严晓东

奥浦诺管理咨询公司董事长

严晓东，拥有纽约州立大学石溪分校的经济学及博弈论专业的硕士和准博士学位，中国科学院的计算机硕士学位，以及中国科学技术大学的管理科学学士学位。在加入奥浦诺之前，他曾是著名咨询公司Inductis 和Mitchell Madison Group (MMG)的创建者之一。现在是奥浦诺管理咨询有限公司纽约总部的总监，Growth Analytics部门的主管，同时也是奥浦诺管理咨询(上海)有限公司的总裁。

正文：

虽然美国与中国的信用市场方面存在许多差异，但美国的一些概念、系统和做法仍然可用于中国市场。担保机构在中国信用市场中正扮演着一个越来越重要的角色。从2003年6月到2004年12月，担保贷款总额已经从1179亿增长到3237亿。在中国，担保机构部分扮演了向银行提供信息以做出贷款决策的角色，而在美国这个角色主要由商业信用机构承担。

图1 信用市场、信息和收入组成：中美比较

担保机构另外一个重要角色就是分担银行的贷款风险。担保者平均收取贷款额的2-4%做为收入（奥浦诺管理咨询分析结果。数据来源于对一些担保公司的访问结果，其中包括中科智（上海）, 中投保（北京）, 中投信用(上海）, 上海中财担保有限公司）。总体而言，中国的银行和担保机构所起的作用相当于美国的银行和信用机构起的作用。因此美国的许多做法和经验教训也可结合国情应用于中国。

与美国相比，中国的中小企业更难获得贷款：在中国只有10%的中小企业能获得贷款，而美国则为37%；在中国贷款总额只占到中小企业资产的20%，而美国则占到47%。这种差异的存在，是由一系列结构性因素造成的：中小企业的商业和财务风险较高；公开信用信息有限；信用评分系统主要由人工完成，效率不高；风险控制机制不完善。在本文中，我们将介绍我们的经验和在中国改进中小企业授信和商业信用机构方面可供借鉴的一些概念和流程。

图2 获得贷款的中小企业数 / 中小企业总数

一、中小企业授信

在美国，以无担保信用卡和抵押贷款为两个极端，中间有许多种授信产品。信用卡主要因借贷者力图保持良好个人信用记录的动机而得以实现担保，其授信过程很大程度上已经自动化，其中充分利用了个人和商业的信息进行决策。 授信贷款和个人信贷的授信则是自动决策和人工决策相结合。汽车和设备贷款的授信很大程度上也是基于抵押品属性和价值的自动过程。商业产权和抵押产品的授信则有着极为成熟的决策流程和框架，其中采用了个人领域的一些理论方法。

一般来说，授信过程中结合运用了自动的评分过程和决策过程，并加入了一系列商业规则和决策逻辑。决策批准、额度和利率的确定都基于一个评分和决策逻辑系统，其中考虑了诸如：是否邀约贷款、是否有担保机构、信用分数等因素。

图3 机器评分和决策逻辑示例

奥浦诺管理咨询公司在最先进的授信技术方面有着丰富的经验，涵盖风险评分、定价以及额度分配等项目。例如，我们为某个大客户设计过一个产品级别的授信风险评分系统，大大改进了其风险预测(比原有预测提高了80%之多)。这其中的关键是使用了深度信息客户细分技术，并在多个指标中进行选择，以使预测能力达到最大。在定价方面我们也做出了一流的工作。我们重新构建了决策系统，用基于敏感度的分析框架替代现有框架，反应了优先项目的需求。此外，我们还构建了一系列的预测模型，用于提供最优化的决定。在信贷额度决定、(前台和后台)决策规则最优化等其他方面我们也做了大量的工作。

二、商业信用机构

       美国的信用机构行业非常集中，在个人和商业领域各有三家主要机构。在个人领域，分别是Experian, TransUnion和Equifx。这三家机构提供的信息相近，覆盖近100%的个人信息。相比而言，商业领域数据的覆盖面就非常零散，特别是在交易数据方面。事实上，三家主要商业信用机构，Experian，Equifax和D&B的数据合起来也达不到100%的覆盖率。在商业信用机构中，D&B在整个领域的覆盖程度和单个公司的信息深度方面都处于领先地位，而其竞争对手如Experian，Equifax和InfoUSA也正在迎头赶上。

