今年5月，《政府工作报告》强调大型商业银行普惠型小微企业贷款增速要高于40%，并鼓励银行大幅增加小微企业信用贷、 首贷、无还本续贷。

虽然国家提出40%的增速要求，但国有大行普遍表示压力较大。当下提高小微企业的信贷比例，需要将贷款目标客群进一步下沉细分，没有抵押物，就需要更多维度的数据来审核风险，传统仅靠线下人工的逐笔审核，则将导致效率低下和成本无法承受的难题。

如何在风险可控的前提下，高效、扎实地做好小微企业金融服务，我们需要转变哪些新的业务思路？

▲图片来自网络

完善授信管理机制，通过优化考核标准等措施确保实现目标；使用云计算技术和数据实时系统，实现对企业经营状况的动态监测，及时进行风险识别；小型区域性银行、民营银行和完全依赖线上的互联网银行来说，更需要外部征信的支持。

由于外部征信制度尚不完善，小微金融风险定价中存在数据断裂。互联网银行对小微企业可获得的授信额度较低，无法满足其融资需求。

但随着近年来，数字化、开放银行的理念深入行业，部分小型银行已通过数据管理、数据分析与风控的联动，可弥补小微企业在数据整合能力方面的不足。

那么，小微企业如何加速数字化转型，提升平台风控能力领跑行业？以金融智能风控服务商MobTech为例，可通过小微企业贷前—贷中—贷后的全生命周期智能风控解决方案，助力银行机构有效识别风险用户，风险设备，补充风控模型多维度数据，降低损失。

贷前信用评估：全景标签模型+用户终端行为

▲全景标签模型

贷前，针对银行缺少小微企业第三方数据的现状，MobTech可打破银行数据孤岛的困境，实现信息整合。通过线上+线下不同渠道的数据源打通，进行深度整合、清洗、分析，并挖掘金融机构自有数据的价值，完善其用户画像体系，助力后期风控场景的用户分层管理。

借助MobTech的全景大数据产品服务矩阵，使用联合建模的形式，以用户在App终端的行为变化为依据，对小微企业申请的逾期概率进行预测。通过与银行自有数据结合，有效进行信用的评估。

贷中风险预警：用户特征筛选+场景定制模型

▲数字化转型展示

贷中，小微企业借贷意愿如发生改变，可提前对有逾期风险的用户进行分析预测。根据前期筛选出贷前信用评分不高的用户特征，使用MobTech贷中特征预警模型进行评测，并通过联合建模的方式，用同态加密的方式获取MobTech数据源，进行横向、纵向的联邦学习，实现多样定制化风控场景模型的搭建。

目前，MobTech联邦学习实践研究，用源数据和特征梯度建模，在风控领域进行建模，差异小于1%，在业内处于领先位置。

贷后监控管理：三方征信数据+企业信用评分

当小微企业进行消费分期或提现后，银行可从平台内部和外部对小微企业分别进行实时监控：

▲图片来自网络

对内，基于平台内部数据进行实时提醒，用户是否按时还款，是否发生逾期，交易行为数据是否有异常等。若是正向变化，可给予适当地提额；若是风险发生，提醒注意还款。

对外，基于三方征信数据进行实时监控，包含多重申请、多头借贷、失信记录、执行记录、涉诉公告、风险分、高频查询等方面。

同时，基于小微企业额度使用情况、消费类别、还款情况等，建立行为评分模型，用于额度调整、风险预警。

写在末尾，银行信贷产品设计、产品规划是整个风险循环的开端。当数据创新与信贷产品规划、产品创新有机结合，实现数据、产品、场景、获客、风控的协调统一，才能更切实地提高小微企业的融资便利，助力他们通过信贷解决资金难题，改善经营，从中受益。