2019年8月，中国银保监会发布数据，截至二季度末，中国银行业金融机构单户授信总额1000万元及以下的普惠型小微企业贷款余额10.7万亿元，同比增长26.6%。

行业现象表明，一方面金融市场对风险分担及增信需求扩大，担保业务逐渐延伸至直融市场，资质水平较好的担保机构空间更为广阔；另一方面，当前金融行业监管水平在提高，混业监管趋势明显，监管原则逻辑趋同，加之银行业金融机构纷纷抢占线上小微信贷市场，以快捷、低价模式抢滩担保客户市场，业务分化加剧，一些风险管理不到位、资本实力弱的担保企业受到进一步冲击分化。在此背景下，担保业务在当前科技化中应当怎样发力？

笔者于近日参加了中国融资担保业协会举办的“金融科技与担保培训”，协会邀请江苏省信用再担保集团有限公司普惠金融部副总经理刘艳武、原中国投融资担保股份有限公司电子商务中心主任吴志刚和重庆兴农鑫电子商务有限公司总经理杨先斌三位业内专家，分别讲解了科技金融与担保类产品探索。对此，笔者拟就其中相关知识点与同仁分享，并予以探讨和延伸。

吴志刚先生就文章开头的问题指出，在科技化环境下应从以下几个方面着手。一是加大制度红利应用，将融资性担保行业政策红利用足；二是充分利用风险容忍度红利，其认为当前银行的主战场已逐渐离开低风险“躺着挣钱区”，渐次接近和担保公司主战场相近的风险容忍度较高区域，因此和银行合作空间潜力较大；三是提高解决信息不对称能力，其提出加强管理激励机制、增强合作机构黏性、丰富客户来源渠道、提高风险定价能力等四个方面。

对于“提高风险定价能力”，笔者认为在政策性担保公司的可行性有待商榷，风险定价主体多为资金方如银行业金融机构，政策性融资担保公司为准公共性产品，担保费率定价较为固定，很少涉及市场风险定价。对于“丰富客户来源渠道”，笔者认为未来小而分散的业务是担保公司生存和发展的必然方向，拓展客源渠道无疑要从加强市场宣传着手，改变以往主要依赖银行推荐模式，营造多种客户线上接入场景，客户可以直接与担保公司衔接，形成“客户→担保公司→银行”模式。

在科技助力风控实操中，数据源无疑是必不可少的核心环节。刘艳武先生在客户源数据结构分析上有很深的研究，其把客户源数据分为：①产业链数据如：B2C平台、B2B平台数据等；②政务数据如税务、工商、行政处罚、海关等数据；③金融体系内数据如基于历史信贷数据、基于支付数据如POS贷、支付机构多收多贷、基于存款、理财数据、基于代发薪数据等；④传统模式如基于抵押物、房抵贷、基于质押物、基于信用保证、核心企业担保数据等四个方面。

刘艳武先生为我们分析了江苏某银行一个非常专业、细化的外部引入数据模型，分别针对个人类客户和企业类客户建模。其中，个人类客户引入了较为新颖的平台数据，如手机号在网时长、在网状态、个人学历数据库、个人金融征信画像库、乘机人数据库等，维度新颖；企业类客户中，引人注意的数据平台有：法院账户协查信息、商户银联评分查询库、客户风险共享信息库等。由此数据模型嵌入建立的智能风险决策平台，其运作方式大致分为数据抓取阶段（包括三方数据、爬虫数据、客户经理现场考察数据、历史数据）、资产负债/企业财务模型阶段，进一步形成申请评分模型、初始额度辅助和风险定价策略阶段，最后输出为策略决策阶段。

此外，该银行将内部数据通过建立数据集市，将信管系统、个贷系统、核心系统、信用卡系统、同业系统、押品系统、非信贷系统等十余个业务系统整合到同一个平台中，所有下游应用系统统一由数据集市供应。笔者认为，鉴于从技术角度可实现性较大，同时有利于内部数据标准化管理和平衡信息不对称，其做法具有一定可借鉴性，例如合肥兴泰担保集团的业务一体化系统平台已经做出了数据融合的尝试。

值得一提的是，吴志刚先生指出，在科技辅助贷前风险控制中，贷前调查环节包括网络公开信息的自动获取、借款人“画像”、数据粉饰的识别、大数据反欺诈四个方面。其中，重点突出了大数据反欺诈模式。众所周知，当前网络金融欺诈环节与手段多、隐蔽性强，将当前发现的已知欺诈模式收入内部数据库，进行异常检测，是担保公司想要融合科技发展必须突破的一道坎，具有重要意义。

政策性担保公司是金融的基础设施之一，肩负扶助小微企业发展的社会责任。但在不可避免的市场化竞争中，如要远离被淘汰的命运，风险控制是核心竞争力，而“担保+科技”的好产品和严风控才是未来发展的关键。

（作者：合肥市兴泰融资担保集团肥西分公司  刘雨生）