一、網商銀行模式
互聯網金融貸款的流程和傳統金融貸款流程一致，主要分為貸前調查，貸中審查和貸后檢查三個部分，而在貸款過程中小微企業由于體量小并且缺乏抵押和擔保，呈現出”時間短，資金少，頻率高，需求急“的特點，因此小微群體相關數據也呈現出”少、散、亂“的特點，銀行難以對小微企業進行有效風險評估，進而無法對小微企業進行放貸，而網商銀行通過IT形式賦能貸前調查環節，有效分散放貸風險。
網商銀行主要服務的是100萬元以內的貸款需求，來自網店、路邊店、經營性農戶，是小微中的小微。而網商銀行的四種數字化普惠金融模式分別是電商模式、碼商模式、農村數字普惠金融模式和供應鏈金融模式。
1.1 農村模式助力生產端風險評估
農村數字普惠金融模式：農村模式和其他模式相比，由于農作物的生長狀況檢測難以量化，并且受客觀因素影響較大，風險度量難度更大。網商銀行以數據為媒介，把農村的交易、物流、支付等信息形成信用資產，形成農戶自證+多方審核+衛星檢測的信息獲取渠道。網商銀行通過大數據技術服務農戶，通過衛星遙感技術對農戶的數據進行分析，了解農戶的信用狀況和經營潛力，為其提供融資支持。此外，網商銀行還提供農村金融服務，如保險、支付等，以滿足農村居民的多樣化金融需求。
政府將涉及農戶可公開的數據資源，如農村土地確權、種植情況、農業補貼等與網商共享。運用數字技術，網商銀行為縣域農戶建立專屬的數字化風控模型，農村用戶就此擁有了更精準的數字畫像和更高的數字信貸額度。
而在對農戶進行用戶畫像時，網商銀行除了政府提供數據之外還通過衛星照片（通過衛星系統得到這個地塊過去一個月甚至一年所有的信息）、通過光譜識別農作物，目前可識別出水稻、玉米、小麥、蘋果等主要農作物。農戶在手機端圈定自己的地塊后，可通過與農業機構記錄的土地信息交叉比對驗證，實現農戶信息認證。網商銀行則通過了解農戶的種植情況和生長趨勢，并結合氣候、地理位置、行業景氣度等因素，并且通過農商平臺如淘寶等平臺的交易信息，利用風控模型預估產量和產值，給予農戶精準的授信支持。此外，衛星遙感除了可以助力農作物識別及產量產值估計外，還能自動識別汛期等災害下農戶的受災情況，協助金融機構定向紓困。
網商以5到7天為周期，實時更新衛星影像和識別結果，監測農作物長勢，判斷作物所處的育苗期、拔節期或收購期等階段，進而分析農戶插秧、打藥、追肥以及收割時期的不同資金需求，進而進行授信額度的調整，例如農戶授信額度是20萬，農戶向網商銀行申請5萬元的貸款，可申請貸款額度就是15萬，但是農戶在種植過程中網商銀行檢測到其種植表現不佳，作物生長情況不佳，那么在農戶申請打藥貸款時，可申請貸款額度就會下降到10萬，進而實現貸款額度的動態調整。
1.2 供應鏈模式聚焦渠道端風險評估
在傳統供應鏈中，經銷商和零售商的資金實力越強，對品牌的市場拓展的支撐相應也越強，其本身業務發展的可持續性和健康度也越高。超過70%的品牌經銷商都有強烈的資金需求。這由經銷商業務模式決定。分解品牌供應鏈結構，可以發現，經銷商處于品牌商和零售終端之間，上有品牌商，下有零售商。
經銷商向品牌商采購貸訂貨時，需預付貨款，品牌商基于訂單排期生產發貨。在向下游零售商鋪貨時，通常來說，體量較大的零售商與經銷商還存在結算賬期。
故一般來說，經銷商只能墊款進貨。遇到銷售旺季，除了進貨墊款，還要承擔庫存周轉、人工成本和市場營銷等費用，因此經銷商資金壓力倍增。在數字化技術蓬勃發展前，傳統供應鏈金融無法快速滿足此時的經銷商資金需求。比如過去存在著盡調時間過長、流程復雜、覆蓋度有限和授信方案調整慢等問題。
網商銀行發布數字供應鏈金融綜合解決方案——大雁系統，通過“1+N²”形式，接入核心企業品牌為其上游供貨商、下游經銷商、末端小微群體和終端門店，提供高效、便利和風險可控的金融工具服務。
這套解決方案體系包括合同貸、采購貸、加盟商貸、發薪貸，網商貼、票據付、云資金和回款寶等一系列數字金融產品矩陣，目的是解決各行業核心品牌上下游供應鏈中小微企業的供貨回款、采購訂貨、鋪貨回款和發薪加盟等生產經營全鏈路的金融需求。
網商銀行通過構建各行業的細分品類的行業研究知識庫，將風控授信策略細化到行業品類粒度，以量化手段疊加行業經驗的方式，高度把握客戶經營周轉需求。
在網商銀行與旺旺合作過程中，由于疫情之后，二級經銷商基本都隨著市場規律逐步減少，很多一級經銷商直接到終端零售，這也意味著，銷售周期拉長，一級經銷商資金周轉時間更長了，但對于品牌方來說這是供應鏈的進步，取消了中間二級經銷商，更有利于產品的推廣。但同時對于一級經銷商來說，沒有二級經銷商則更容易出現資金鏈斷裂的問題。
尤其到了年節，必須牢牢把握住市場的關卡，旺旺經銷商需要大量進貨，常常會面臨備貨、倉儲的壓力，而經銷商則因為沒有抵押物，在銀行貸不了款，流動資金成為了供應商拓展市場的最大難題。