图4 美国商业信用信息提供商

中小企业的信息收集是一个非常复杂的过程，需要多种信息来源并不断进行数据维护。在信用机构的信息流程中，所包含的数据有：企业注册信息，黄页信息，交易信息，诉讼、判决信息，破产信息以及网络信息挖掘等。这些信息被收集到几个主要数据库(交易数据库，人口统计数据库，公开记录数据库等)中，并包装为在线(实时)和批量(静态)信息产品。在线产品主要用于授信决策和账户管理，其形式或为报告：商业信息报告、综合报告、公开记录报告；或为数据包：商业信用分数和定制数据包。批量产品则用于市场营销和账户管理，其形式为：直接市场指数、定制的营销列表和信用数据包。

与个人信用机构相比，商业信用机构需要解决许多问题。对商业信用机构而言，交易信息最为重要，收集、处理和维护也最为复杂。在美国，商业信用机构传统上将信息综合起来供人工处理，但对机器处理而言不够精确。最近D&B等公司才开始注重细节交易数据，作为推出下一代信用产品的基础。另一个主要的挑战是匹配问题。由于商业数据项没有唯一的单个标志，如社会保险号，只能使用名称和地址进行匹配。而且商业领域的变动程度更大，相当多新企业在开业第一年内就会倒闭。企业也通常有多个名称，例如其特许经营机构和分支机构；并且也通常有多个地址、分布地点和电话号码。依企业在数据库中的时间长度不同，搜索的匹配率从40%到80%不等。此外，在确认一条企业记录合格之前，信用机构会依据严格的规则，对多个来源的信息进行确认。这使得较新和较小型的企业中有相当一部分记录无法匹配。匹配系统的设计需要仔细考虑所使用的算法、系统和方法。匹配算法中需要使用子域主键字，基于智能信息的主键排序和基于多指标的统计名称评分等技术。系统方面需要使用Java和Oracle等可移植技术；并需要设计至为关键的高性能系统(能每小时处理50万条记录)。在总体上，可采用数据驱动的分析方法，并从一开始就使用实际数据进行测试。不同开发阶段可叠合起来，以加快开发速度。

图5 信用机构交易数据的处理

三、中国的发展机会

尽管近年来中小企业信用/担保市场已有了快速发展，但在从信用信息采集到贷后监管的授信过程中，各个环节仍存在很大的发展机会。

(一) 提高信用信息征集效率

目前国内信用信息的来源受限，信息覆盖面不足，信息的价值不高。为克服这些困难，应该推动地区性和全国性银行在个人和中小企业交易数据提供方面相互合作；借助国家和地方政府来获取信息，并在必要的情况下加强信用报告制度；并将公开记录作为个人和企业信用信息档案的一部分收集进来，必要的话进行人工收集。采取这些措施，有助于我们踏上建立全面的个人和企业信用机构之路。此外，我们还需要学习国际经验，处理数据管理、链接等主要问题。这些问题直到今天在美国中小企业信用方面也未完全解决。如果能够做到这些，将使我们在这信用建设方面超过大多数发达经济体。

(二) 建立有效的利润分配和风险共担机制

担保行业的增长另一个关键是改进多方借贷机制的效率。我们可以学习国内和国际先进经验。在银行和担保机构之间适度保持独立地分担风险及共享回报。譬如银行在贷款定价时，应综合考虑中小企业和担保机构的风险特性。这将有助于在商业银行和担保机构之间有效地重新分配风险和收益。

(三) 建立先进的授信和基于利润的决策机制

改进授信机制可分为三个重要阶段。首先将现有信息标准化并在此基础上建立商业逻辑。其次，吸收和改进国际国内的先进经验，例如基于利润进行决策。最后还需要通过改善(信用机构的)信息，不断进行测试以及其他方法来不停对授信过程进行改进。

总而言之，改进中小企业授信机制和建立高效的商业信用机构是一个复杂的过程。在信息征集，决策过程和风险收益分担机制方面还有许多地方需要改进。但是只要我们措施得当，并不断吸取教训，中国信用和担保行业将有机会达到世界一流水准。

    演讲PPT文稿：严晓东--中小企业授信机制和商业信用机构