数据要素赋能供应链金融风险管理

数据要素赋能供应链金融风险管理

李桧禹，李茜瑞，赖雨林，林增健，张国兴

南方电网能源发展研究院有限责任公司（广东广州  510000）

0、摘要

近年来，中国经济面临下行压力，实体企业受到不同程度困难，国内供应链企业遇到融资难等问题，严重制约实体企业发展。 为了缓解实体企业融资难问题，促进金融业“脱实向虚”发展，利用供应链与金融产业融合，发展供应链金融业务。借助供应链数据，针对“供应链上”企业自身特点开发各类金融产品并不断优化，为降低供应链风险提供保障。

关键词：数据要素 数据赋能 供应链金融 风险管理

1、供应链金融发展现状

在新冠疫情冲击下，供应链上企业面临前所未有的冲击。截至2021年末，全国企业数量4842万户，其中99%以上均为中小企业。在工业领域，中小企业户数达到40万户，营业收入超过了75万亿元，利润总额达到4.7万亿元。这些中小企业均面临着融资难、融资贵等问题。针对上述问题，在国家政策、金融和科技支持下，供应链金融根据现实情况和链上企业需求，为链上企业解决融资难点，促进链上企业发展，有助于链上企业各类冲击。

供应链金融是已供应链作为基础，一般认为是金融机构或者供应链核心企业为整合供应链企业，提供的系统性金融服务。本质是为提高供应链的稳定及效率，将供应链条上各企业凝聚在“链主企业”周围，整合资源，高效的保证需求的供应链生态圈。

本文围绕电力企业在采购、仓储、物流等供应链业务环节的金融产品，为链上企业开展金融服务确权和增信，实现商业保理、保证保险、物流保险等金融产品和应收账款质押、订单贷、企采贷等融资业务中的风险进行分析。

随着我国大数据产业在“十三五”期间取得重大突破，相关产业年均整速超过25%,2020年达到约8000亿元，产业价值不断提升。依托大数据等新技术，将数据转化为生产要素。通过数据分析、数据处理、数据监控、数据可视化及数据场景应用，在数据流通过程中对企业内外产生效益，同时在应用场景过程中，产生衍生数据产品应用在不同场景，激发数据价值，为数据使用者或所有者带来更多经济利益。

2、供应链金融发展历程

在新技术发展不断发展过程中供应链金融与时俱进不断变革，从最初阶段，以银行为主导的供应链金融服务，多数采用不动产抵押的方式进行融资。供应链核心企业并不参与其中。再到由供应链核心企业推动的供应链金融服务，将链上企业实际运营情况、物流与信息流数据加入信用评价中，减少了因信息不对称带来的风险。再到引入第三方金融科技公司，采用云平台、云计算和多维度数据来降低供应链金融风险。到现在运用大数据分析，数据要素实现风险闭环管理，融合金融机构、核心供应链企业和链上供应商等多方在云平台，形成供应链金融生态圈。相互分享数据，实现多维度风险识别和管理，及时有效降低供应链金融风险。

供应链金融主体分为银行、供应链主体及供应链上企业。其中中小企业多为供应链终端经销商或供应链核心企业上游供应商，在现行环境下，作为提供融资的主体无法考察中小企业的真实经营情况、信用信息、财务信息等，因此提供融资的主体从风险防控角度出发常拒绝这些担保能力不足的中小企业的融资申请。供应链金融从相关链上企业与供应链核心企业之间的交易信息，整合链上相关资金流、信息流及物流为中小企业提供融资服务。

供应链金融模式分为三种,一是以链上企业与供应链核心企业之间真实交易产生的应收账款作为抵押进行融资的，收账款融资模式。此融资模式在贷款前不但要对链上企业运营情况、企业资质等风险进行评估，还需要关注供应链整体运行情况。并需要第三方企业（供应链核心企业）担保，来确定链上企业的还款能力。二是供应链核心企业作为供应链上游企业，下游企业流动资金周转能力不强，出现流动资金缺口，需要在融资的同时与上游供应链核心企业建立回购承诺的预付账款融资模式。这种模式下游企业利用预付款作为抵押物向金融机构进行融资。三是生产企业存在生产资料或者闲置成品，利用这些生产资料进行抵押融资的一种方式，存货融资模式。此模式下融资企业订单、库存变化均会对还款能力有影响。

3、供应链金融存在的风险

供应链金融风险主要是指，在融资过程中，金融机构为供应链上企业提供资金，链上融资企业由于各种原因无法及时偿还，导致金融机构出现坏账。又因融资企业不能及时还本付息，导致供应链上企业信用下降，出现供应链金融信用风险。

3.1风险来源分类

供应链金融链内部风险来自供应链核心企业的，核心企业作为供应链链条的核心和基础，在整个供应链中掌握着上下游链上供应商各类数据，包含合同真实性、资产风险、订单真实性、合法性、应收账款等情况，核心企业发生主体信用风险，造成已核心企业中心的上下游企业资产风险。

