行业动态

Industry Dynamic
News 行业新闻

数字驱动供应链金融关键在于实现“厚”数据

日期: 2017-10-13
浏览次数:

数字驱动供应链金融关键在于实现“厚”数据


数字驱动供应链金融关键在于实现“厚”数据


在今天的中国商业社会,真的要实现数字驱动的供应链金融绝非易事,这是因为我们虽然开始重视了数字对供应链的重要性,也开始在建设大数据库,然而,远未实现数字化所要求的“厚”数据。

最近,数字化成为了最为火热的词汇,特别是大数据支撑的供应链金融,更为成为大家热议的话题。似乎只要实现了数字化和大数据,就能够帮助企业发现供应链金融的机会,设计出诱人的业务,管控好所有的风险。

然而在今天的中国商业社会,真的要实现数字驱动的供应链金融绝非易事,这是因为我们虽然开始重视了数字对供应链的重要性,也开始在建设大数据库,然而,远未实现数字化所要求的“厚”数据。

“厚”与单纯意义的“大”不一样:“大”指的是容量大、多样性和高速度,但真的要实现IBM定义的高价值,却需要实现“厚”。

“厚”是一个立体的概念,即不仅“大”,而且各类数据库之间能实现有效的关联和整合,并且能清晰对整个供应链参与者的业务具有明确的指引。显然,要实现这一目标,绝非一蹴而就。

事实上,目前在数字驱动供应链金融业务方面,存在着三种有“大”无“厚”的状况:

一是,各个部门、各个企业建立了相应的大数据,但是没有能够实现数据的整合和关联。

随着数字化越来越得到全社会的关注,建设大数据成为了近年来企业和政府发展的重要方面,特别是供应链金融因为业务复杂、涉及主体较多、风险较大,因此,在线化、数字化管理更是成为了供应链金融推进的基本功。

然而,尽管数字化建设相较以往取得了较快的进展,也取得了一些成效,但伴随着时间的推移,数字建设走到了瓶颈。这是因为企业部门与部门之间、企业与企业之间、企业与政府部门之间、政府部门与政府部门之间并没有形成有效的数字协调和整合,以至于形成了众多垂直化的大数据“烟囱”。

其结果是:在企业层面,尚未建立面向整个供应链业务的数据仓库,没有整合前台业务运营数据和后台管理数据,庞大的数据库已经建立,但是数据只是杂乱的堆砌和存储,并没有清洗和关联,进而无法对供应链金融业务和管理产生切实的作用;

在行业层面,企业之间、地域之间的数据不能有效整合,无法借此反映行业的供应链业务状况,确立起行业性的信用体系,进而指引行业发展。同样,政府部门之间的数据也没有有效贯通,使得政府监管存在着真空和漏洞,给供应链金融的发展蒙上了阴影。

诸如前一阵提到在供应链金融实践中,随着管理部门对套利套汇以及融资性贸易的规制,这类投机性业务得到了一定程度的遏制,但是近些时间套税又开始成为逐利的把戏,即利用海关等只能核验单一产品价值的特点,虚报成套出口或者工程承包来达到骗税的行为,这就是利用了管理部门之间的数据不通开展的游戏。

然而,如果我们的关、检、汇、税等管理部门能实现有效的数据连通和整合,这类套税的把戏就会得到大大的抑制。

二是,企业和组织建立了大数据和相应的信息化体系,但是没有对一线的业务产生明确的引导作用。

信息来源、信息主体的多元化以及信息面的扩大,使企业的数据存量大大增加。而数据本身并不具有价值,而是将数据转换为能为企业提供决策参考的信息时,才能体现出数据的价值。因此,企业收集的多方数据信息需要经过信息和数据的清洗、整理、集成以转化为真正“可视”的信息,而不仅仅是简单的数据代码编号。

