目前供应链金融生态圈逐步趋于健康，企业、银行、互联网公司和科技公司的协作共赢模式已初步建立。
文 | 孙明哲 南京银行交易银行部总经理、中国交易银行50人论坛（CTB50）成员
来源 | 《贸易金融》杂志 2018年12月刊
随着信息技术的发展，供应链已发展到与互联网、物联网深度融合的智慧供应链新阶段。供应链金融是产业与金融融合的新型金融服务，近20年来，供应链金融结合交易银行的生态场景逐渐成为各家银行调整和转型的主要方向。
这一时期，网络科技在国内普遍应用并蓬勃发展，从2005年—2010年的互联网时代，传统金融触网到2015年的移动互联网时代互联网金融的兴起，再到2015年后大数据、云计算、区块链、物联网、人工智能普遍应用的所谓ABCD金融科技时代，各类科学技术及应用的出现不断推动传统供应链金融的创新与升级。
笔者认为供应链金融已步入了数据驱动的新时代。
一、科技驱动的供应链金融兴起的客观条件基本成熟
（一）政策支持不断加强
整体来看，随着近年来政策层面对于金融机构开展普惠金融业务的扶持力度不断加大，供应链金融作为普惠金融的重要实现方式，其所获得的政策支持力度也不断加大。2017年10月出台的《国务院办公厅关于积极推进供应链创新与应用的指导意见》(国办发〔2017〕84号文)再一次明确：供应链是以客户需求为导向，以提高质量和效率为目标，以整合资源为手段，实现产品设计、采购、生产、销售、服务等全过程高效协同的组织形态。这也是供应链金融作为独立主体首次写入国务院办公厅发布的指导意见。
此外，供应链金融政策具有政治高度。中共中央政治局1 月 30 日就建设现代化经济体系进行第三次集体学习。总书记在主持学习时强调使科技创新在实体经济发展中的贡献份额不断提高，现代金融服务实体经济的能力不断增强，人力资源支撑实体经济发展的作用不断优化。供应链及供应链金融的体系建设和创新应用已经上升到国家战略层面。
（二）金融科技高速发展
供应链金融的重要作用之一就是通过核心客户及其交易对手的商流、资金流、物流和信息流等相关数据的收集、处理和分析，以解决交易中操作环节多、信息不对称而导致的中小企业融资难融资贵的问题。
互联网时代之前，数据的统计和发布以及数据的收集、处理和分析工具或技术手段的缺失，导致供应链金融发展滞后，基本以银行传统方式为主导；互联网时代，通过互联网技术及相关应用的发展，国家，企业及个人的数据体系逐步建立，相关技术手段不断完善，供应链金融进入互联网化，银行和互联网企业在该领域开展了角逐；大数据时代，数据体系逐步完善，基于互联网技术的新科技及应用高速发展，金融科技体系逐步形成，供应链金融对数据和科技的依赖程度逐步加强，市场参与者更加多元化，产业链核心客户、银行、互联网公司、供应链管理公司，和保理公司等都通过科技手段积极参与供应链金融笔者认为目前已经进入后大数据时代，或者说是ABCD+供应链金融时代，同时掌握大量核心数据和关键技术的企业或将成为供应链金融市场的独角兽。金融科技已经成为供应链金融的强大支撑之一。
（三）生态体系逐步健康
生态体系或者说生态圈的搭建对供应链金融的良性发展至关重要。信息不对称是导致实体企业，尤其是中小企业融资难融资贵的主要原因之一，而信息不对称的主要原因是掌握数据和技术的各方，如产业链头部企业、金融机构、互联网企业和科技公司等，尚未形成具有“创新、协同、共赢、开放、绿色”特征的生态圈。
在互联网时代，市场乱象丛生，头部企业、商业银行和互联网企业一度竞争激烈，一些P2P平台也披上了供应链金融的合法外衣。经过一段时间的市场考验，加之政府采取的一系列手段，市场逐步规范。