“大雁系統”借助網商銀行風控技術模型，與行業特征、淡旺季、以及不同地區消費者的消費習慣等多重因素結合，還能根據商戶動態需求快速做出反應、滿足其臨時提額和更低利率的需要。而且每到新品上市，旺季的時候，額度都會上升，還有對應的補貼和扶持計劃。
1.3 電商+碼商模式賦能銷售端風險評估
1.3.1電商模式：
網商銀行背靠阿里，在電商平臺上與小微店家合作，通過對電商平臺數據的挖掘和分析，獲取店家的經營狀況、銷售額、用戶評價等信息，為其提供貸款服務。通過電商平臺數據的評估，網商銀行可以了解店家的信用狀況，從而為其提供融資支持。
電商模式的核心，是依托淘寶、天貓、支付寶等電商生態，利用大數據、云計算等技術手段整合用戶歷史交易數據、信用數據等，作為授信依據，再根據用戶需求提供相應的貸款產品。電商模式打通了阿里巴巴、淘寶、天貓、支付寶的后臺數據，極大地降低了信息不對稱問題，同時網商銀行建立了一系列智能風控模型，利用這些后臺數據實現對平臺小微企業和小微經營者的批量化信貸審核、放款。
申請貸款的條件是店家要滿足年滿18周歲、淘寶店鋪近兩個月內持續有效經營，有有效交易量、店鋪信用良好等基本要求。用戶在網商銀行官網或手機APP完成提交資料、簽署合同等步驟即可獲得授信額度，最快3分鐘收到賬款，在貸款正常使用過程中，無需支付利息之外的其他費用，貸款期限最長24個月。授信額度根據申請者的信用情況動態調節。
1.3.2 碼商模式：
網商銀行與線下小店合作，通過收錢碼的使用，獲取小店的交易數據，并結合社交網絡數據、地理位置數據等進行分析?；谶@些數據，網商銀行能夠準確評估小店的經營狀況和潛力，為其提供個性化的金融服務。
傳統放貸流程中銀行需要評估企業的經營情況，通過調查企業的利潤表、現金流表、資產負債表等表單衡量企業經營狀況，并且需要企業有相應的擔保物或者擔保人進行風險擔保，而碼商模式則通過收款碼以及地理位置等客觀信息即可進行風險評估。
顧客通過掃描支付寶收錢碼向線下小微經營者付款，資金即時到達店家賬戶,同時網商銀行通過共享支付寶平臺數據獲得店家的收款信息。網商銀行基于大數據處理等技術，對店家收付款信息的交易有效性、客戶類型、營業周期和經營屬性等數據進行甄別處理，預測店家整體的經營能力，并利用多樣化的風控模型，為店家建立專屬的信用評估體系并且店家通過支付寶收錢碼收到的款項筆數越多、金額越大，相應獲得的授信額度越高，隨著經營的持續，授信額度隨之動態匹配。
使用收錢碼的小微經營者，使用30天后，連續30天有3筆有效收款就有機會獲得貸款資格，如果經營者同時有電商貸資格，或使用過借唄，使用碼商模式借款則會更容易。經營者在初期，額度相對較低，但隨著經營時間的持續，額度會隨收款的增加而提升。網商銀行基于電商模式的風控能力和經驗創建了多套針對性風控措施，能有效識別經營屬性、判斷交易有效性、預測商家經營能力，甚至能夠在1秒鐘內通過轉賬關系鏈判斷出是個人還是個體經營者，排除虛假交易，并在支付數據基礎上結合商圈人流、同類商家經營狀況等綜合緯度，給用戶一個最合理的授信額度。
網商銀行發現，沿街的門店，在遇到修地鐵、鋪設管道等市政變化時，通常會影響未來幾個月的經營情況，所以將店鋪的地理位置與地圖數據進行匹配，結合周邊的市政信息、地標建筑、人流情況、買家結構、同類商家情況等，通過復雜的模型處理，能夠在幾秒鐘內計算出店鋪未來6個月的經營潛力和風險。
二、數字賦能供應鏈金融的作用
2.1.滿足用戶長尾需求或被排斥的需求
網商銀行利用多個場景構建風險防控模型，利用多方數據來評估客戶的信用狀況，對貸款人風險進行有效評估，通過評估風險大小決定給予貸款人的授信額度，貸中網商銀行通過實時監測客戶的交易數據和行為數據及時發現潛在的風險信號，由此解決傳統貸款模式中傳統銀行因為小微企業風險難以度量而不對小微企業進行放貸的問題，滿足了大量小微企業的貸款需求。
2.2.推動關鍵活動和業務流程創新
網商銀行也利用IT技術賦能貸前、貸中、貸后三個環節，實現了對貸款流程的賦能，推動貸款業務流程創新。
網商銀行貸前利用數據分析和自動化審批流程，網商銀行通過構建“310”模式，即3分鐘申請，1秒鐘放款，0人工參與，實現貸款審批的快速處理，提高審批效率，縮短客戶等待時間。
貸中網商銀行通過實時監測客戶的交易數據和行為數據，例如在農村模式中可以通過衛星技術定期檢測作物生長情況，可以及時發現潛在的風險信號，進行風險預警和風險管理，減少不良貸款風險。
網商銀行通過對貸后數據的分析和反饋，可以了解貸款產品的績效和風險情況，優化產品設計和風險控制策略，提高業務的效益和穩健性。
轉載：人人都是產品經理
蘭亭妙微（藍藍設計）m.dzxscac.cn 是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的大數據可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網站設計、平面設計，以及相關的軟件開發服務，咨詢電話：01063334945。
