“追求變革”是中化人一貫的性格，小微金融團隊順應趨勢，突破組織機制、資源分配上的種種障礙，開始正面迎擊撲面而來的互聯網浪潮

“小的是美好的。”聽來像是哲人提出的一個美學原理，但實際上，它是由英國發展經濟學家舒馬赫在20世紀中葉提出的一個經濟學命題。一個多世紀后的今天，在市場經濟迅猛發展的中國，“互聯網思維”和“小微金融”在金融科技領域激烈碰撞，折射出無比“美”的炫彩。

小業務大市場

時光倒回2007年，中國的消費金融市場還處于懵懂之時，中國對外經濟貿易信托有限公司（簡稱“外貿信托”）開始了一次與傳統信托業務不同的嘗試。這個業務，沒有同業強強聯手的高大上，只有業務人員帶著公司營業執照踏遍數十個城市的默默拓展。十年后，這個當年名不見經傳的業務已成為外貿信托戰略業務之一，對外有了一個響亮的名字——外貿信托小微金融。

小微金融，顧名思義，是指專門為中、小、微型企業及個人提供融資便利的金融服務。以“小”見大，無“微”不至。歷經10年的發展，外貿信托小微金融業務實現信托收入從50萬元到11.59億元的歷史跨越、信托規模從500萬元增長到600億元的業績奇跡。

隨著互聯網經濟的迅猛發展，科技進步給傳統行業帶來機遇和挑戰。對于信托這種比較傳統的金融業務來說，科技不是固有基因，“后天”習得必會遭遇高山險阻。但“追求變革”是中化人一貫的性格，小微金融團隊順應趨勢，突破組織機制、資源分配上的種種障礙，開始正面迎擊撲面而來的互聯網浪潮。

試水“平臺+數據”

2016年，外貿信托小微業務開行業之先河，提出“平臺+數據”業務戰略，志在整合資源，利用大數法則和金融技術，構建服務小微金融終端服務商的智能生態系統，高效連接“客戶、產品與數據”。其中的首要任務，就是建設我們自己的“數據建模實驗室”，實現對大數據的獲取和分析。

小微數據團隊于2017年開始設計數據建模實驗室并推動落地，克服了人員不足、資源不足等諸多困難，有效整合內外部資源，完成了數據建模實驗室的初步搭建。

在實驗室搭建過程中，如何規避交易對手提供的“二手數據”所隱含的道德風險是個“老大難”問題。小微數據團隊創新性地增加了“數據盡職調查”環節，梳理了一套完整的工作流程和標準，即首先獲取交易對手歷史資產的基礎數據，以專業的校驗方法驗證數據的真實性和準確性，通過對基礎數據的加工分析，以報表形式從各維度全面展示資產表現，最后由數據分析師進行專業解讀，產出數據盡職調查報告。這樣既規避了風險，又實現了數據的有效應用。

自2017年4月起，數據團隊完成了手工數據盡職調查累計15家合作機構，業務量超過450萬筆，較好地支持了業務開展過程中的交易對手篩選，輔助公司對交易對手和合作資產準入的科學決策。

2017年8月，鑒于分析邏輯和解決方案的明確和穩定，數據團隊進一步提出盡職調查在線分析（OLAP）平臺設計方案，并交付信息技術部完成落地開發工作，目前該平臺已正式上線。此平臺可支持多人同時遠程開展數據盡職調查工作，對基礎數據的校驗和加工分析均實現自動化，時效可控制在1個工作日內，大大提高了工作效率。

發力反欺詐

眾所周知，風險管控永遠是金融業務中的核心議題。由于客戶群體具有數量龐大、分布面廣、經營期短、信用記錄不足、財務信息不規范等信用風險特征，小微金融業務的違約成本低、道德風險高。因此，打造多層級的全面風險管控體系至關重要。

2018年9月，首個外貿信托自主開發的風險管控模型——“小微金融反欺詐風險規則模型”誕生，該模型實現了小微ToC貸前數據風險管控0到1的突破，亦是信托行業中第一個ToC模式下自主開發的風險管控模型。

反欺詐模型緊密結合業務實際，從風險角度將客戶劃分為高、中、低三個級別，依此進行有效的風控判斷，并給出科學的執行策略。經實驗測算，若將該模型應用在2017年6月至2018年3月間已發生的120萬筆債權上，高風險級別累計可減少信托損失5870萬元，中風險級別累計可減少信托損失10174萬元。

未來，信用評分等模型還將陸續上線。此外，小微數據團隊也在嘗試探索機器學習技術和算法在信用評分領域的應用，完成ToC貸前審核模型體系的初步搭建。

不積跬步，無以至千里；不積小流，無以成江海。外貿信托的科技金融之路才剛剛開始。展望未來，外貿信托將借力信息化技術，不斷提升金融服務的精確度，實現多方共贏，把“科技基因”融入金融服務的血液之中。