供应链赊销场景数字化风控及实践案例分享
APP宣发
引言
所谓供应链就是商品或者服务从供应商到终端的流动，简单来讲，它是一个流程化组织模式，从原材料的供应开始，经过链中不同企业的制造、加工、组装、分销直到最终用户。如下图所示：
处于中心地位的企业是核心企业，核心企业向上游采购原材料，加工成成品，销售给下游企业，其中货品的流通由物流公司提供完成，核心企业将上，下游串联起来,形成了产供销的闭环，就可以理解为是供应链。
赊销业务的潜在风险
开展赊销是企业非常正常的商业行为，一般情况下，核心企业下游客户涉及行业众多且规模不同，客户数量往往少则几百家多则上万家，而适当的赊销可以帮助企业迅速占领市场、获得客户资源，做大业务规模，但是下游客户以中小企业居多，这也势必带来以下风险：
01流动性风险
因为应收账款会占用流动资金，影响企业资金周转，如果下游逾期不还款，会影响企业流动性。另外，虽然赊销可以给核心企业带来收入和利润的双增加，但是没有现金流反而使企业不得不垫付资金来交纳税金和支付各类费用，也会进一步影响现金流。
02应收帐款确权困难
核心企业与下游客户虽然有销售合同，但债权债务关系往往不清晰，尤其在催收时，容易出现司法纠纷。
03还款没有约束
对于金融机构，借款人逾期得上征信，且有明确的还款期限，但是对于下游企业的还款则没有这些强约束，所以更容易导致逾期甚至出现坏账。
以上这些潜在风险，需要核心企业对应收账款做合理的风险评估，评估内容包括：赊销客户的选定、信用评级、金额与账期认定及用信动态监控等。
赊销企业风险管理痛点
目前大多数核心企业已设置风控部门，对赊销业务进行风险管理的思路与金融机构基本一致，也具备了一定的风险识别能力，但在风险评估时，依然存在以下痛点：
01内外部数据不完整
核心企业往往需要更多维度的外部三方数据，针对大企业需要债券评级、行业数据及产业链数据等，而对于小微企业则关注开票、税收等微观类数据。
内部业务数据缺乏治理、未形成有效的风控识别标签。由于各类有效的可用作风险识别的业务数据存储在各个系统中，未打通系统链路，未形成数据资产库，导致无法使用这些业务数据。造成赊销企业画像不完整，无法对其进行有效的风险评估。
02欺诈甄别困难
主要是对小企业的欺诈判断，如何对企业主及股东进行甄别，担心后续恶意拖欠货款或会卷货失踪等。
03赊账金额及账期认定
由于下游企业涉及行业众多且规模大小不一，比如对于上市公司和小企业，两者审批思路完全不同，因此需要多套的评级体系或者模型，这也给核心企业的风控提出了更高的要求，准确性受影响。
04用信管理的有效性
有别于金融机构，核心企业由于未能设计有效的用信监控策略，会造成下游赊销过度，从而导致逾期或坏账。企业关注如何尽早发现客户违约风险、尤其关注如何监控客户关联关系的传导（如担保圈链、市场圈链关联关系的挖掘）以及如何对行业风险进行预判等，一套有效的用信规则和额度控制策略非常关键。
赊销场景风控解决方案
以上风控痛点将如何解决呢？我们将根据场景特色及业务流程,结合现有的各类数据、系统等设计全流程的风控解决方案。
01数据构建及应用
对于任何大数据风控而言的话，核心就是两块，第一块就是丰富底层数据，然后第二块的话就是基于数据，通过挖掘和算法建立数据指标体系或风险标签，从而应用到策略和模型上。
首先我们来看业务数据，主要是聚焦在企业平台供应链数据这一块，关键数据是平台买卖双方交易的业务数据，这个是非常核心的。其次是外部数据，如中博信企业维度数据，包括工商信息、司法涉诉、税务开票等数据，以及同盾的针对个人C端信贷行为数据。
02全流程的风控策略搭建
风控策略的开发与制定一般通过专家经验和数据量化分析的手段，利用规则集和模型来搭建风险可控，收益最大化的风控策略体系，包括且不限于反欺诈策略、准入策略、信用策略、额度策略、定价策略及模型策略等。针对贷前准入策略的开发，会先制定适合于核心企业业务场景的一个决策流，贷前策略主要是从反欺诈和信用风险这两块做开发。
对于用信管理，在业务监控上要设置预警阈值，包括说工商信息的变动次数、税务开票的数据异常等，通过设定阀值，一旦触发，就会做一些预警输出，比如说贷后评分卡结果的输出或者规则结果的输出或者通过风险扫描报告形式呈现，该环节通过决策引擎及风险预警系统实现贷中及贷后的闭环管理。