供应链金融风险来自行业的不同，综合不同行业的形势及风险点不同，夕阳行业、限制行业在实施供应链金融融资时，存在较高风险。稳定企业则相反。

来自地缘政治影响，不同国家和地区不同政治经济均会影响交易双方的行为，造成不可控的影响因数。

来自法律法规影响，现阶段供应链金融相关法规、政策和制度还不够完善，伴随着相关规定的不断完善，势必会影响到现行的供应链金融业务。在社会发展的不同阶段，各种政策均非一程不变的，这样就会对供应链金融产品产生不确定的影响，从而产生风险。

来自市场风险的影响，链上融资企业在不断变化的市场中，容易受到市场影响，出现违约情况。同时市场常受经济、政策、环境等多方面影响，对于链上中小企业影响多是不可控的。

3.2供应链金融不同主体之间风险

从金融机构角度分析，作为供应链金融的资金来源，链上融资企业不能按时偿还本息，给债权人带来资金的损失风险，该风险可能是因为融资企业自身信用出现问题或还款能力受限造成，也可能是因为融资企业自身不愿意还款导致。供应链核心企业作为核心竞争力最强企业，影响着链上各企业，凭借自身实力带动供应链整体发展。在开展供应链金融时常以供应链核心企业作为中心，围绕着核心企业上下游中小企业，核心企业及是担保方，需要承担融资企业还款风险，同时上下游企业履约过程中出现信用问题，会导致核心企业正常运作。产生整个供应链条上的信用风险。链上融资企业，主要以中小企业为主，具备经营范围广泛、受市场波动较大、发展较快的同时企业管理和融资能较差，在融资过程中需要同时面临内外部多从风险，自身也需要经历经营能力和盈利能力的考验，来保证自身资产优良。

3.3供应链金融不同阶段的风险

在融资前，从供应链上企业自身经营风险，到与核心企业合作真实性等链上信用风险。再到链外行业所处的生命周期，经济市场变化、法律法规变化以及国内外突发事件对市场的影响均在融资前会产生的风险因素。在融资过程中仍需实时监控行业供应链情况，同时对市场环境、经济环境、政策法规实时监测，随着外部影响因素的变化均会影响融资企业经营，造成还款压力，出现信用风险。融资后仍需对链上企业实时监控，中小企业因承受市场波动能力较差，需要及时关注其经营情况或盈利能力，减少因外企业本身原因或外部市场波动造成的坏账风险。

3.4供应链金融风险特性识别

无论是链上企业风险还是外部环境风险，在市场经济活动中，不同的信息渠道或者获得相关信息的程度不同，加上个体差异造成信息的不对称，在市场经济活动中，对于信息获取少的会处于相对不利地位。在链上企业的信息披露不及时或故意隐瞒交易信息，都会造成信息不对称。当信息不对称情况发生在供应链金融场景中，金融机构作为信息量少的一方时，会影响市场配置，造成无法偿还贷款等风险。供应链本身具有传导性，上下游企业的变化会通过商流、物流和信息流传导至核心企业或资金来源方，当链上中小企业发生信用风险时，供应链上的资金问题就会层层传导，发生供应链整个链条的信用风险。同时不但要关注链上企业还要关注外部市场以及法律法规等，产生信用风险的风险点不仅仅在企业本身，常有因市场变化导致企业发生经营问题，所以发生信用风险是多重问题叠加导致。而非单一关注点可以有效避免的。

传统供应链金融主要以金融机构作为主导，一是仅靠人工核对审查，工作人员专业性等问题，影响客观反应需融资企业的实际情况，同时因从事领域的不同，专业性不足会出现调查内容可靠性出现偏差，影响决策。二是在数据分析方面仅依靠单一来源数据进行分析，因场景单一、数据单一和维度单一会造成数据分析局限在特定场景，分析因素不全面无法反应实际情况，难以应对复杂多变的市场。三是担保机制，在传统融资方式中多以担保物的贵重程度决定融资的多少，作为供应链金融主要融资对象多数均为中小企业，这些企业大多无法提供高价值的担保物，使得企业融资出现困难，核心企业为链上企业进行担保同样会对核心企业造成信用风险。

4、数据要素化在供应链金融的应用

供应链金融有效解决了中小企业融资难得问题，同时参与供应链金融的主体在面对复杂多变的市场环境和链上企业信用诸多问题时，普遍存在企业真实性、欺诈、数据获取难、数据缺乏支持和效率低等信用风险管理的问题。

在新技术驱动下，供应链金融发展逐步与大数据技术相结合，借助传统金融积累的经验，利用互联网平台和大数据监控和分析，将供应链上企业上下游相融合，不断完善风险管理，优化供应链金融融资效率。

4.1数据要素化在供应链金融的作用

在大数据背景下，供应链金融从传统的以银行为主导的单一模式，转变为平台大数据模式，在数据不断影响业务开展的过程中，数据，是以客观的方式量化现实世界，在量化过程中不断影响着组织架构、工作流程及价值认知。“数实共生”时代数据作为重要的生产资料，不断创造或衍生数据产品并服务于业务，在数据服务业务的过程中，不断体现数据价值。同时数据作为一种生产力，正在有效的推动这链上企业上下游围绕着核心企业，打破地域、行业和资金来源限制形成供应链生态圈。

