对外经济贸易大学金融学院助理教授 屈源育
信息不对称是信贷行业面临的主要问题。几百年来，以银行业为代表的传统金融机构试图建立一套以人为核心的审批和风控系统来缓解这一问题。这套系统的稳定运行依赖于从信贷员到风控人员等多部门的协调合作，虽然极为庞杂，却是一直以来我们所能唯一依靠的信贷管理手段。
然而，近年来随着大数据技术的迅猛发展，BigTech(科技巨头)开始进入金融市场，这使得局面有所改变。他们试图建立一套主要依靠大数据技术的审批和风控系统取代人工来解决信贷市场中的信息不对称问题，以期为客户提供更便捷和低成本的金融服务。这些以大数据技术为核心的金融创新对传统金融中介业务，特别是信贷业务的影响或许会是根本性的。
对传统信贷市场的影响
首先，是获客模式的转变。传统信贷业务竞争的核心是客户资源，在商业银行内部，从行长到业务主管、客户经理，再到下面的柜员、大堂经理无一不背负着沉重的信用卡考核指标，除了亲戚朋友外，他们还需要通过不断地打电话、在网点营销等方式揽客。这种线下揽客的弊端是显而易见的，抛开高昂的人工成本不谈，由于业绩考核压力，这些信贷人员没有动力去对客户需求、还款能力进行全面的了解，即使有初步的了解，也主要依赖于主观判断，因此通过这种模式所获得的客户的有效转化率实际上是大打折扣的。
BigTech在这方面有着天然的优势，他们无须去招揽新的客户，因为已有的客户网络已经足够他们去挖掘。根据Questmobile统计，截止到2018年，淘宝活跃消费者已达6亿，微信的用户数量超过10亿，基于已有客户的经营、消费和社交等方面的信息以及强大的数据挖掘技术，科技巨头们可以为他们提供精准化的金融服务，以满足其在信贷方面的需求。由于整个过程完全基于线上，因此可以最大程度上避免人工营销所带来的主观判断。当然，获客模式转变最终影响的还是企业的成本，在大数据技术下，科技企业为现有客户提供金融服务的边际成本几乎为0，其直接影响是大大降低了信贷市场中的金融服务费用。
其次，是风控模式的转变。传统信贷行业大量使用线下审核人员，需要逐一审查贷款人的基本信息、资产和收入等信息，审核成本较高。但是从经验上看，高昂的人工成本并没有显著的降低违约率，这主要源于两个因素：一是中国的征信体系建立较晚，个人征信信息的尚不完善。据统计，中国有大概9亿左右的群体未被央行征信覆盖或未有任何信贷记录，这很大程度上提高了银行的实际风控成本。二是信息维度单一，信息更新滞后。资产和收入是传统信贷审核时考虑的两个重要因素，但是这两个方面也是较为容易操控和变化的，单一信息维度下如何识别潜在的道德风险也是传统信贷行业面临的重要问题。
BigTech在风控问题上似乎采取了一套完全不同的模式。相比于资产、收入等“硬信息”指标，它们更加依赖于互联网使用过程中沉淀下来的消费数据、社交数据、位置数据等“软信息”。一个自然的担心是：这些看起来与信贷并不完全相关的信息是否真的有助于提高企业的风控能力？答案有些出乎意料。有研究表明，采用类似消费数据等软信息对违约率等核心指标进行预测居然要比基于征信系统的预测还要准确。进一步地，同时使用两方面数据比使用任一单一数据源的预测准确度都高，这说明互联网沉淀下的软信息是扩展而非简单重复了传统信贷行业所以来的征信数据。使用软信息的另外一个好处是便于信息的实时监控。并不是所有人每天都会使用银行服务，但在这个时代，几乎每个人每天都会使用互联网，动态长期的互联网使用数据较难伪造并且能够及时的反应贷款人的信用变化情况。有一个公开数据或许能够侧面反映出科技企业在风控管理上的优势：2017年花呗的不良贷款率为1%，而同期银行业信用卡的平均不良率为1.6%。
最后，是信贷渠道的扩展。中小企业融资难、融资贵是每每谈到中国实体经济和金融体系关系时无法回避的问题。2018年11月，银监会要求三年之内商业银行给私营企业的新增贷款不少于50%，这是一个美好但完成起来有极大难度的目标。长期以来，我国的商业银行体系主要服务于中大型企业，尤其是国企，而对于中小民企的了解、信息系统建设严重不足。在这种情况下，如果为了完成监管指标而盲目贷款，势必会为未来的不良账款比例埋下一个雷点。反之，如果要在保证一定风控质量的前提下完成指标，就要重新投入大量的人工和设备成本来建立相应的信息网络，在不大幅提高贷款利率的情况下维持盈亏平衡也是一个棘手的问题。
电商领域的BigTech或许能从真正意义上解决中小企业融资难的问题。随着电子商务近十几年来的迅速普及，几乎大部分中小企业都有线上的销售渠道或作为其产业链中的一环，他们在互联网上长期沉淀下来的销量、价格、产品信息和用户评价等数据成为了其获得贷款的重要凭据。电商企业可以利用这些信息建立完善的信用打分系统，为平台上的中小企业提供便捷、成本合理的贷款。相比于商业银行贷款，电商平台的贷款有两点潜在优势：一是无抵押品