科技量化风险 精准“破题”中小微融资难局

6月27日是联合国确立的“中小微企业日”，如何高效提升中小微企业融资效率、降低融资门槛，成为金融服务机构的核心命题。小雨点信贷首席风控官隋立波表示，现代风控的本质是技术与战略的结合，其核心在于“风险可量化”。借助大数据与计量技术，使得风险水位、客群分层等指标变得清晰可测，可以为小微金融服务注入更高效、更稳健的基因。

今年5月，金融监管总局、中国人民银行、中国证监会、国家发展改革委、工业和信息化部、财政部、税务总局、市场监管总局联合印发的《支持小微企业融资的若干措施》明确了2025年小微企业金融服务“保量、提质、稳价、优结构”的总体目标，要提高融资效率，利用科技手段改进授信审批和风险管理模型，及时完善反欺诈模型规则和技术手段，加强多维度数据交叉核验，提高预警识别能力。

传统小微风控强调由信贷专家通过现场尽调、深入沟通、侧面打听、交叉验证等方式收集申请者的多方面信息，并进行整合判断。而审批智能化通过接入更多能反映申请者经营情况、还款能力、还款意愿的数据，运用AI算法对多种类和非结构化的数据进行提取整合，通过若干量化小模型为审批专家提供辅助决策，实现成本低、流程快、精度高的审批模式。

作为普惠金融的践行者，小雨点一直致力于通过创新科技手段解决小微企业、“三农”群体的融资难、融资贵、融资慢问题。公司的数据贷作为专门服务小微企业的信贷产品，深度挖掘小微客户的实际需求，突破传统资信评估体系较为单一，难以满足小微客户多元化的融资需求的问题。该产品整合线上工商、司法、多头行为及征信数据，同时结合经营相关的发票、税务数据，构建了一个全方位、多维度的综合资信评估体系，极大地提升了小微融资服务的质效。据了解，数据贷能够同时实现审批效率和风险可控，自研融合模型功不可没。

与常规统计评分模型相比，小雨点自研融合模型能够容纳更多的数据维度，同时在稳定性和可解释性上比常规机器学习模型能力更强，适合应对小微风险点多且数据样本偏少的情景。模型性能对比验证结果显示，该融合模型准确率比常规统计评分模型和机器学习模型高20%以上。

在小微企业信贷服务领域，信息获取始终是金融机构面临的核心风控挑战之一。传统的小微风控模式高度依赖线下人工收集信息和纸质资料，这种方式不仅效率低下，而且容易受到人为因素的干扰，导致信息的不准确和不完整。小雨点在这一背景下，通过引入并运用多维、对量化风险有作用的数据，实现了风控模式的革新。

小雨点利用多维度信息交叉验证的方法，确保了信息的准确性和可靠性。这种方法通过整合不同来源的数据，如企业的经营数据、财务数据、交易数据等，进行交叉比对和分析，从而有效识别潜在的风险点。此外，小雨点还应用了自研的融合模型，该模型能够将多维数据有效整合，并通过算法进行深度分析，进一步提升了风控的精度。

此外，小雨点已与多家支付、生活服务、移动通信等行业头部企业和数据服务商建立数据合作，上述行业相关数据能够从不同方面反映企业经营情况以及企业主画像。例如，小雨点近年来与快递物流数据商合作，分析发现收发快递频次长期保持稳定或持续增长的客户风险较低，收发快递相关画像特征已应用到风控模型中。

目前，小雨点的数据源主要包括第三方数据源、自授权数据和远程尽调数据。同时，公司也在探索远程非现场尽调模式，如远程访谈、线上资产核验，在提升效率的同时降低操作成本。

在谈到未来如何通过科技手段提升风控能力，进一步提升服务小微企业的质效时，小雨点相关负责人表示，小雨点计划将数据、模型能力在信贷全流程环节充分发挥作用，其中一项重点工作是推进审批智能化建设。