内容提要
小微企业是我国经济发展的重要支撑，实践中却面临“融资难、融资贵、融资难慢”问题。小微企业规模小、经营信息有限、抗风险能力弱，金融机构较难准确识别其经营状况和风险水平。文章以Z银行为例，介绍了该行利用金融科技手段构建小微企业经营真实性识别体系的探索与实践情况，并提出相关发展建议。
小微企业对我国市场经济的发展起到了重要的支撑作用，既能增加就业岗位，还能改善民生和促进科技创新。当前，小微企业普遍存在“融资难、融资贵、融资慢”问题，国家和监管机构相继出台了多项针对性政策，金融机构也在不断推出和升级小微金融产品与服务，力争做好“普惠金融”这篇大文章。然而，小微企业规模小、经营信息和资产积累有限、抗风险能力较弱，金融机构缺乏高价值的企业经营数据和高效率的金融科技手段来准确识别小微企业经营状况和风险水平，二者间存在明显的信息不对称。
Z银行秉承“智慧经营”理念，始终坚持“真小微、真经营”的客户定位，围绕数字化战略布局，持续强化金融科技创新和服务升级，利用金融科技的持续发展为小微企业信贷业务创新注入新的活力，在不断实践与总结中探索形成了一套适用于本行实际的小微企业经营真实性识别体系，并在空壳识别、经营风险评级等场景中逐步开展应用。近年来，Z银行普惠贷款比重在全国性商业银行中处于领先地位，并连续四年位居国家金融监管总局小微金融评价前列，受到政府、监管机构和客户的高度认可。
一、小微企业“真经营”识别面临的挑战
融资是小微企业日常经营发展中不可或缺的关键环节，但小微企业在融资过程中，长期面临着“融资难度大、融资成本高、融资流程慢”的难题。小微企业经营规模偏小，资源匮乏，在面对经营挑战时通常缺乏足够的缓冲与应对能力，使得金融机构在提供融资服务时，必须审慎地评估小微企业的经营状况与潜在风险。同时，小微企业数量多、类型杂，缺乏丰富且有价值的经营信息，这也给金融机构快速、高效、准确地完成风险识别带来了诸多挑战。
一是缺少有价值的小微企业经营信息。我国中小微企业数量已超过5000万户，全国登记在册个体工商户数以亿计，广泛分布在农、林、牧、渔业、工业、批发业、零售业、仓储业、住宿业、餐饮业等各个行业。相比于大中型企业，小微企业和个体工商户缺乏完善的财务制度和信息披露机制，且经营信息多分散存储于各个政府部门和职能机构中，数据集成难度大，加上涉及到的隐私保护等安全性原因，商业银行获取小微企业有效经营信息的难度较大，难以全面、准确地评估其经营状况和风险水平。
二是缺乏高效灵活的金融科技识别手段。在传统的小微企业经营状况评估体系中，人工核查是目前绝大多数商业银行采取的主要策略。例如，对于贷前的尽职调查，分支机构的客户经理需要逐一对接小微企业，通过线下走访、线上查询等形式，收集企业的各项基本信息，包括营业执照、法人信息、纳税信息、经营报表等，风险管理岗人员对收集后的数据进行整理分析，并利用电话或走访等方式再次核实。由于数据信息格式杂乱且不完整，不仅人力时间和资金成本大，且存在一定的风险预警滞后性。同时，现有的大数据分析手段也存在数据不全面、数据偏差等问题，也可能导致评判结果出现片面性和伦理问题。
三是缺少分层分类的风险评估识别机制。小微企业和个体工商户覆盖的行业范围广泛，既包括餐饮、零售行业的小型实体商店，也有从事技术研发与应用的创新型科技企业，个体工商户更是囊括手工艺、电商、家政、民宿等诸多范畴，这类主体的经营模式、资产结构和金融需求不尽相同。例如，传统房产、土地等不动产对于制造业的小微企业可能是重要资产，但对于轻资产的互联网创业公司而言，其核心价值更多体现在知识产权、专利和用户数据等新型资产上，个体工商户的抵押物可能仅是小型生产设备、库存或经营流水。当前，银行普遍采用的通用评判机制往往基于统一的财务指标和风险模型，难以覆盖不同行业的特殊属性。而且，这种“一刀切”的模式不仅可能忽略某些企业的潜在成长价值，还可能因关键指标的错位而以偏概全，甚至发生误判。长期看，这种模式既不利于金融资源的精准配置，也会加剧小微企业融资难的困境。
二、小微企业“真经营”识别的探索与实践