“可视”对于企业的挑战,还在于企业需要以动态的视角管理数据信息。因为移动互联网以及互联网的发展,不仅使企业淹没在了海量的数据中,并且信息流和数据流还是不断涌入进企业的数据信息收集端,即企业信息接收端需要不停地汇聚数据和接受数据,而这又为企业的数据“可视化”能力提出了挑战。

企业需要不断地对数据进行清洗、集合和转换,以便相关的决策人员能够迅速了解数据的深层次内涵呈现,使数据不仅仅是数据,而转化为了对于供应链金融决策有用的及时信息。这样不仅能指导现有的活动,还能对未来进行预测,进而能够更好的指导企业的供应链金融战略决策,并且做好相应的风险防范措施。

要实现上述目标,显然需要在数据分析和管理上解决几个具体问题:

一是,虽然很多企业已开展供应链金融等多种业务,积累了一定量的业务数据,但业务人员没有从客户管理、风险评级和经营规模预测等方面,提出大量分析预测需求,一旦没有明确的需求,数字和数据就成了死物;

二是,缺乏支撑金融日常业务运转的风险评估体系,客户行为分析和预测无法实现;

三是,缺乏面向金融业务运营管理的关键绩效指标体系。

要实现数据对供应链金融业务的支撑,不仅仅是数字化的问题,它需要整个供应链管理体系的建设,或者说,整个供应链业务结构和信息化架构的建立。没有这两个架构的建立,数字化就成了空谈。这就是我们经常讲的要实现业务驱动的数字化和信息化,而不是单纯靠数字化和信息化驱动业务开展。

四是,数据的收集、清洗和分析没有实现明确的“靶向”。

数字和数据的运用,一定是针对特定的业务和特定的对象,而不是无目的的行为,并且不同的业务和对象对数字和数据的要求不尽一致。

供应链金融开展的前提,一定是供应链管理,金融是伴随着具体的供应链业务和长期稳定的关系而产生的金融性行为,供应链金融不可能一开始就产生金融活动,特别是供应链融资首先需要有多频业务(供应链运营和伙伴关系的建立),才有可能产生低频活动(融资行为)。

正是由于这一特征,这就使得在数字化或大数据建设中,首先要搜集、清洗和关联相应的业务数据,解析出多频业务和合作伙伴,然后再去了解分析背后的可能金融性需求和状况,而不是一开始就去分析谁是融资方,其需要的资金量和相应的风险。

此外,供应链中不同环节、不同活动,数字化的要求也千差万别,这需要我们仔细地研究行业的特征、业务中买卖的特点,以及产品和业务运行的规律

数据的“靶向”性,还有一点即是要明确针对的对象:一方面,供应链活动中涉及的对象不一样,数据也会有差异,诸如供应链中的平台企业、直接从事供应链运营的买卖双方、提供金融服务的金融机构对搜集的数据以及分析的结果都会有不同的要求。

这就需要我们根据不同的对象来针对性地分析数据,提供有效的数字报告,以便相应各方做出决策。

另一方面,数据搜集和分析一定限定于供应链金融活动中的主体或关联方,而不应扩大到非业务主体。

有些大数据服务公司声称,能通过各种手段为每个人画像,这不仅违反了保护网络隐私的安全规定,而且也无益于推动供应链金融的有效开展。

供应链金融的本质在于债项结构的控制,是基于业务本身而展开的供应链运营和金融活动,对业务主体和相关利益方的数据搜集和分析,既能实现数据的安全性管理,不触及隐私权侵犯,又能真正了解和掌握供应链业务运营和金融性行为,切实防范风险。