总体而言，目前供应链金融生态圈逐步趋于健康，企业、银行、互联网公司和科技公司的协作共赢模式已初步建立。可以预见，随着政府监管力度的加大，市场自律机制的逐步形成以及多方协作共赢商业模式的日益成熟，未来市场将进一步规范，生态圈将进一步向良性发展。
（三）银行转型需求迫切
国内商业银行传统的公司业务模式长久以来停留在关系营销和价格竞争的地层面，特别是对中小股份制商业银行来说，由于自身实力和监管限制，综合服务能力偏弱，在这种竞争中处于天然的不利地位。
与此同时，国际性商业银行早已步入差异化和个性化的产品营销与金融服务阶段，我国银行业若想在与国外同行竞争当中夺取相应市场份额，就必须进行业务转型。供应链金融的出现，为这种转型提供了重要方向。
供应链金融由于其本身具有的独特性，具备天然的风险管理优势；同时，多元化的目标客户群能为商业银行提供更多的产品设计和差异化的服务平台，收益增长点也将覆盖到资产业务、负债业务和中间业务等各个方面。
此外，供应链金融能够批量地营销中小企业客户，带来大量的沉淀存款，为企业群体提供综合金融服务，并能更好地结合供应链条的贸易和商业背景。供应链金融能够降低整个供应链的融资风险，降低银行业整体风险水平。供应链金融是银行公司业务转型和支持实体的重要抓手已经成为大多数金融机构的共识。
二、南京银行供应链金融发展历程及方向
南京银行响应国家号召，为了可持续化的发展需求，积极探索供应链金融之路。我们在现有架构之下重新搭建交易银行体系整合所有资源。供应链金融、现金管理、跨境金融和贸易融资是我们交易银行的四大业务板块，以科技、系统、数据为支撑，职能部门、决策部门共同整合资源和流程，为客户提供一揽子综合解决方案。
目前我们的供应链金融发展经历了以下几个阶段：
1.0阶段：线下流程化 供应链从电商平台兴起，实现四流合一，改善用户体验，我们实现了供应链金融的线下流程化操作。
2.0阶段：线上化 随着供应链在不同行业的应用，衍生出不同的行业特性，促使供应链金融向细分、精准和专业方向发展，实现线上化。
3.0阶段：数据化。在数据化的今天，海量及非标数据的不断交互、存储、整理和分析，可以设计出精准的营销模型和风险管理模型。
4.0阶段：生态化。形成跨产业、跨区域、跨平台的物联网和互联网相互融合的金融生态平台。
5.0阶段：“科技+金融+生态”是我们正在探索的方向。
图一：南京银行供应链金融发展阶段
三、数据驱动的供应链金融发展五个支点
笔者认为，数据驱动的供应链金融是基于供应链核心客户所提供的财务信息，交易相关信息（包括但不限于核心客户及其交易对手或卫星客户的采购、销售及存货等信息）和其他第三方信息（包括但不限于海关、商检、物流、第三方支付等信息），银行可实现全流程动态风险管理及线上化作业的综合化金融服务解决方案。因此，它的发展必须依赖于以下五大支点：
图二：数据驱动供应链金融五大支点
（一） 数据来源的真实性
数据来源的真实性是数据驱动的供应链金融的基本要求。这包括四个方面，一是数据来源真实可靠，二是数据传输安全有效，三是数据来源的多样性，四是数据来源的持续性。
传统金融业务或者说传统供应链金融是以客户提供的静态财务数据为主，加上交易流水、合同发票、人行征信和税务等简单数据支持。在此模式下，银行风险依然存在。为解决此问题，我们认为，银行应结合具体业务场景搭建供应链平台，通过各种渠道引入各类关键数据，包括几类，一是财务数据，主要是核心客户及其上下游客户的基础财务数据；二是交易数据，主要是核心客户和上下游客户的交易相关的订单数据、商品数据、物流数据、支付数据等；三是行为数据，主要是核心客户及其上下游客户的征信数据、税务数据、法律数据、舆情数据等；四是验证数据，主要是第三方渠道提供的查册数据、认证数据、溯源数据等。通过特定产业的具体应用场景内的海量数据积累，保证数据来源的真实性。
