今天看到一张图，真是有意思——家A股上市银行中已有家发布了年业绩快报，咱们中国各大银行的ZQ能力依然强大。在《财富》发布的年中国强排行榜上，按利润排的前强中有强都来自银行。
仔细看，一件有趣的事跃然纸上：利润最少只有.亿的网商银行，却支撑着万家中小企业的资金流。
就算是聚沙成塔、集腋成裘吧，可是马云老师，却貌似是在让网商银行用做公益的精神做金融服务!
难啃的“骨头”
作为一直在关注中国中小微企业、创业的杨姐，必须承认：给中小企业贷款这件事本身到目前为止还是一个超级课题。
没错，网商银行服务的这万中小微企业，恐怕是世界上最难“服侍”的群体——没有担保，不是国有，还没有信用记录，甚至很大一部分是夫妻老婆店，这部分群体一直是被金融界遗忘的世界，而如何服务他们，其实也是个世界级难题。
原因很简单——金融最大的工作就是控制风险，然而你如何去考核一对夫妻的“信用”?更何况是千千万万对夫妻老婆店。你又如何去调查小微企业的还款能力，中国大部分小微企业的平均寿命活不过三年。
当然，国有银行这两年在扶持小企业上已经非常努力，基本上就是抱着不ZQ甚至亏本的决心去做的。而银行历年财务报表也显示：凡是小微企业信贷业务比较集中的领域和行业，比如小制造业、批发零售业、居住餐饮业等，业绩往往比较惨淡。
获得了诺贝尔和平奖的孟加拉格莱珉银行虽然做得非常好——通过五人组等机制来促进了资金的有效配给，也证明了商业性金融机构提供的资金与贫穷弱势群体的经营活动结合能够获得双赢，但却也不是很ZQ，且不具备可复制性。
那么既然是全世界最难做的生意，网商银行为什么要这么做?
在杨姐看来，这与网商建立的初心有关——网商银行从设立之初就是为了服务有经营困难的小微企业，说白了，如果网商都因为资金链出问题死掉了，那么整个生态链上就会发生传导，最终影响万中小企业的整体生存状况。
有一个传出来的数据是——网商银行成立之初，马云马老师的想法是服务万中小微企业。
虽然现在这个目标应该说已经提前两年完成了——且马老师给网商银行的KPI就是服务数量而不是利润，但看起来马云还是觉得不够过瘾，他在多个场合还在强调：“中国和世界不缺银行，但是缺创新型的，为小企业真正服务的银行。”!
而且，在网商银行提前两年完成第一个KPI之后，马老师又提了第二个KPI：三年服务万小微企业!网商银行新任行长金晓龙也透露：“我们希望未来年内，能让中国所有的路边摊都能贷到款。”
技术手段解决社会问题
说穿了，网商银行能完成马云的KPI，还是因为网商银行的背后，是科技和大数据在做支撑。
现实中为什么那些小贷机构的拒贷率达到%?
因为中小商家贷款难的本质，是小贷机构的信息收集和处理能力不足，成本和收益不成正比，即传统的放贷模式根本无法适应爆发式增长的中小微企业贷款需求。而能解决这个问题的，只有技术——大数据和不断完善的风控模型。
我们已经能够看到的，是网商银行在给中小微企业提供“”模式的贷款服务——分钟申贷、秒钟放款、全程人工介入、*小时不断，而在这背后，则是一种基于创新的微贷技术，核心就是网商银行长期积累的风控能力。
这种风控能力包括了万项以上的指标体系、多个预测模型和多种风控策略。这些风控技术，一方面可以让小微企业和经营者不用担保和抵押，凭借信用就能进行贷款，另一方面，将网商银行的不良率控制在%左右。
是的，与大企业满额贷款慢慢使用不同，小微经营者更为精打细算，为了节省利息，只有必要时才申请贷款，并且尽快还款，有需求再贷，“小、急、短、频”的特点明显。
而怎样才能给真正有需要的线下小商家最合理的授信额度?
