京公网安备 11010802034615号
经营许可证编号:京B2-20210330
为中小网店解决资金难题 商派携手平安银行试水大数据信贷
线下的中小品牌在电商平台上的交易大数据,将成为它们降低银行贷款门槛的重要筹码,这种“数据贷”模式正在随着商派与平安银行的合作浮出水面。
“我们统计过,这些中小企业每年至少有4次大额用款需求,但以它们的规模在银行贷款又很难。”27日下午,在平安银行与商派战略合作探索大数据贷款的会议上,商派首席运营官李治银对《第一财经日报》记者说。
他提到的这些中小企业是目前商派所服务的380万家品牌商,涉及服装鞋帽(如UGG、百丽、南极人、)、3C数码(如TCL、美的、绿森数码)、食品生鲜(如来伊份、五芳斋)等23个行业,它们在淘宝、天猫、京东、苏宁、1号店等各个电商平台上开设网店,商派的作用是为这些网店提供从前端到后台的各种技术服务。
为何至少4次?李治银举例说,马上到来的6·18年中大促,下半年的双十一、双十二,再加上各品牌自己的促销节日,每次大促之前的两个月,都是这些商户筹集大量资金备货的时候。但以它们的规模体量,很难在传统金融机构中融到满意的资金,商派后台的交易大数据与平安银行自身数据的结合,将给这些中小企业贷款找到一条捷径。
放贷不超过24小时
目前,活跃在各电商平台上的快消品、3C数码等品牌商,其融资需求非常旺盛,普遍面临着用钱难的问题。
国家工商总局的统计数据显示,截至2013年底,全国小微企业总数为5606.16万户,平均每家企业资金缺口约为70.5万元。据此推算,全国小微企业的融资需求总额为39.52万亿元。而根据银监会的数据,截至2013年底,全国用于小微企业的贷款余额为17.76万亿元,这意味着,对小微企业而言,仍有22万亿的资金缺口未能通过有效融资渠道解决。
平安银行总行副行长赵继臣介绍,传统的信用贷款模式是分析贷款方的资产负债表等各种财务信息,结合银行客户经理日常积累的信息,以此对客户评级,评估客户风险。一般100万元以内的信用房贷是依靠模型完成,超过100万就要结合专家判断。
“中小企业在银行贷一次款的周期可能长达半年到一年,即使有了钱也不想还,因为贷款一次不容易,非常不经济。”赵继臣对《第一财经日报》记者说,现在和商派携手探索的方向是,将以往的关系型融资变成交易型融资,无需担保抵押,电商的交易记录是评估其风险的重要参照。“数据贷”模式理论上放贷流程不超过24小时。
拿单个品牌商户来说,它在网上的开店时间长短、交易情况是否稳定、有无刷单造假行为,甚至经营者是否有稳定的婚姻等,这些都将成为数据维度,被纳入到贷款模型算法中。
对于银行来说,网上数据的真实性至关重要。赵继臣说,商派的客户产生的交易流水、快递背后的门牌号码等都是真实的,且是实名制用户,这对银行决策具有很高的价值。
每年,像平安银行这类股份制金融机构会花钱购买BAT互联网公司平台上的大数据,同时也在和公安、海关等政府部门合作,商派的交易数据在经过有贷款需求的客户授权使用后,被汇总到平安银行,结合银行自有和购买到的数据,一起进行模型测算,评估风险。至于双方数据的评估权重问题,双方均未透露,称只是模型算法上的技术问题。
数据的价值
事实上,对于大数据贷款模式,在互联网金融领域一家独大的蚂蚁金服也在尝试,像不久前由阿里巴巴集团划拨至蚂蚁金服集团旗下的小贷业务,也是通过电商大数据对商户的风险进行评估,用技术手段在不到1秒的时间内测算其贷款资质。
此外,像八家首批开放的民间个人征信机构之一的芝麻信用等,也在收集用户的各种维度的大数据,并积极探索其线下应用场景,比如信用分数高的人住酒店或租车可以不付押金,在婚恋网站上交友更有信赖度等,核心理念是让(大数据积累的)信用等于财富。
从本质上说,商派与平安银行合作推出的这个数据分析平台,和蚂蚁金服的小贷业务模式类似,只不过后者服务的更多是阿里巴巴平台上的商户,而商派针对的是全网数据,阿里巴巴平台只是其中之一,这能更全面地反映某个商户的线上经营状况。
据李治银介绍,商派的技术和服务目前已大量运用到电商的PC端、移动端和线下门店,当前每天服务380万订单和5.7亿元的GMV(交易总额),“数据贷”就是要挖掘这些真实交易数据的衍生价值。
《第一财经日报》记者从阿里巴巴方面了解到,目前仅服务于阿里平台上的第三方ISV(独立软件开发商)就有1.5万家,它们为商户提供从店铺管理、营销推广,到数据分析、客户关系等一系列服务,这中间会有海量的数据。数据贷刚好可以让交易产生的大数据流动起来,发挥大数据的价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06