構建供應鏈金融的4大步驟

作者:大數據文摘來源:數據觀網址:http://www.cbdio.com
文章附圖

何為供應鏈金融?

  百度釋義:銀行圍繞核心企業,管理上下游中小企業的資金流和物流,并把單個企業的不可控風險轉變為供應鏈企業整體的可控風險,通過立體獲取各類信息,將風險控制在最低的金融服務。

  也就是供應鏈金融的起源,是由于傳統銀行為拓寬放貸渠道,獲得優質的資產,企圖通過核心優質企業的上下游客戶資源,將單個企業的貸款風險由供應鏈上整個企業群的信息來預警,并加以規避。即將原先單體的信用體系改變為企業鏈式的信用體系。

  因此要保證供應鏈金融的安全性,終極方法就是通過供應鏈將客戶公司的三流:信息流、資金流、物流囊括入分析范疇。通過真實交易信息演算客戶公司的實際財務信息。因此,數據是供應鏈金融的命脈。

  概括來說,要掌握該命脈,可以分為四步驟。

  第一步:核心數據來源無論是業務還是數據都需要有渠道來源,對于供應鏈金融而言,就必須選擇一個核心企業,通過這類企業來獲取核心的交易數據。這種企業有三大類四大標準。

  一般的產業鏈可以尋找這樣的三大類企業:

  第一、具有絕對市場地位的企業

  由于現代工業及全球信息化的快速發展,現代企業已不再如傳統僅僅進行原材料采購或集中生成,而是采用整體的供應鏈采購以及生產外包的模式,涉及的供應鏈以及生產活動可能會遍布全國乃至全球。最為典型的案例則為蘋果公司,蘋果手機作為全球最暢銷的手機產品,在生產環節,整個手機大約500多個零部件被全球200多家供應商所外包,并也由供應商進行組裝;在銷售環節,除了自有銷售渠道外,代理商遍布全球各類渠道,有線下的傳統銷售終端,也有新式的電子商務平臺。

  第二、渠道類交易平臺

  所有產品的銷售都離不開渠道,由于現今社會的網絡化信息化程度不斷增高,銷售渠道也快速的從線下遷移至線上。

  無論線上還是線下都存在大量的上下游客戶,對于B2C型的交易平臺可掌握上游供應商,對于B2B型的則更能深一步獲取下游采購商的交易信息。

  例如我們非常熟悉的京東,作為B2C平臺,京東面對大量的上游供應商,供應商的賬期在45天左右,為解決上游供應商資金流動性問題,也增加供應商對京東平臺的粘性,京東金融提出了供應鏈金融的解決方案“京保貝”,根據供應商的應收賬款給予融資。由于京東不但了解供應商的貨物銷售交易,更掌握了實際的銷售回款交易,因此該產品對京東幾乎是零風險,名利雙收。

  第三、物流倉儲平臺

  該類平臺很早以前就是銀行重點開發的核心企業。最早非常常見的供應鏈金融模式,即為倉單質押,這類業務特別需要物流倉儲配合監控。

  另外,企業的物流一般都需要第三方物流公司配合。因此要精準掌握企業的物流狀況,必然要獲取第三方物流信息,所以物流倉儲平臺成為了供應鏈金融的重要一環。

  根據上述的簡單介紹,這三大類企業一般都符合以下四個標準:

  1、在行業中屬于龍頭企業、風向標;2、具有大量上下游企業;3、具有穩定或有規律采購以及銷售流水;4、具有較高程度的系統化信息化。

  也就是這些原因,一旦介入這類企業的供應鏈金融管理,提供各類金融產品例如信用證、應收賬款以及票據等業務,可快速掌握上下游企業交易,掌握企業的信息流、資金流以及物流數據。

  第二步:確定數據范圍企業信息數據復雜而紛亂,如何在那么多數據中找到自己所需的數據,決定了最終成果的可信度。

  一般而言,企業內部有三類數據,分別為:內部管理數據、交易數據、財務數據。內部管理數據一般為企業內部的行政管理數據,例如OA系統內產生的內部流程數據。交易數據,則為企業營運過程中發生的一系列買賣交易,這里面涉及到在買賣過程中的信息流、資金流、物流。財務數據,一般是指傳統財務的三大報表,資產負債表、利潤表以及現金流量表。

  在銀行傳統業務中,主要是通過財務數據對風險進行評估。但由于財務數據屬于結果性的數據,無法實時或及時的對企業運營狀況進行監控或預警,因此在供應鏈金融的模型中財務數據僅僅是一個輔助數據。更主要的則是交易數據,所有與買賣交易相關的數據都要進入監控分析范疇,從傳統的進銷存、客戶信息、資金收支信息,乃至到系統的過賬方法都將是至關重要的分析數據。以交易數據為主,以財務數據為輔;用交易數據監控過程,財務數據輔助驗證結果以及過程的真實性。

  第三步:構架規則引擎

  首先,長久以來,金融數據都以固定主題的靜態指標進行分析。無論是teradata的十大主題(當事人、產品、協議、事件、資產、財務、機構、地域、營銷、渠道),還是風險管理中按資金風險、市場風險、信用風險、操作風險等進行分類主題,主題下的指標都需要分析人員根據統計制度手工添加。

  其次,目前銀行金融體系的數據分析更多的是分析自有資產,而不是客戶資產或交易。固然通過對自有資產或歷史還款指標進行分析能夠發現已發生的風險情況。然而實際上,風險更應該在發生之前就被識別與預警。

  所以在現今互聯網的時代,這樣的分析已不再適應時代的發展。數據分析逐漸在使用動態的規則引擎來替代原有的靜態指標,使用客戶交易或行為數據來替代以往的財務數據。通過“進行時”的數據(例如交易行為)來判斷“將來時”的數據(例如客戶未來的經營狀況),而不是通過“過去時”的數據(例如客戶的已逾期的貸款或財務數據)去進行判斷。

  這種規則引擎模式的分析在支付寶的支付模型中有非常好的體現,例如支付寶在其風險模型中采用了六大維度(賬戶、設備、位置、行為、關系、偏好 ),在模型中采用了1萬多條規則或策略,來判斷支付行為是否有危險。

  第四步:優化風險及信用體系傳統供應鏈金融的風險及信用體系是基于傳統銀行的風險管理及信用體系。但在新金融的模式下,傳統體系顯得笨重及片面。例如銀行的信用體系嚴重依賴央行征信以及一些外部的風險評級,這類體系由于自身過于龐大以及局限性,無法及時調整判斷標準,更無法覆蓋市場新業務或新興企業。

  因此通過互聯網金融來建設供應鏈金融的風險體系以及信用體系則成了最終的數據分析目標。

  首先,建設完整的風險管理體系。這里的風險管理并不僅僅是現在互聯網金融中經常提到的風險控制,而是包含了風險識別、風險度量、風險控制三部分。

  之前構建規則引擎僅僅是手段,目標是通過機器學習的手段不斷補充規則或策略,最終通過這些規則來制定風險管理體系,在整個體系中應用規則來識別風險、應用規則的風險權重來度量風險、最終通過規則對應的規避方法來控制風險。

  其次,在成熟有效的風險管理體系下形成信用體系。目前國內不僅僅欠缺個人信用體系,更缺失企業信用體系。絕大部分小微企業無法依靠現有的人行信用體系獲取貸款授信。而供應鏈金融依靠供應鏈數據構造出風險管理體系,并基于此為這些小微企業設計出一套信用體系,一套基于核心企業的鏈式信用體系。

  最終,這整套風險管理體系以及信用體系是否成功,將決定了供應鏈金融業務發展所能達到的高度。



熱門文章