近期案例介绍
国内某顶级海外广告代理平台
中博信在2021年参与的国内某广告平台的风控系统与咨询项目。该平台为顶级海外广告投放代理商，是为将广告投放到境外媒体的企业提供服务，当前客户数量规模已达万家。平台为了做大业务规模，提高客户粘性，目前已为上千家下游客户提供赊销业务。因此，为进一步提升应收账款的风险管理能力，平台提出了量化风险及智能化管理的需求，具体如下：
系统层面：平台企业尚未搭建智能分析与决策的风控系统，以人工审核为主，需提升审批效率。
贷前评估：授信申请主体为境外客户，缺乏风险识别数据，需追加境内企业进行综合评估。由于判断偏主观，为实现风险量化管理，需设计合理的审批决策流和模型。
贷中监控：由于业务数据计算逻辑复杂，且存放于不同系统，需尽快进行数据整合，开发用于用信监控的指标，并设计有效的预警体系，避免部分赊销客户过度用信、超额用信，造成逾期。
基于业务场景特点，中博信设计了全流程风控解决方案，助力平台规模化发展，项目具体实施内容包括：
01
部署风控决策引擎
实现了智能审批与决策，并完成客户内部各类系统对接及数据交互，包括业财系统、CRM系统及大数据中台等，梳理了业务数据计算逻辑、实现了数据的加工治理和指标的开发应用。
02
定制化设计贷前审批流
该流程实现了授信主体与担保企业的并行评估，即任何一家企业命中强规则都判断为拒绝，当所有企业通过强规则后，再进入下一步评级。
03
开发多套评级模型
贷前设计开发的评级模型分别为新客/老客模型，额度模型分有历史合作/无历史合作。后续将针对下游不同行业的企业，设计开发如游戏行业模型、APP行业模型及电商行业模型等。
04
搭建用信管理体系
该体系的搭建包括用信监控策略和额度控制策略。首先根据专家经验设计用信规则，实现快速上线，对存量客户进行用信及额度监控，如超额提款的终止提款；其次通过每月用信规则命中情况，分析企业特征并进行规则调优；最后，基于用信企业行为数据的积累，设计开发B卡模型，从而实现量化的用信管理。
该项目实现了核心企业自动化审批，提升了审批效率，减少20%风控人员的投入；加强了风险识别能力，并增加了后付客户数量，从40%提升到55%；设计新增业务指标150+条，同时完善了用信管理，防止过度用信、超额用信，减少20%客户的过度用信情况，有效降低逾期率和不良率。
某国内智慧分销与融合零售服务提供商
该平台是TCL科技集团控股子公司，为戴尔、华硕、苹果、三星、微软、小米等数十家国内外知名ICT厂商提供全通路、多场景分销、零售、行业销售以及线上销售。其下属子公司在国内拥有数十万家合作渠道，随着业务的快速扩张，公司原有的赊销管理体系已无法支撑业务发展需要，亟需建立数字化赊销管理体系。
公司现有赊销管理体系主要存在以下痛点：
项目解决方案：
通过引入决策引擎系统、风险预警管理系统、移动展业平台，搭建全流程数字化风控能力，同时通过咨询赋能，建立了标准化的风控策略及模型，实现风控标准化。
项目成果：
小结
核心企业加强风控能力建设不仅使自身提升抗风险能力，而且将为其带来与银行合作的机会由于核心企业下游客户数量众多，且都是以中小企业为主，因此赊销场景也是银行在开展供应链金融业务时的一个重要方向，通过与银行合作最终可以实现：一是减少核心应收账款压力、二是解决小企业融资难问题，第三是可以为企业进一步做大业务规模，从开放场景延伸至开放银行。
关于我们
中博信征信有限公司(以下简称“中博信”）是同盾控股的全资子公司，是国内领先的全栈式中小微信用科技服务商，于2019年9月获得企业征信业务经营备案(备案号19007)。
中博信以“信用科技助力中小微企业可持续发展”为使命，运用前沿的人工智能、大数据、云计算等技术，为金融机构、政府机关及各类企业客户精准评估中小微企业信用情况，解决其与中小微企业之间信息不对称问题，合理防控业务风险。
针对金融机构、政府及供应链在提供金融服务遇到的征信空白痛点，中博信提供多元化一站式解决方案，基于对数据的探索洞察和深刻理解，形成了信用评估报告、评分模型、智能化系统、业务优化咨询等多种产品及服务，通过帮助合法注册的企业依法依规建立企业信用档案，为金融机构、政府机关及各行业客户提供智能高效的企业信用分析服务，助力国家社会信用体系建设。
