大数据下的供应链金融.docx

大数据下的供应链金融.docx

《大数据下的供应链金融.docx》由会员分享，可在线阅读，更多相关《大数据下的供应链金融.docx（26页珍藏版）》请在冰豆网上搜索。

大数据下的供应链金融

SHANGHAIJIAOTONGUNIVERSITY

供应链金融课程小组期末汇报

大数据下的供应链金融

授课教师：

张钦红

学院：

中美物流研究院

专业：

物流工程

小组成员：

李贤杰王东妮

刘雪菲蒋星

陶业辉徐斌

2015年6月

目录

一供应链金融与大数据介绍3

1.1供应链金融与大数据的概念3

1.2大数据下供应链金融的衍变4

1.3互联网大数据技术在融资领域的应用现状5

1.4大数据时代对供应链金融的影响5

二“阿里巴巴小贷业务”大数据金融案例分析7

2.1阿里巴巴小贷业务的发展历程8

2.2阿里小贷发展现状及产品内容9

2.3阿里巴巴大数据平台的形成10

2.4阿里小贷的贷款流程及风险控制11

2.5阿里小贷的核心优势（固有优势、相对优势）12

2.6阿里小贷的发展壁垒及思考15

三“京小贷”供应链金融案例分析16

3.1京东供应链金融发展历程18

3.2发展现状及产品内容18

3.3京东金融的大数据19

3.4运营模式20

3.5“京小贷”的优势21

3.6“京小贷”的发展壁垒及思考22

四金电联行案例分析23

4.1金电联行的发展历程24

4.2金电联行的大数据24

4.3金电联行融资服务模式的运作流程25

4.4金电联行融资服务模式的核心：

客观信用评价26

4.5金电联行融资服务模式下可实现多方共赢28

五大数据下供应链金融的趋势与发展29

5.1现阶段制约大数据下供应链金融发展的主要因素29

5.2大数据下供应链金融发展的趋势30

5.3发展供应链金融的三个战略选择31

一供应链金融与大数据介绍

1.1供应链金融与大数据的概念

供应链金融是以真实发生的贸易为基础，从供应链上的核心企业开始，银行通过各种管控手段的运用，对供应链上资金流进行合理调配，对物流进行监管，对信息流进行筛选和共享，来为核心企业和上下游企业提供融资服务的模式。

如果说，供应链管理是核心企业对其产品走向进行合理配置的话，那么供应链金融就是银行对供应链条上的核心企业和配套企业提供金融服务来实现各方效率提升的过程。

传统的供应链上的核心企业大多数为大规模制造类企业，这就会给整条供应链上的资金流带来两个方面的不平衡因素。

首先，作为发挥主导作用的供应链网络中的核心企业，它们与供应链上配套企业的实力上存在悬殊的差距，因此核心企业凭借自己雄厚的经济和技术实力往往在与配套企业的谈判中占据有利地位，使得配套企业处于相对弱势的地位，因而配套企业往往更加需要资金的支持来维持自身企业的资金流运转；其次，对于配套企业来说，它们的总资产构成中以存货和原材料为主，而固定资产相对偏少，可用的抵押物相对较少。

即便是拥有一定的固定资产的中小企业，也受困于自身相对较低的信用评级，无法利用手中的固定资产来抵押，获得相应的流动资金，这也进一步加剧了上下游配套企业在企业资金流上的巨大压力。

供应链金融的出现能够很好地解决上述中提到的问题。

首先，供应链金融服务体系能够帮助链条上的核心企业和配套企业理顺资金流、物流、信息流，改变供应链上资金失衡的现状和配套企业一直以来面临的融资难的问题；其次，银行根据供应链上可控的、稳定的现金、应收账款、应付账款及存货进行整合并加入了银行信用之后，使得上下游企业的商业信用得到了增强，能够帮助核心企业和上游供应商以及下游经销商加强协作，有利于供应链的稳定和竞争力的提升；最后，金融机构在供应链一体化的高度上，向供应链上的企业提供一揽子的解决方案，使得所有企业都能各取所需，建立起真正的高效率的供应链网络，以此来提高供应链整体的核心竞争力。