首要解决的问题，是如何从海量使用收钱码的用户中识别出哪些是商家哪些是个人。网商银行的风控专家们研究发现，这个问题可以通过分析人与人之间的资金关系网来解决。
网商银行风险管理部资深总监余泉介绍，如果是个人，与他发生资金联系的人，互相之间多少是有联系的，他们的关系图就像一个毛线团。而如果是个人经营者，与他发生资金关系的人会更多，而且彼此之间没有什么联系，关系图像一个蒲公英。
此外，在经营预测上，网商银行的风控专家们会更多考虑线下小微经营者的实际情况，来预测店铺未来的经营潜力和经营风险。
比如，他们发现沿街的门店，在遇到修地铁、铺设管道等市政变化时，通常会影响未来几个月的经营情况，所以将店铺的地理位置与地图数据进行匹配，结合周边的市政信息、地标建筑、人流情况、买家结构、同类商家情况等，通过商圈聚类和行业识别，结合检索算法的优化处理，数十亿LBS节点快速匹配，能够在几秒钟内计算出店铺在未来个月的经营潜力和经营风险。
举个例子，同样是卖包子的两家店，口味、客群、每天的流水、老板的勤劳程度等等所有的经营状况都一样，但其中一家店所在的马路很快开始修地铁了，这家包子铺老板能够从网商银行贷的款，就会比另一家少。
当然，还有一个维度是供应链金融——这个由多重关系组成的供应链数据库，可以最大程度低降低突发因素带来的风险，也更容易让人们识别风险。
这些逻辑虽然简单，但是要给几千万的商家在几秒钟内做出判断，对模型的精准度要求非常高，需要非常强的人工智能计算能力。
网商银行数据显示，截至目前，已经有超过万线下小微经营者获得了网商银行的贷款。线下小微经营者笔均贷款金额仅元，平均资金使用时长为天，个月内贷款超过次的经营者却达到%。
而且，网商银行的线下小微经营者贷款服务已经覆盖全国所有省市，尤其三四五线城市的线下小微经营者对贷款的需求普遍旺盛。而从行业看，网商银行服务的“码商”主要以服务行业的经营者为主，其中服装店、超市便利店、烟酒杂货等零售商家占%，餐饮、教育、美容、维修、家政等纯服务性商家达%。
所有银行都在努力
小微企业融资难是一个全社会共同关注的问题。
当然，所有的金融机构也都努力在这方面这出创新。以民生银行为例。截至年末，民生银行为.万户小微企业发放贷款余额为.亿元(户均不到万)，并为.万户小微企业提供了多种形式的金融服务。贷款余额和收益最稳定的房贷接近。
平安银行也开发出多种服务小微的形式，年，他们服务的小微用户数达到了万。以四大行中的建行为例，根据年年报，建行更是向万小微企业提供了.万亿的贷款支持。
不过，这些服务对于中国万家小微企业来说还是杯水车薪，公开数据显示，只有 .%的中小企业能获得银行贷款。如果，要触达余下体量更小、代表我国经济“毛细血管”的小微企业方面，的确要用新技术，新玩法。
由于路边摊所代表的小微群体普遍缺乏信用数据，也很难提供抵押物，目前的金融体系很难覆盖他们，但这部分群体恰恰是蚂蚁金服有能力服务、又很愿意服务的群体。
这种立志服务“路边摊”的初心和取得的成效，也得到了银保监主席郭树清的表扬——两会上，郭树清就提到了金融机构如何为民营和小微提供服务。
郭树清还点名表扬了网商银行、江苏银行、微众银行等等，说他们“做得都不错”，并且表示“今年会继续推广普及这些经验，支持民企和小微企业发展”。
而更应该引起我们注意的是，任何一个国家，无论经济发展程度如何，其经济结构中必然存在小店或路边摊这样毛细血管一样的经济单元——这些体量微小但数量庞大的群体不应被忽视，如果他们的需求得不到解决，可能就会成为一个社会问题——甚至，如果某一个环节、行业、链条中的中小微企业出了问题而得不到解决，还会蔓延到产业链的其他环节，从而引发更大的连锁反应。
