网站电话：15001380073 两年前，在南京做灯饰生意的刘鹏接到一个大单——为江苏某市的街道做城市景观项目设计。在兴奋之余，他却遇到资金周转的难题。不过，他不愿意找朋友借钱，“借钱欠的不光是钱，还有人情债。”
当时，由于业务尚处在持续扩张阶段，刘鹏没有足够的流动资金来采购原材料。正在发愁时，恰好通过网络知道了人人贷，于是决定尝试这种新型的借贷方式。通过人人贷，刘鹏很快就拿到了一笔借款，及时补充了原料。
而在以往，像刘鹏这样的小微企业要想获得类似的小额经营性借款，往往需要提供详实的经营流水，甚至资产抵押，而且通常要操作两周甚至一个月的时间。
5月29日，中国人民银行科技司副巡视员杨富玉在2019金融街论坛年会分论坛上表示，要着力增强金融服务实体经济能力，把服务实体经济作为金融科技发展的首要任务。
20万以内的融资需求谁来满足?
小微企业在不同的发展阶段有不同量级的资金需求，每个阶段应有不同的平台为其差异化的需求提供服务。
目前，国家将针对小微企业的授信额度从500万提升到了1000万。如果把1000万元分层来看，100~1000万区间的小微企业已具备一定规模，它们要么是在上下游具有很强实力的核心厂商，可以通过应收账款质押进行票据类供应链融资，要么具备很好的经营性流水，且具有合格抵押品等，能通过银行获得经营性贷款。在20~100万区间，德国的IPC信贷模式成为一些银行、民间商业信贷机构主要借鉴的模式。IPC模式的核心是重度依赖线下信贷员体系，对企业经营状况进行层层把关。
近年来，作为我国金融体系中服务小微企业主力军的城商行，一方面有小微企业贷款量增长的任务，一方面也面临着资产不良率提高的风险。
全世界的小微企业都有相通的特征：盘子小，缺乏规范的财务管理和信用记录，缺乏有效抵押物和资产，淘汰率高，反欺诈难度高。因此，在传统的批贷模式下，银行面对小微群体的资金需求时，其经济效益往往面临挑战。
原中国工商银行董事长姜建清曾指出，传统上，银行发放贷款前后，须对企业的资金流、物流和信息流的运行进行全过程、不间断的监控。通过数据的异常变化揭示风险。由于信息割裂，融资银行对融资企业缺乏整体把握，对客户信息掌握不深不广，维度单一，无法真正“了解你的客户”。他分析称，信息数据量不足是影响信贷判断和决策的原因之一。
姜建清认为，银行该如何识别风险，防控风险，让风险可承受、让风险与收益相匹配的小微企业能够得到融资，同时又守住风险底线，避免出现系统性、地区性信用风险，其关键点在于解决信用领域的信息不对称问题，这也是解决小微企业融资难问题的治本之策。
眼下，尽管银保监会已经在逐步增加对小微企业不良率的容忍度，但无论是对于大型商业银行还是城商行来说，20万元以内的小微融资需求，都是一个棘手的区间。传统的绩效评价办法、内部资金转移定价、经济资本安排、尽职免责制度安排，都决定着基层银行客户经理是否有意愿服务小微企业。而银行内部信贷资金配置、内部审批程序是否复杂、授权层级的高低决定着银行能不能开展小微金融业务。
小微融资需求，具有小额分散的特征，是否可能以规模化的方式去满足?有这样融资需求的小微企业多是个体、家庭为核心组成的小业主，处于事业起步阶段，经营规模有限。对于他们来说，要以企业资质或者是资产抵押的方式，从传统金融机构获得融资，并不是一件容易的事情。
在传统金融体系之外，以人人贷为代表的部分头部金融科技平台，提出以小微企业主为信用主体，通过衡量个人信用的模式，为小微企业群体提供小额融资服务。跟市面上大量小微信贷产品以保单、企业经营流水、房屋按揭、应收帐款等为核心风控数据为主的思路不同，人人贷的小微信贷产品风控手段更多地针对企业主个人纯粹的信用判断。其逻辑是：在大数据基础上的个人信用评估，可以更加标准化和可规模化，同时，大数据也让跨行业、多维度来衡量个人信用情况成为可能。
“小微企业主的反欺诈的问题其实是可以通过长期以来在个人信贷业务中的积累解决的。”人人贷联合创始人杨一夫指出，小微企业主群体本身的信用水平其实并不差。
通过对个人信用的评估，上线九年，人人贷累计撮合交易超过830亿元，其中有约80%的资金通过平台流入了实体经营领域，支持了诸多事业处于起步阶段的小微企业主的发展。
机器学习在风控中的应用
人人贷的借款人群体主要为小微企业主，其中80%以上的资产来自合作渠道友信普惠。
2017年12月之前，是线上小额信贷业务被狂热追捧的宽松时期，人人贷选择了最“难啃”的小微金融业务作为核心资产，从此开始建立业务护城河。