 “大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产，是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。

换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

在过去的十多年里，供应链金融业务的一个重要创新就是互联网金融以及大数据的出现。

大数据是当下最热的词汇。

在互联网条件下，信息量爆炸式增长，我们只有获取、整理和应用这些信息和数据，才能准确快速的挖掘市场上潜在的利润源。

物联网、大数据以及云计算等先进技术的应用，改变了传统供应链金融的运行模式，提高了信用评估、额度和期限以及风险控制的能力和效率，在行业内引起一场变革。

1.2大数据下供应链金融的衍变

供应链金融迈入大数据时代，开启行业发展新时代，供应链金融本质是核心企业利用自身优势消除信息不对称性，增强上下游企业融资能力，进而提升供应链整体效率。

近年来，大数据、云计算等互联网思维正渗入到物流行业的方方面面。

供应链金融先后经历了以供应链核心企业为主的线下“1+N”版本；整合核心企业商流、物流、资金流、信息流的线上“1+N”版本。

目前，在互联网经济以及大数据环境影响下，供应链金融已经进入大数据时代，其不再以银行为主导、摒弃核心巨头企业的概念，而是依托一站式服务平台、将每一个企业和客户作为中心，专注中小企业自身交易流程的“N+1+N”模式。

大数据在供应链金融中应用的潜在创造价值丰富多样：

一是大数据技术能够增加企业和价格的透明度，解决银行、客户、物流企业三者之间的信息不对称问题，从而降低社会管理成本和交易摩擦成本。

二是大数据具有快速获取信息的能力，可以对海量数据进行核查与评定。

因此，能够提高企业数据的准确性和及时性，为企业带来更多、更新的数据业务和内部管理优化的机会。

三是大数据技术能够根据市场的不同需求，对客户进行实时分析，进而有利于企业进一步挖掘、细分市场，提高产品的消费者满意程度，使物流金融在营销方面有的放矢。

四是大数据的智能分析可以支持业务的精细化管理，提高企业的决策水平，从而加强金融风险的管控力度，使企业经营的风险进一步降低。

五是大数据在分析研发过程中的应用，能够缩短产品研发时间，提高企业在商业模式、产品和服务上的创新能力，从而增强企业的市场竞争能力。

1.3互联网大数据技术在融资领域的应用现状

（1）互联网大数据技术在融资领域应用的数据构成

互联网大数据技术核心包括数据产生、数据获取和数据挖掘。

互联网是个有机生态，蕴含着丰富的数据信息。

数据产生来源于：

通过电商平台（例如淘宝、天猫、京东）可获取网商的交易流水、信用信息、客户评价；通过社交平台（例如微博、微信、人人网）可以获取个人的社交圈子、兴趣爱好、社会地位等；通过消费点评类网站（例如大众点评网、口碑网）可以获取消费者评价。

数据获取是依靠日臻成熟的数据库技术、大数据存储技术、互联网数据爬取技术、搜索引擎技术，再配合网站API和相关方授权，使获取想要的信息变得轻松快捷。

数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程，是一种决策支持过程。

数据挖掘主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析所获取的数据，做出归纳性的推理，并挖掘出潜在的模式，帮助决策者调整相应的策略，减少风险，做出正确的决策。

（2）互联网大数据技术在融资领域的应用模式

互联网大数据技术在融资领域的应用模式可分为四类：

第一类是电商平台利用自身积累的数据对网商提供融资服务，以阿里金融为代表；第二类是独立的互联网公司利用外部提供的互联网大数据为网商提供融资服务，以美国的Kabbage为代表；第三类是传统的金融机构自建电商平台，通过平台积累数据，进而为其平台的网商提供融资服务；第四类是传统的金融机构通过与电商平台合作，获取网商的数据，进而为网商提供融资服务，中国建设银行曾与阿里巴巴开展过此类合作。

