大数据在互联网供应链金融风险管理中的应用

邱晖 许淑琴

【摘 要】 互联网供应链金融主要通过大数据技术进行信息治理来实现有效的风险管理，与传统供应链金融相比，进一步降低了中小企业的融资门槛。但这种做法的效果却因为大数据获取和处理成本高、数据真实性难以保证以及容易侵害用户隐私安全等问题的存在而被削弱。为此，需通过强化互联网供应链金融与社交网络的深度融合以及培育大数据核心处理能力来降低获取和处理大数据的成本，通过加强对原始数据的检查来确保数据的真实性，根据实际需要将原始数据生成专业型知识型资产并确保数据在传递过程中的安全。为了保护用户的隐私，最好通过使用第三方数据脱敏产品来对数据进行脱敏。

【关键词】 大数据； 互联网供应链金融； 风险管理； 信息治理； 隐私

【中图分类号】 F831.2 【文献标识码】 A 【文章编号】 1004-5937（2018）07-0035-03

互联网供应链金融是传统供应链金融与互联网深度结合之后的产物。伴随着信息技术的飞速发展，供应链金融已经从最初的基于上下游购销关系的简单链条发展成为理论上没有边界的复杂网络，其交易结构也随之变得更加复杂。互联网供应链金融是一个创新层出不穷的领域，其理论已经远远落在了实践之后。与传统的供应链金融相比，互联网供应链金融的风险控制已经不再依赖融资企业提供的抵押物或者出具的与供应链上核心企业存在交易关系的证明，而是依靠大数据技术来获取融资企业的全景式图像，并通过有效的信息治理来解决中小微企业的融资问题。但运用大数据技术进行互联网供应链金融风险管理也面临着不少问题，需要互联网供应链金融的供给者有针对性地加以解决。

一、互联网供应链金融风险的内涵

供应链金融的本质是对物流、信息流以及资金流在不同企业、不同行业之间进行整合，这一点并没有因为供应链金融发展到互联网供应链金融这个阶段而有所改变。但互联网供应链金融拓展了供应链金融交易的边界，丰富了供应链金融交易的结构。通过横向、纵向及斜向的价值链，互联网供应链金融不仅能够实现物流、信息流及资金流在上下游之间有机结合，而且能够实现物流、信息流及资金流在不同行业之间有机整合，并最终形成一个没有边界的“生物圈”式的巨型网络结构[ 1 ]。

互联网供应链金融风险是指基于互联网供应链中物流、信息流及资金流的实际运行情况与互联网供应链金融的参与方预期的情况产生偏离并导致其遭受损失的不确定性[ 2 ]。互联网供应链金融拥有广阔的交易边界及复杂的交易结构，其风险特性主要有三个，即动态性、传导性及复杂性。动态性是指互联网供应链金融的风险处于不断变化的过程当中，供应链所处的外部环境、供应链的运营状况、供应链交易边界的扩张以及交易结构的变化等都是导致供应链金融风险不断发生变动的诱因。供应链金融与互联网深度结合之后，能够引发风险变动的因素急剧增加，引致重大损失的风险出现的概率也更大。传导性指互联网供应链金融风险会在参与者之间进行传导，某个参与者出现的风险，会通过横向、纵向、斜向的价值链传导至上下游企业以及其他相关行业，并给其他参与者造成损失。互联网供应链金融依托互联网，较之传统的供应链金融，其风险传导速度更快，波及主体也更多。复杂性是指互联网供应链金融的风险来源比较复杂。互联网供应链金融的风险既可能是源于产业供应链的风险，也可能是源于金融领域的风险。换句话说，供应链金融风险不仅来源于供应链的外部环境、交易网络和交易结构，还来源于各种金融风险，如信用风险、市场风险及操作风险等。

二、大数据在互联网供应链金融风险管理中的作用

供应链金融风险所具有的动态性、传导性及复杂性的特性在供应链金融与互联网深度结合后变得更加突出和敏感，互联网供应链金融的风险来源和风险结构变得更加复杂。参与者的违规行为、经营模式的缺陷、业务流程设计缺陷以及操作过程中的各种失误等都能够引发风险并通过传导效应迅速波及整个供应链。与传统的供应链风险管理相比，互联网供应链金融风险管理最突出的特点就是通过应用大数据来强化信息的管理和利用并达到控制风险的目的。所谓大数据，是指以多元形式，自许多来源搜集的庞大数据组，往往具有实时性[ 3 ]。大数据的来源包括社交网络、电子商务网站、顾客来访记录等。大数据可以帮助互联网供应链金融实现信息全生命周期的管理，实现有效的信息治理。

