数据化程度非常高了，包括酒店、餐饮的数据还是有占据蛮大的一个比重。基于这个行业可以定制化的设计产品，最重要的就是我们的希望能够以我们的技术力量，能够协助好中小的企业，能够给他们搭建三大平台，IT的系统，客户经理拿着跟客户交流的系统也好，APP系统也好，以及后端的在线审批系统，第一就是搭建IT平台，第二个就是搭建数据平台，第三是搭建风控平台。我们不是纯粹意义的数据公司。我们希望把数据跟业务能够高度或者深度地融合，能够参与到整个业务过程当中来。我们希望做一个定制化金融一个小微的解决的一个方案。我们为各个银行单独开发它定制的APP或者说也可以进入到银行自己的PC端，微信端，以及它的这个移动端。当然开发完了之后做一个数据的配置，如果做餐饮贷我们切入可能是餐饮相关的数据，如果要做物流贷当然也是物流的一些相关的数据配置。有了这个数据配置这个后台自动生成这个报告以及这个评级的额度，完了之后这个贷后可以实时检测的一套系统。这样子比较快的能够帮助我们的金融机构很快的来尝试，这个小微金融这个业务，这是我们后台的这个实施系统。

数据源角度可以做定制也可以做配置，所谓配置就是开发完各种纬度数据源可以直接选择，相对于做了一个模块配置，同样可以针对当地市场一些特殊的，比如说西安银行，可能它这个第二大股东是当地的那个烟草局，它可以做一些烟草的贷款，我们可以做烟草的配置。交易数据，包括这个印证类的数据，还有金融支付的数据，把国内针对小微客群采集到大部分的数据源都采集到了。无论是电商还是物流，可数据化的形态我们都做了配置。提供也提供了四个纬度的，行业本身，店铺本身，以及这个企业主本身等等几个温度，将近40、50个子模型。可以测算数他们刷单的比例以及店铺的比例，包括这个行业的模型。因为在投放贷款的时候，如果说这个行业在整体完善的话，这样投放带来的风险比较大，小微的话行业风险有的时候远大了经营风险。我们所有细的行业的经营成长规模稳定性的一个评分，给大家比较好的行业叙述的参照。

简单介绍一下这个元宝铺公司的背景，我们原来在零售行业做了十年时间，今后也参股了十多家公司，在数据、金融、广告、领域也有比较好的基础。作为这个元宝铺是一个定义为金融大数据平台，希望帮助或者协助中小的银行，他们要想进入到小微的领域我们可以提供一个IT的平台支持，数据的平台支持以及风险的控制的这么一个平台的支持。目前为止也跟在全国50多个城市，十多个银行也经历了合作关系，大概一年多的时间，也将近做了20多个亿的一个授信。

同时我们整个团队主要来自于五个方面的同事，从数据的话也是国际上定见的首席架构师，包括蚂蚁金服，包括零售领域，互联网领域的以及银行领域的，这也是我们跟平安银行以及微众和其他银行的一些合作的情况。

总而言之，我们整个模式来讲就是只要这个中小的银行想要进入到小微，基于数据做纯信用的放款，我们可以提供做前端系统的定制以及中间这一端的数据的定制，后端风险的定制，甚至在刚才讲到五大行业我们也会跟银行，也愿意做一定程度的上风险共担。所以很希望后续有机会跟在座的各位金融界的朋友们，大家一起合作共同把中国这 个小微客群本该受到更多关心、支持、关注的这波人群，它同样也解决的国内80%以上的就业问题的这波客群，能够协助他们更好把中国这个金融资源配置到这个人群当中，谢谢大家。