1.4大数据时代对供应链金融的影响

（1）对参与者的影响

随着供应链金融领域中大数据技术的不断渗透，传统供应链金融中占据重要地位的银行以及供应链中核心企业的地位有所下降，掌握大量供应链交易及其他活动数据的平台型电商以及物流企业愈发重要，可以充分利用大数据时代互联网技术的智能化、移动互联等特质，构建移动物联网，促进更多传统的现货销售业务上线，开拓新的上下游供应链，创造新的业务。

电商在“N+1+N”模式供应链金融中处于重要地位，同时和银行合作，将金融实现了电商化，物流企业在这个过程中，把物流的获权与资金流紧密结合起来，全程对资金、物流进行管控，实现了闭环的管控。

在接下来的开放式的供应链金融生态圈将主要分为两个部分：

第一个是大型电商，电商加自有金融的供应链金融。

第二个是中小型电商，中小型电商不可能建自己的金融系统，银行、互联网金融合作的空间就出来了。

特别是互联网金融的P2P，第三方支付和众筹都可以和电商合作。

（2）对流程的影响

伴随着大数据以及云计算等技术的广泛应用，供应链金融中各环节可以准确快速的对市场以及供应链的运行状况进行判断、预测分析并作出恰当合适的决策，使供应链金融中各个流程更加高效，其影响主要有以下四个方面：

1.对需求方向和需求量的判断速度更快。

供应链上的企业，存在着紧密的关联关系。

终端消费量的变动，必然会引起上游各环节的变动。

大数据可帮助我们判断一系列变动的规律。

同时，我们还可以把一定时期内的流通和消费看作是一个常量，而在地区、方向、渠道、市场的分配作为变量。

2.有效评估目标客户资信。

利用大数据，可以对客户财务数据、生产数据、电水消耗、工资水平、订单数量、现金流量、资产负债、投资偏好、成败比例、技术水平、研发投入、产品周期、安全库存、销售分配等进行全方位分析，信息透明化，能客观反映企业状况，从而提高资信评估和放贷速度。

只看财报和交易数据是有风险的，因为可能造假。

3.风险分析、警示和控制能力提升。

大数据的优势是行情分析和价格波动分析，尽早提出预警。

行业风险是最大的风险，行业衰落，行内大多企业都不景气。

多控制一个环节、早预见一天，都能有效减少风险。

4.提高金融和物流服务的精准性。

贷款时间、期间、规模、用途、流向；仓储、运输、代采、集采、货代、保兑、中介、担保一体化运营  

（3）对风控的影响

首先，伴随大数据技术的应用范围越来越广，在该技术的支持下，建立一套健全的信用机制，并加强与客户、银行建立长期的合作伙伴关系。

因为，在传统的物流金融中，信息不对称的问题比较突出，往往使银行的贷款极易转变为不良贷款，并导致金融服务效率低下。

然而，在大数据下的物流金融服务中，可以有效地避免信息不对称的问题，有助于企业充分了解客户的需求，从而有利于提高效率，防范金融风险。

其次，通过借助大数据技术手段，还可以加强对客户的信用管理能力。

在物流金融中，通过引入大数据技术，并借鉴银行信用评估和风险控制的方法，可以很好地对客户的资信进行资料收集、档案管理、调查管理、信用分级，从而达到信用风险防范、信用额度稽核以及财务管理等目的，有助于企业对客户进行全方位的信用管理，以及对融资项目进行风险评估。

再次，不断优化的大数据技术在物流金融中的功能作用可以提高金融管理水平。

当物流企业从传统的仓储物流服务向现代的物流金融服务延伸和拓展时，信息化管理就成为了物流企业开展物流金融服务的必要条件和基本保障。

然而，仓储信息化的过程也是不断改善优化管理和业务的过程，这就要求物流企业必须加强大数据技术的应用，通过运用信息化手段，对物流过程、客户运营状况，以及库存商品市场价值做出充分的了解和监控，从而才能有效地防范物流金融风险。

二“阿里巴巴小贷业务”大数据金融案例分析

大数据金融作为互联网金融的一种典型模式，以互联网平台和数据为依托，将传统的抵押贷款模式转化为了信用贷款模式，而阿里小贷正是这一模式的典型