图三：交易场景下的大数据应用
（二） 基于数据化的风控体系
风险管理是金融企业永恒的主题也是核心竞争力之一。不论是商业银行、互联网金融公司，还是商业保理公司或者科技金融公司等所有金融机构，其业务逻辑或者风险管理要求本质无较大差别 ，都是要兼顾资金的安全性、流动性和效益性，只是各自所面对客群，金融产品、风险偏好存在差异。因此，风险管理体系建设是金融机构开展业务的首要工作。
数据化风控体系包括三个层面，一是数据的风险管理子系统的建立，即前面所说的数据来源真实性；二是数据的逻辑关系或算法子系统的建立，即如何通过科学的算法确保数据之间的逻辑关系与实际场景内的交易关系匹配；三是基于数据的风控模块化管理或风控模型子系统的建立，即如何结合实际场景把风险管理按业务发生的路径或顺序进行流程化和模块化设置。通过数据和算法的运用实现数据化风控体系的搭建。
图四：数据化风控体系
（三） 基于数据化的人才资源
“打铁还需自身硬”，懂数据和金融的复合型人才或专业团队是开展数据驱动的供应链金融的基石。除商业模式本身的创新外，人才发展战略也是金融企业发展的核心战略之一，如何应对新技术和新模式带来的人才市场转变，规划符合企业自身人才发展战略的最佳实践路径成为金融科技企业要面对的难题。据普华永道发布的《2017全球金融高科技调查中国概要》指出，中国有71%的金融机构受访者认为招聘人才比较困难。据全球招聘顾问公司Michael Page发布的《2017中国薪资和就业报告》，目前国内金融科技人才总缺口达150万。在这么大的缺口之下，中小银行很难实现转型升级。针对这一难题，中小银行需要努力联合各方资源，理论结合实践，加速培养金融科技复合型人才，帮助自身构建金融科技人才的选、用、育、留体系。
（四） 供应链金融的生态伙伴
生态圈对供应链金融的持续和健康发展至关重要。数据供应链金融中的生态伙伴主要包括四大群体，一是企业客户，如供应链头部企业、上下游客户、电商平台、供应链公司、物流公司等，此类群体主要掌握客户和交易数据；二是金融机构，如银行、互金平台、租赁、保理、基金、信托等金融机构，此类群体主要掌握资金和金融市场数据；三是官方机构，如法院、海关、税务等，此类群体主要掌握客户的行为数据；四是科技公司，即掌握ABCD等技术的科技企业，此类群体主要掌握的数据的搜集，处理和分析工具。从数据驱动的角度而言，这四大群体，应该是相互依赖的共生关系，共同构成数据供应链的完整生态圈。
图五：数据驱动的供应链金融生态圈
（五）基于数据化开放的系统管理
国内商业银行现处于数据资产化、产业化和生态化的起步阶段，且银行运用大数据技术以描述性数据分析为主、预测性数据建模为辅，以自身交易和客户数据为主、外部数据为辅。在供应链金融业务不断开展的过程中，商业银行必然会面临以客户为代表的日益增加的外部数据，相较商业银行内部数据而言，外部数据在信息涵盖范围与数据标准方面均不可避免地与商业银行内部数据存在一定的差异，对供应链金融业务的开展形成阻碍。通过数据化开放的系统管理，建立一整套的数据标准转换规则，实现内部数据与外部数据的无缝对接，有助于供应链金融业务开展的高效率与资金的精准投放，与数据驱动下的供应链金融相辅相成。
路漫漫其修远兮，笔者认为数据驱动下的供应链金融是社会和科技进步的大势所趋，但同时我们也应该清醒地认识到实现这个目标需要社会各界各方参与者“不忘初心，砥砺前行；不忘初心，方得始终”。