只有真正避免了上述三个方面的问题,数据才能做到既“大”又“厚”,实现真正意义上的数字驱动的供应链金融。


相关新闻 / 推荐新闻 More
2017 - 12 - 08
为什么大家都不戳破深度学习的本质?!日期:2017年12月7日来源:36氪作者:Pope人类正在慢慢接近世界的本质——物质只是承载信息模式的载体。人脑之外的器官都只是保障这一使命的给养舰队。自从去年 AlphaGo 完虐李世乭,深度学习火了。但似乎没人说得清它的原理,只是把它当作一个黑箱来使。有人说,深度学习就是一个非线性分类器?有人说,深度学习是对人脑的模拟……但我觉得都没有捅透那层窗户纸。当读完 Jeff Hawkins 的《论智能》,「就是它了!」。而我惊奇地发现,原书竟是 2004 年出版的!我怕自己读了本假书,或是某个美国民科的著作,特意到豆瓣、知乎上查了下,发现几乎每个看过这本书的人都对其理论啧啧称赞。但奇怪的是,似乎没人肯替它站台,这套理论的影响止步于此,好像大家都在刻意掩饰自己看过这本秘笈。它明明已经完整解释了人脑智能的运作机制了啊!注意是 Real Intelligenc...
2017 - 12 - 08
《大数据、人工智能、区块链的行业落地——2017中国保险科技报告》日期:2017年12月来源:亿欧网中国保险业已经经历了六十多年的发展历程,2016年保费收入已经飙升至全球第二,中国也已经成为了保险大国。保险公司为了优化保险的选择、投保、赔偿等步骤,将包括大数据、人工智能、区块链在内的前沿技术运用于这一行业。大数据、人工智能、区块链三大核心科技,开始向保险业的方方面面辐射,广泛运用于产品创新、保险营销和保险公司内部管理等方面。同时,随着资本的不断涌入,一众保险行业内的公司正在以自己的方式重塑保险行业生态。亿欧智库根据当前大数据、人工智能、区块链三项技术在保险行业的落地情况撰写了这份《大数据、人工智能、区块链的行业落地——2017中国保险科技报告》,希望通过本次研究来探究保险行业的发展过往、业态特点,以及前沿科技中大数据、人工智能、区块链三项技术在保险行业的具体落地情况,并且对行业未来的发展...
2017 - 12 - 08
深度学习也解决不掉语音识别问题自从深度学习被引入语音识别后,误字率迅速下降。不过,虽然你可能读到过一些相关文章,但其实语言识别仍然还没有达到人类水准。语音识别已经有了很多失败的模式。而要将ASR(自动语音识别)从仅在大部分时间适用于一部分人发展到在任何时候适用于任何人,唯一的方法就是承认这些失败并采取措施解决它们。在交换台通话(Switchboard conversational)语音识别标准测试中误字率方面的进展。这个数据集采集于 2000 年,它由四十个电话通话组成,这些通话分别属于随机的两个以英语为母语的人。仅仅基于交换台通话的结果就声称已经达到人类水准的语音识别,就如同在某个天气晴朗、没有车流的小镇成功测试自动驾驶就声称已经达到人类驾驶水准一样。近期语音识别领域的发展确实非常震撼。但是,关于那些声称达到人类水准的说法就太宽泛了。下面是一些还有待提升的领域。口音和噪声语音识别中最明显...
2017 - 12 - 08
金融大数据「支招」,如何躲避现金贷「老赖日期: 2017年12月6日来源:36大数据作者:王柏匀日期: 2017年12月6日来源:36大数据作者:王柏匀不少现金贷后台的贷款逾期数据持续所上升,监管风暴引发的“老赖”现象不在少数。那么,金融大数据有效控制“老赖”行为呢?现金贷监管风暴终于“打板”。12月1日,互联网金融风险专项整治、P2P网贷风险专项整治工作领导小组办公室正式下发《关于规范整顿“现金贷”业务的通知》,明确统筹监管,开展对网络小额贷款清理整顿工作。这无疑为现金贷公司的焦躁又添了“一把心火”。此前,就有不少现金贷后台的贷款逾期数据持续所上升,监管风暴引发的“老赖”现象不在少数。据华夏时报网报道,正常在20%至30%左右的逾期率,目前最高可达60%。这迫使个别平台考虑暂停现金贷业务的新增贷款。这时候能否通过金融大数据有效控制“老赖”行为呢?宜信首席战略官陈欢认为,从“信息化”到“数...
关闭窗口】【打印