互联网供应链金融利用信息替代了抵押或质押。在传统的信贷业务中，金融机构为了降低自身的风险，往往要求融资企业提供相应的抵押或担保。与传统信贷相比，供应链金融最大的优点在于其放松了对融资企业抵押担保方面的要求，从而使许多难以满足传统信贷要求的企业尤其是中小企业获得了融资的机会。供应链金融降低风险的方式不再是要求中小企业提供抵押担保，而是依托中小企业与供应链上核心企业之间的真实交易，由核心企业变相承担了相应的担保功能。随着供应链金融发展到互联网供应链金融阶段，核心企业的担保功能不断被弱化，互联网供应链金融服务的提供者更加依赖通过加强对中小企业的综合评估，强调供应链上的业务闭合来控制风险。对融资企业的综合评估涉及基本素质、偿债能力、营运能力、盈利能力、创新能力、成长潜力、信用记录以及所处行业状况等诸多方面。大数据技术的运用使得互联网供应链金融服务的供给者可以获得关于融资企业的相关信息，通过综合评估，可以获得针对融资企业包括硬信息和软信息在内的全景式图像，通过建立科学的评估指标体系并运用适当的评估方法，就可以为放贷决策提供坚实的基础并降低放贷风险。

三、大数据在互联网供应链金融风险管理应用中存在的問题

（一）获取和处理大数据的成本较高

与互联网深度结合的供应链是数字化的供应链。大数据是支撑互联网供应链金融的重要基础。大数据技术运用的关键在于实现供应链业务活动的实时数据化，并形成持续不断的数据流，通过对数据实施有效管理来降低互联网供应链金融所面临的各种风险。要拥有反映供应链上关于生产、物流、资金流等动态的实时数据流，就必须建立一个能够覆盖整个供应链网络的基于云计算的产业互联网体系。

在实际操作中，实现上述目标会面临来自两方面的困难。首先，大数据处于分割的状态。大数据是互联网供应链金融实施风险管理的基础，但全国的大数据却是由许多相互隔离的“信息孤岛”构成的[ 4 ]。单一的平台一般而言只能掌握一维或几维的数据，风险管理需要引入众多的外部数据，但某些极具价值数据的数据源被分散掌握在不同政府部门或企业中，这就降低了风险管理的效果。其次，数据处理的成本高昂。基于大数据的风险管理能够降低由于风险引发的损失，但这种风险管理本身却可能是代价高昂的。一般而言，购买数据需要支付相应的费用，来自不同机构的系统数据在对接时需要进行多次调试，建立基于大数据的风控模型更是需要投入大量研发、运营和维护成本。

（二）大数据的真实性难以保证

大数据的来源很广泛，包括网上搜索、公共平台互动、电子交易记录等，较之传统的统计数据，有着更全面、更及时、更透明等显著优点，因而具有更大的应用价值。大数据的根基是数据，数据的真实和精准是保证大数据能够有效使用的基础。如果大数据出现造假，基于大数据分析而做出的风险管理决策可能会造成严重的后果。使用基于大数据开发的互联网供应链金融风控模型，确保数据的质量是重中之重。目前，国内的数据库数量非常多，但高质量的数据库却并不多。在将大数据应用到互联网供应链金融的过程中，也容易在数据质量上出现问题。比如，融资主体为了获得贷款或者提高贷款的额度，会进行流水造假。大数据造假不容易被发现且难以监管，个别因为利用数据造假而获利的行为还容易引起他人的模仿，带来更大的诚信危机。

（三）容易触碰用户的隐私安全

与传统供应链金融相比，互联网供应链金融最突出的特点就是用大数据取代了传统的风险定价及风险管理。大数据在被金融服务供给者用于降低自身经营成本的同时，极易侵害金融服务消费者的隐私。互联网供应链金融的消费者要想获得互联网供应链金融服务，就必须将各类个人信息提供给平台，消费者对个人信息的保护与平台对个人信息的商业利用之间产生了尖锐的矛盾。互联网供应链金融服務的供给者为了降低风险，会尽可能地掌握客户更多的相关信息。大数据在帮助使用者还原客户画像的同时，也必然导致用户的大量隐私被挖掘出来[ 5 ]。互联网供应链金融所使用的大数据主要包括用户的网上交易记录、银行账户记录、沟通交流记录等各种真实信息，严格地讲，这些都属于客户的个人隐私。这些数据信息应该首先经过脱敏处理，才能进一步使用。但由于目前的技术没有对属于个人隐私的数据信息做分类处理，致使个人信息随时随地都有可能被公开或提取，个人隐私得不到有效的保护。