“小微金融”是Z银行名副其实的“金名片”，Z银行始终将发展普惠小贷作为全行智慧经营战略的导向，将风险防控作为“小微金融”业务高质量发展的首要任务。在推进数字化、场景化转型的实践中，Z银行建立了一套包含企业信息数据源、经营识别特征点、风险评判机制、数字化识别手段在内的企业经营真实性识别框架，辅助从业人员实现贷前、贷中和贷后全流程的企业尽职调查和企业经营风险预警，并从企业数据管控、分层评判机制构建、数字化策略赋能以及线上线下协同四个维度开展了研究与实践。
（一）形成多维度数据管控，打造企业“数据集市”
小微企业尤其是个体工商户，普遍缺乏规范的财务报表体系，多数未接入公开的企业信用信息平台，日常经营数据多以内部台账、手工记录等非标准化形式存在，公开披露信息源较少，且部分高价值信息又涉及到隐私保护，导致银行在小微企业营销、信审、风控等场景中缺乏足够全面且具有高质量的数据要素。
Z银行通过多方协同与技术创新寻求突破，积极与第三方机构平台进行对接，通过引入工商、税务、司法、征信等多项公开企业数据，并利用隐私计算等新技术在保障原始数据不出域的前提下，实现数据可用不可见的安全共享。同时，Z银行深度整合行内积累的企业交易流水、担保记录、历史授信等数据，并与外部引入的征信报告、纳税记录、环保处罚等多维信息交叉验证，构建起完善的内外部数据要素体系，最终形成覆盖“经营能力-信用状况-风险等级”的企业经营数据聚合管控的“数据集市”。这一机制既破解了信息孤岛难题，又规避了数据隐私泄露风险，为银行精准评估企业经营状况提供了立体化数据支撑。
（二）建立分层次评判机制，绘制金融“神奇魔方”
在实际业务场景中，小微企业类型、规模大小、经营特点等多种不同因素，都影响到银行对于企业经营风险的评判。这些因素相互交织，使得银行在评估其经营风险时，很难用单一标准衡量，需要根据自身业务需求和实际情况选择合适的识别机制来进行综合评估与风险识别。
Z银行通过深入研究企业工商信息中的经营地址、注册地址、股东变更和交叉持股信息，征信信息中的征信异常记录、历史借贷信息、还款履约情况，税务信息中的税务记录、税务处罚，司法信息中的涉诉记录、判决结果以及网络舆情中的客户评价、行业口碑等多维度识别特征，经过不断的验证与总结，最终形成一套包含多种识别特征点的企业经营真实性识别特征体系。在此基础上，Z银行从两个核心维度建立小微企业经营的分层评判机制：一是从企业有无实际经营（即空壳公司）方面，通过核查企业经营地址真实性、企业纳税记录、员工社保缴纳情况等，精准识别企业是否存在实际经营活动，有效筛查空壳公司；二是从企业经营状况好坏方面，结合企业资金往来流水、购销合同真实性、关联企业风险、司法诉讼记录等指标，对企业经营状况进行评级，动态评估企业经营状况的好坏，提升了贷前空壳审查和贷中贷后风险预警能力。
（三）发挥多元化科技效能，铸造场景“数字武器”
随着人工智能、区块链、大数据等新技术正以前所未有的力度重塑行业生态，小微企业信贷领域也迎来了新一轮发展机遇。新技术的创新应用，不仅仅体现在流程优化层面，更深刻改变了传统信贷模式的底层逻辑，即以数据驱动的模式显著提升信贷审批效率，大幅降低坏账风险，更突破地域和规模限制，不断扩大信贷覆盖面。
Z银行抓住技术变革带来的发展机遇，在整合企业工商注册信息、税务缴纳记录、征信报告等外部公开数据，深度挖掘行内积累的交易流水、发票开具明细、历史信贷记录等内部数据的基础上，借助机器学习算法对这些海量数据进行训练，探索利用知识图谱技术绘制企业间的关联关系网络，打造新一代大数据风控管理平台，建立一套覆盖小微信贷业务全流程的全面关系风险管理网络，实现贷前、贷中、贷后各环节风险侦测、识别、处理、记录和共享的全方位、立体式监测。贷前阶段，平台通过多维度数据交叉验证，来判断空壳风险和虚假融资需求；贷中环节，实时监测企业的资金流向、股权变动、纳税记录等数据，当出现异常交易或经营数据偏离时及时发出预警；贷后场景中则通过持续追踪企业的经营状况、还款行为、舆情风险等因素，提前预判潜在违约风险，以多元化“数字武器”助力从业人员提升对小微企业经营风险的综合评判和识别能力。
（四）完善一致性识别能力，夯实风控“协作桥梁”
