事情往往有表象與本質之分，小微企業融資難、融資貴這個表象的背后，實際上是金融機構獲客難、風控難、征信難的痛點。
傳統模式下，金融機構發放一筆小微貸款的平均人力成本在2000元左右，高成本、低利差，審核繁瑣。此外還要面臨可能的高壞賬率，央行數據顯示，當前金融機構小微企業貸款不良率為2.75%，比大型企業高1.7個百分點，單戶授信500萬以下貸款不良率更高，金融機構獲得的收益較難完全覆蓋風險。在這種情況下，金融機構自然缺乏動力去做小微貸款，小微企業融資難、貴也就在所難免了。
隨著大數據、人工智能、云計算、區塊鏈等技術在金融領域里的深化應用，上述情況是否有了突破性進展？近期，金蝶金融圍繞“科技賦能小微金融”話題舉辦了一次行業沙龍，美國站群服務器 亞洲服務器，與聯易融、鳳凰金融、亞洲保理、平安證券、包商銀行等金融機構的高管們一道，從金融機構角度出發，分享了小微金融科技在獲客、風控、征信三方面的最新進展與思路。
獲客：大數據、場景化篩選
中國7000萬的小微企業，整體來說是偏弱的，小微企業防風險的能力弱，是一個無法改變的事實，怎么解決問題？
聯易融聯合創始人蔣希勇表示： 挑好的做，那些經營相對穩定且趨勢向上的小微企業才是目標客戶。 針對過去獲客難、獲客貴的痛點，蔣希勇提出了一個 全線上的、采用大數據驅動的互聯網小微供應鏈金融新模式—數據風險漏斗與自動化篩選機制 。具體來講，該數據風險漏斗模型自上而下分為：
第一層篩行業，由于不同行業在不同的經營周期里表現不一樣，尤其在目前的經濟周期下，挑行業對小微企業金融非常重要；
第二層篩區域，要充分考慮到每個區域的風險和當地的商風差異；
第三層篩供應鏈，調查清楚小微企業所在供應鏈上的核心企業是誰，這個企業是否靠譜；
第四層篩上下游，考察這個小微企業是否有好的供應商和上下游關系；
第五層篩交易的商品，分析小微企業的產品有沒有受到其他商業或渠道模式的沖擊；
第六層篩老板。
在蔣希勇看來， 化解小微企業融資難、融資貴的核心是要解決金融機構信貸收益與風險成本、運營成本的平衡問題。 該風險漏斗，免備案主機，利用大數據分析篩選優質小微企業來降低風險成本，利用全線上作業流程來降低運營成本，通過“大數據+全線上”，最終讓小微企業信貸業務在成本與收益上更符合市場化的商業邏輯。
不過，需要注意的是，優質的小微企業并不一定急需融資，能否成為信貸客戶，還需要考慮到其是否有信貸意愿。
對此，金蝶征信總經理董聰帶來一種思路： 以企業管理軟件切入，實時搜集 企業的場景化交易數據，從而獲取具有真實信貸意愿的小微企業 。
在董聰看來，場景即流量，財務軟件、管理軟件在企業日常經營場景、交易場景數據的積累方面，有自己的特點。雷鋒網了解到，與阿里、騰訊、京東等圍繞交易、支付場景積累的數據不同，金蝶從財務軟件起步發展至今，其ERP承載的數據包括財務、采購、生產、銷售、后勤等，更加多維豐富，圍繞這些企業內部外部數據，可以做精準營銷與客戶洞察，找到真正有信貸意愿的小微企業，同時也可以降低欺詐信貸，并給小微企業提供個性化信貸服務，“這是小企業信貸未來發展的一個趨勢”董聰表示。
事實上， “交易風險難識別”和“經營信息難掌握”，目前已經成為小微企業兩大信貸風控痛點。貸前、貸后數據缺失是傳統金融機構對小微企業“愛莫能助”的主要原因，在此背景下， 數據賦能型的融資工具，以其在風險監測方面的優勢，受到了金融機構的青睞。
舉例來講，據了解，在供應鏈金融方面，金融機構常以核驗發票來確認小微企業交易的真實性來決定是否發放貸款，但這里面存在如人工核驗導致的效率低下、票面信息不全面、難以發現多頭融資、難以監控貸后交易等風險痛點。
針對這些痛點，金蝶征信給出的解決方案是，通過大數據和人工智能技術連接金蝶原有數據庫，提供一站式的發票核驗、分析、監控服務。具體的技術特點包括：支持拍照及機器彩掃識別、秒級解析查驗真偽、批量全天后自動化發票監控，T+1反饋發票狀態變更，多頭融資預警，公有云SaaS服務并支持私有化部署方案等，重點解決企業“交易風險難識別”的風控痛點。