4.2数据要素化在供应链金融应用步骤

应用数据要素，供应链金融可以充分利用供应链物流、资金流和信息流等信息，通过供应链核心企业对链上企业的资质数据结合链上企业自身数据，通过云平台汇集，在大数据分析建立信用状态和风险等级分析体系，解决信息不对称带来的问题，金融机构在预测、准备和规划中有效控制风险，也为链上企业降低了融资难度，高效获得融资。

在融资前首要是收集数据，通过互联网云平台收集链上核心企业和上下游融资企业数据，收集对应行业信息、外部市场情况、政策和法规等链外影响因素。将各方面数据进行清洗、转换和归类形成“数据湖”将数据要素化，为后续建模分析做好准备工作。其次通过智能采集对链内各企业数据与链外市场、政策和环境变化数据实时监控，对变化数据及时采集入湖。通过“数据湖”提供融资需求数据进行大数据分析，建立以核心企业为主体的信用风险控制体系，从多维度开展融资前风险评估。再次建立链上企业画像，通过不断的数据积累，对结构化和非结构化数据的分析，建立供应链各行业融资企业画像。最后根据链上企业各自特性及金融机构风险偏好，结合大数据分析结果建立风险防范措施，对链上不同企业制定相对协议约定、担保或其他措施，有效释放融资企业风险。

在融资过程中，根据链上企业评估得分，结合融资企业行业画像、外部市场情况与法律法规变化实时监测链上企业情况变化，确定企业的融资额度和风险管控措施。

在融资后，主要对链内企业本身情况实时监测，结合外部市场法规变化，形成及时催缴预警体系，同时及时调整融资后风险管控策略。

4.3数据要素化在供应链金融各阶段风险管理

宏观经济环境与行业风险时刻在变化，现阶段全球经济放缓背景下，对于链上中小企业存在诸多不确定因素，上游市场原材料涨价等都会影响到链上企业经营，利用智能监测及智能采集，获取行业、经济和政治变化数据，反馈至大数据中心进行分析。在融资前，利用采集数据、大数据分析衍生数据建立以信用风险评估体系，及时发现风险点，实现智能风险控制，降低传统供应链金融人工操作风险。在融资过程中，同样监测融资企业资金使用情况、融资企业经营情况及盈利情况，对发生风险企业及时终止或催缴融资，有效发现在融资过程中的风险。融资后，通过数据要素积累建立融资行业或企业供应链金融画像体系，为后续再次开展融资工作提供数据支撑，通过数据要素助力，实现链上企业差异化管理，提升客户融资速度，同时根据大数据分析，合理融资提高金融机构资金管理效率。

5、总结

信用风险是复杂的，在数据要素化的大数据时代，利用数据助力供应链金融风险管理，在不断的数据积累和技术升级过程中，将更多的衍生数据加入供应链金融风险管理之中，使得供应链金融风险更及时、可控。不但提升了对链上中小企业的融资速度，还降低了融资难度，通过大数据分析快速、简单完成对链上企业信用评估，在融资全过程做到时刻监测企业风险行为，精准发现风险点并及时提醒，从而实现链上融资全流程风险管控和闭环管理。

目前，供应链金融发展迅速，但相关法律制度还需要进一步完善，确保融资途径的规范，融资安全得到保护，减少不必要的经济损失。此外在大数据时代背景下，多维度、智能分析及决策成为可能，同时需要供应链企业应用新技术与金融机构紧密合作，积极建立供应链金融生态圈，为链上企业融资提供便利。

根据供应链生态的情况，供应链核心企业建立以信用识别、评估、分析的体系。对链上融资企业的营业能力、偿债能力、运营能力及产品可靠性等指标进行判断、分析、计量及评估， 形成链上企业全流程评估体系。

6、文献

[1]中国信息通信研究院,数据价值化与数据要素市场发展报告（2021年）,[R],2021

[2]腾讯研究院，IDC China，数实共生未来经济白皮书2021,[R],2021

[3]罗今明，电网企业物资供应链价值创造及其特征研究 [J]，南方论刊 2020，09

[4]李健，张金林.供应链金融的信用风险识别及预警模型研究[J].经济管理，2019,41 (08):178-196.

[5]柴正猛，黄轩.供应链金融风险管理研究综述[J].管理现代化，2020 , 40 (02) : 109-115

[6]陈春瑾.互联网金融生态圈信用风险的生成及防范[J]，金融经济，2018，(24):12一4.

[7]宋华，杨漩.供应链金融风险来源与系统化管理:一个整合性框架[J]中国人民大学学报，2018 , 32 (04):119-128.

作者简历：

1、李桧禹（1989），男，黑龙江科技大学，工程师，学士，南方电网能源发展研究院有限责任公司，研究方向为电力技术、供应链管理、技术经济；E-mail：lihy2@csg.cn。