近年來，隨著p2p的不斷發展，在國內政策大力鼓勵小微企業普惠金融的情況下，根據公開資料顯示，過去幾年中國各項貸款增速在始終在13%以上，而2018年商業銀行普惠型小微貸款增速高達21.79%，已經取得較大增速。2019年政策繼續加碼，銀保監會要求國有大型商業銀行小微企業貸款余額較年初增長30%以上，并進一步放寬不良率控制從2%到3%。

　　在強監管的金融行業，存活下去比短期暴利更需要智慧。2019年，面對著網貸不確定性、現金貸良莠不齊等行業風險，不少金融科技企業業務被半關了“門”，而政策對小微企業融資的鼓勵仿佛為金融科技公司重新打開了一扇“窗”。

　　小微信貸成金融科技公司方向

　　小微企業融資不管是在中國還是在國外都是普遍存在難題。據公開資料顯示，國內小微企業的平均壽命為3年，意味著大部分小微企業可能抗不過一個完整的經濟周期，這樣的客群必然是信貸高風險客群。然而實操過程中，高風險卻很難被高收益覆蓋：同樣的1億元信貸，銀行只需要盡調一家大企業就能夠審批通過，但在小微企業這里卻可能要盡調100次才能夠消化——不僅每次都要花費時間與人力成本，有時小微企業往往還存在財務數據缺失、抵押不足、盡調成本過高等原因不通過貸款。小微企業傳統信貸中“難、貴、慢”幾乎不可避免。

　　六月初，中國人民銀行、中國銀保監會發布《中國小微企業金融服務報告(2018)》(下稱“白皮書”)。其中21次提及金融科技，并指出銀行業金融機構與新興金融科技公司合作提升了小微企業融資便利度和可得性。

　　事實上，據《金融時報》報道，已經有9家大型銀行成立了金融科技子公司，國內52%的商業銀行已經與金融科技公司合作，37%的商業銀行通過風險投資或私募股權的形式投資于金融科技公司。

　　小微信貸領域有著數據分散，風險太高，成本耗費，利潤太薄等眾多問題，也可以說正是在這種情況下，銀行才必須引入科技手段。如何用科技“四兩撥千斤”，直擊銀行不擅長的領域，是金融科技的發力點。

　　機器學習技術與流量，改善運營成本與獲客難題

　　國有大行、股份制銀行、中小行對“小微”的界定有很大差異。普遍來說，市場上金融科技企業在稅貸、流水貸、電商貸等多種領域都有布局，這部分信用貸件均低于50萬，是金融科技圈與中小銀行的交集。這些銀行科技研發能力較差，要兼顧銀監會的客群下沉、貸款增量與商業可持續，借鑒金融科技公司的力量不失為一種捷徑。

　　首先是大家所熟知的技術助力。金融科技公司在信貸的某個環節比如錄入、電審、復核等環節替代人力，節約人力成本，向銀行輸出在線申請體系、小微企業評分、小微企業信用報告等。讓原本冗長的環節壓縮一部分時間——這是很多銀行嘗試合作的初級階段。

　　很多銀行的稅務貸仍處于傳統階段：銀行根據稅務局將客戶分成A\B\C\D四個評級，針對A級客戶可以有某種利率優惠，近年慢慢地擴到了B級。可以想見，這樣粗糙的分級方式背后，是缺乏數據處理能力、建模能力和定制化能力的。近年來銀行業和很多金融科技公司合作，引入一些“企業分”，但實際上，一家靠譜的金融科技公司可以了解欺詐風險、企業經營狀況、額度、逾期風險等多維度，這個比單純的為銀行給一個分要好很多。

　　如何用技術手段判斷信用風險是一回事，如何找到有信貸需求的小商戶是另一回事。在中國的小微企業信貸環境中，后者可能比前者更需攻克。

　　于是，在信任建立的基礎上，有的銀行開始嘗試獲客合作——這代表著銀行給與金融科技客群信任度。一位金融科技小微信貸負責人曾說過，不同獲客方式的效率存在數量級的差異：最傳統的掃街方式轉換率大約在1/1000的量級，稍傳統的電銷方式轉換率在1/100量級，金融科技公司把信貸功能嵌入聚合支付產品、電商平臺等，如果體驗與運營到位，能獲得的轉換率大約在1/10，對應來說是很高效、很精準的獲客方式。

　　總結

　　誠然，銀行能給到信用貸的總量并不多——目前城商行的信用類貸款約占所有小微貸款的20%左右，而在農商行更低，一般為10%左右，大銀行貸款中更是幾乎沒有信用貸的空間。但毋庸置疑的是，金融科技在銀行信用貸是可以起到重要角色的。

　　早期市場也意味著機會均等，是金融科技企業爭奪中小銀行客戶的好賽道。在小額信用貸領域中，金融科技公司“三板斧”依靠：技術產品、獲客引流、互聯網運營。而在稅銀貸中，擁有打通數據、資金與風控的能力將受到歡迎。隨著更多數據的開放，中小微企業市場將更大程度地打開。