四、互联网供应链金融风险管理应用大数据的对策

（一）降低获取和处理大数据的成本

要降低获取和处理大数据的成本，就要打破数据源的边界，加强信息共享，并强化自身处理大数据的能力。针对互联网供应链金融，具体可以从两个方面入手。

首先，通过强化互联网供应链金融与社交网络之间的融合来降低大数据获取的成本。所谓社交网络，是指包括电子邮件、社交网站、在线问答、商务社交活动等在内的一切可以通过互联网完成的行为。互联网供应链金融进行风险管理的精髓在于通过对融资主体信息的掌握来降低抵押或担保的要求。要掌握融资主体的信息，大数据采集时就应该注重对融资主体工作及生活情景的抓取。社交网络上沉淀着关于融资主体的大量行为数据，互联网供应链金融的供给者通过与互联网公司之间的合作，可以促进打破数据源的边界，促进互联网供应链与社交网络之间的深度融合。

其次，通过培育大数据核心处理能力来降低处理大数据的成本。社交网络的数据来源复杂，不存在统一的标准，必须经过处理才能放入原料数据库。对于从外部采集而来的数据，应确定一个统一的格式和标准，并注意与内部数据的整合。互联网供应链金融在构建起大数据原料数据库之后，必须进行加工处理使其转化为专业型知识型资产。互联网供应链金融应采用专业的大数据分析工具，提高将原料大数据转化成专业型知识型资产的效率。从原料大数据中提炼出来的专业型知识型资产，在大规模使用之前，应进行必要的小规模测试。

（二）确保大数据的质量和安全

互联网与供应链金融的深度结合，极大拓展了获取数据的来源。面对来自多种渠道的海量数据，必须科学地进行有效信息的提取、整合、分析和生成，并最终将符合需要的信息传递给接收方。在这个过程中，首先要确保原始数据的真实性，如果数据在源头处就出现失真的情况，据之加工生成的专业型知识型资产也必然是失真的，这样就会误导主体的决策。其次要保证专业型知识型资产的有用性，经过加工并最终生成的专业型知识型资产，必须要对这些信息的使用者起到相应的作用，能够帮助他们了解相关的情况并做出正确的决策。最后还要保证数据的安全性，在数据加工和传递的过程中，要确保数据能够安全准确地传递到接收方手中。

数据安全性的保障更多依靠先进的技术手段来加以实现，而确保原始数据的真实性以及专业型知识型资产的有用性则需要依靠从事大数据管理的相关人员的查验和判断。对于数据的使用者而言，他们真正关心的问题主要有：融资企业交易是否真实，供应链上的物流是否符合要求以及供应链上资金风险是否可控。要确保融资企业交易的真实性，需要对相应交易的凭证和单据进行查验；要确保供应链上物流能力达到预期，需要对物流网络情况、物流运营情况、库存周转情况、单货相符情况等进行查验；要确保供应链上资金风险可控，则需要掌握融资企业的财务状况尤其是现金流状况。

（三）加强对隐私数据的保护

互联网供应链金融服务的供给者在进行大数据挖掘时应该注重用户隐私安全的保护，有效利用大数据的前提是遵守相应的业务规则，在不触犯国家关于隐私保护的法律条件下尽量最大化数据的分析价值。

从法律层面看，互联网供应链金融的供给者在收集和存储客户信息的阶段应该严格遵守相应的法律，事先须取得客户明确的同意授权，确保客户对自身隐私信息控制权的初步行使，然后向客户完整地披露所采集信息的种类、使用目的及与提供特定互联网供应链金融产品之间的必要联系。互联网供应链金融的供给者要确保客户的隐私信息仅被用于客户实现声明同意的特定目的，如果要将客户的隐私信息用于其他事项，应再次取得客户的授权。

从技术层面看，保护客户隐私最重要的做法是进行数据脱敏。数据脱敏是指运用脱敏规则对敏感信息进行数据变形进而实现对隐私数据的有效保护[ 6 ]。对于涉及客户隐私安全的敏感数据，比如手机号、银行卡号、省份证号等个人信息，在不违反系统规则的条件下，都应该进行数据脱敏。数据脱敏可以通过内部人员手工完成，也可以通过使用第三方数据脱敏产品来完成，后者的效果要优于前者。

【参考文献】

[1] 赵昕.产业金融创新：从跨界到无界[J].学术交流，2016（6）：136-141.

[2] 宋华.互联网供应链金融[M].北京：中国人民大学出版社，2017.

[3] 范嘉琦.关于大数据的安全现状与应对策略探讨[J].信息系统工程，2017（10）：73-75.

[4] 李孟刚，李恩.创新互联网供应链金融风控模式[J].中国国情国力，2017（2）：30-32.

[5] 李连梦.基于大数据的商业银行智慧型风险管理研究[D].天津商业大学硕士学位论文，2016.

[6] 姬鸣扬，李林森，李建华.P2P网贷用户数据脱敏技术研究[J].通信技术，2017（2）：321-327.