在小微企业风险识别领域，传统模式与纯技术手段的局限性日益凸显。传统识别策略高度依赖于业务人员的电话核实或线下走访，需要反复核实企业经营地址、员工数量、纳税信息等基础信息，耗费人力和时间成本大，更存在因个人经验差异、责任心不足导致的未勤勉尽责的可能性，例如遗漏关键经营异常信号、轻信企业单方面陈述等；但完全依靠金融科技识别手段，亦存在着信息不全面、信息偏差以及合规、伦理等风险。
Z银行从内部管理提升和外部手段利用两方面出发，不断完善线上线下一致性的识别能力。一方面，通过制定企业经营风险评估统一标准，加强业务人员技能培训，构建风险预警和排查机制。另一方面，积极探索合规前提下的技术融合路径，尝试与头部地图服务商合作，通过采集企业经营地址的实景图像与周边商业环境数据，验证注册地址与实际经营地的一致性，进而实现贷前线上尽调与贷后线下审查的一致性。
三、小微企业“真经营”识别未来展望
银行业借助金融科技手段识别小微企业经营的真实性，一定程度上可以提升贷前审查和贷中贷后监测效率，但这并不是“一劳永逸”的。小微企业经营状况多变、缺乏有效经营信息等诸多问题，以及不法中介包装、职业背债人等隐蔽性骗贷手段的不断进化，对识别策略开展的实际成效都存在一定影响。未来，Z银行将不断在实践中提炼、完善小微企业经营风险特征，深化大模型、知识图谱等金融科技手段的场景赋能，线上与线下协同，推动小微金融高质量发展。
（一）因地制宜，开展长尾客群适配
小微企业和个体工商户属于金融机构的长尾客群，广泛分布于国民经济的各个角落，从街头巷尾的餐饮店、社区里的便利店，到工业园区的加工厂，再到写字楼里的设计工作室和设备服务商。这类客群数量大，类型多，金融需求复杂多样，同时存在经营规模小、经营状况多变以及有效经营信息缺乏等问题，使得仅利用部分同质化的金融科技识别策略难以准确评估各类小微企业的经营风险。未来，Z银行将深入研究长尾客群的行业属性、经营模式和风险特征，针对餐饮零售、科技创新、传统制造、个体工商户等不同类型的客群特点，开展识别特征与金融科技识别策略的研究，并分别构建适配的识别特征体系，制定差异化的风险识别与应对策略。例如，针对个体工商户，设计基于交易流水和口碑数据的轻量级评估模型；针对科技型小微企业，打造侧重知识产权和研发能力的专项风控模型。
（二）与时俱进，推进反诈手段提升
当前，金融领域中的欺诈手段呈现出多元化、技术化的升级趋势，群体欺诈、中介欺诈现象屡见不鲜，人工智能等技术的发展，也使得AI换脸、语音合成等新型欺诈手段悄然兴起。例如，部分不法中介招募偏远地区的征信白户作为背债人，通过伪造租赁合同、虚增营业收入等方式包装公司经营、税务等信息，再通过虚高房产估值抵押的形式从银行骗取贷款，甚至利用AI技术合成企业法人的虚假视频通话记录，或伪造电子缴税凭证，让传统的核验方式难以辨别真伪。对于此类骗贷行为，仅仅通过部分识别特征和金融科技识别策略难以穿透其伪装，需要进一步针对职业不法中介、团伙骗贷等各类骗贷行为开展分类研究，精准提炼不同欺诈模式的行为特征和数据轨迹，并尝试利用AI大模型、人形机器人等前沿技术不断升级现有的金融科技识别策略，抵御不断变异的欺诈风险，守住资产质量生命线。
（三）兼收并蓄，加强外部协作赋能
受市场的持续波动、小微企业规模的扩张以及业务复杂性的提升等诸多因素影响，仅靠自身力量来完成小微企业信用评级与风险管理的商业银行正逐渐陷入力不从心的困境。未来，Z银行将不断加强与外部机构的合作力度，在数据整合方面，积极探索对接外部第三方数据平台，获取小微企业税务、海关、环保、招聘等关键信息，以及产业链上下游的交易、物流、库存等信息，综合评估小微企业的实际经营状况和还款能力。在技术应用创新方面，尝试联合头部科技创新企业，借助外部科技企业在AI大模型、隐私计算等新技术层面的优势，实现跨机构数据的联合建模与分析，打破“数据孤岛”的同时规避合规风险，从而挖掘出数据背后隐藏的关联和趋势，预判行业周期变化对小微企业的潜在影响，以提高风险识别的效率和准确性。
作者：金铮，浙商银行股份有限公司小企业信贷中心（普惠金融事业部）