“人人贷刚成立的时候，原始的理想是远程解决所有问题，看起来很fancy，只需线上过一下决策引擎，跑一跑模型，出借人和借款人都能在线上完成业务了。”杨一夫说。
但是，九年前，互金行业还没有积累到足够的数据量，信息过度碎片化，数据分析能力也欠缺，无法集中、商业化使用。
看清楚形势的人人贷转身扎进了小微金融领域。小微信贷是长期限的产品，门槛更高，一个完整风险周期大概在三年，如果模型、系统要支撑有效且低风险的放款，至少要看一个完整的风险周期，调优则至少两个风险周期，也就是6年。
2016年开始，互联网金融基础设施逐渐成熟。这个过程中，人人贷的运营和服务效率均发生了深刻的变化。2013年时，人人贷一线审核人员大概有300~400人，目前，一线审核人员已经降至100人左右，其中很关键的一点是风控效率的提升。
得益于大数据、前沿人工智能技术的应用，人人贷实现了更精准、高效地的风险甄别。目前已建立起贯穿贷前、贷中、贷后的大数据风控系统，不仅降低了全环节中的欺诈和信用风险，同时也优化了审核效率，形成“大数据-建模-大数据”的闭环，实现了系统自动化、智能化和互联网化，实现包括但不限于进件审核、放款审核、额度调整、贷中监测、交易审核等多种风险事件判定，并且将数据源接入或调整时效缩短至小时级别，大大提高了服务效率。
人人贷所属集团友信金服联合创始人张适时此前介绍，平台过往在风控环节上，人工的占比达到70-80%，数据的作用只占到20%左右，使得每笔借款的批核需要3-5个工作日;但是随着金融科技能力的提升，目前数据在整个决策中的占比已经达到了90%。现在，人人贷平台的批核速度是以分钟甚至秒级来计算，极大提高了小微金融服务的效率。
人人贷是较早运用机器学习技术的网贷平台之一，线上审批流程中主要包括反欺诈、信用评估两个环节。
反欺诈环节主要是判断提交借款申请的客户是不是出于骗贷等恶意动机。一般来说，”欺诈攻击“主要有两种方式，一种是申请资料造假，不法分子为了获取贷款会对申请资料进行包装，以求通过审核;另一种是申请身份造假，不法分子冒用他人身份申请贷款。得益于机器学习模型的应用，人人贷可以精准、高效地识别出疑似欺诈人群。按照巴塞尔协议的风险分类，重要性仅次于欺诈风险的是信用风险。在信用评估环节，人人贷利用风控系统中部署的卷积神经网络(CNN)、随机森林、XGBoost 等算法，为不同信用水平的客户实现了差异化定价(费率)，同时将整个信贷周期的不良率控制在极低水平。
根据借款客户的信用水平，人人贷将提交到作业系统的借款人分为 A-E 五个风险等级，对不同等级的客户匹配不同的算法模型。从机器学习部署至今，人人贷系统中的算法模型数量已经达数千个，更先进、更复杂的模型也在持续训练和调校中。
人人贷在客服领域也引入了前沿AI算法。一个典型的场景是：在人工客服接听电话时，AI同时在线收听，并会对客服进行实时评价和提醒。若出现了答非所问或者不合规用语，AI都可以做出及时提醒。这种做法也使得人人贷客服效率有力提升。
运用金融科技手段，人人贷已经积累了丰富的用户数据，对于小微企业主的经营发展特征及资金需求特征有精准的把握，构建了千人千面的用户画像。
小微企业相较成熟的大企业贷款来说生存风险较高，传统金融机构在服务小微企业的融资需求时往往会更加谨慎。而小微企业融资往往面临小规模修缮或业务扩张，应急性以及季节性、规律性的周转等需求，其相应的融资往往表现为需求急、频率高和金额小等特点，在传统的授信评估体系下，对于缺乏资产抵押、担保的长尾小微企业群体来说，这些资金需求很难被高效满足。
央行副行长潘功胜认为，针对民营和小微企业普遍面对的贷款期限短、抵押物缺乏等困难，商业银行应该在信用贷款产品、贷款期限方面作出更多适应小微和民营企业生产经营规律的设计。
金融科技也将在其中扮演越来越重要的角色。友信金服CFO王海琛认为，个人经营性融资已经形成传统金融机构和新兴金融业态优势互补的多元化融资格局，未来，新兴金融科技平台会和传统金融机构产生更多的合作关系，在助力传统金融机构发挥普惠信贷主力军作用上提供支持。
杨富玉在2019金融街论坛年会指出，发展金融科技应以互利共赢为基调，坚持多方参与的发展模式，鼓励多元化市场主体开放合作，包括加强机构合作、产用合作和国际合作。
友信金服在今年以来也逐步调整策略，引入了机构资金。4月份，集团单月新增业务中约24%为银行等金融机构资金，短时间内机构资金占比可能会提高，杨一夫也表示，从长期来看，P2P未来仍然是具备显著优势的重要资金来源。
