現今是大數據的時代，數據將會提升金融行業的運作效率，驅動供應鏈金融的發展。
而由數據驅動的供應鏈金融是基於供應鏈核心客戶所提供的財務信息，交易相關信息（包括但不限於核心客戶及其交易對手或客戶的採購、銷售及存貨等信息）和其他第三方信息（包括但不限於海關、商檢、物流、第三方支付等信息）。
銀行可實現全流程動態風險管理及線上化作業的綜合金融服務解決方案。因此，它的發展必須依賴於以下五大支點：
1、數據來源的真實性
數據來源的真實性是數據驅動的供應鏈金融的基本要求。這包括四個方面，一是數據來源真實可靠、二是數據傳輸安全有效、三是數據來源的多樣性、四是數據來源的持續性。
傳統供應鏈金融是以客戶提供的靜態財務數據為主，加上交易流水、合同發票、人行徵信和稅務等簡單數據支持。在這個模式下，銀行風險依然存在。
要解決這個問題就應結合具體業務場景搭建供應鏈平臺，通過各種渠道引入各類關鍵數據，包括幾類：
一是財務數據，主要是核心客戶及其上下游客戶的基礎財務數據。
二是交易數據，主要是核心客戶和上下游客戶的交易相關的訂單數據、商品數據、物流數據、支付數據等。
三是行為數據，主要是核心客戶及其上下游客戶的徵信數據、稅務數據、法律數據、輿情數據等。
四是驗證數據，主要是第三方渠道提供的查冊數據、認證數據、溯源數據等。通過特定產業的具體應用場景內的海量數據積累，保證數據來源的真實性。
2、基於數據化的風控體系
風險管理是金融企業永恆的主題也是核心競爭力之一。不論是商業銀行、互聯網金融公司，還是商業保理公司或者科技金融公司等所有金融機構，其業務邏輯或者風險管理要求本質無較大差別 ，
都是要兼顧資金的安全性、流動性和效益性，只是各自所面對客群、金融產品、風險偏好存在差異。因此，風險管理體系建設是金融機構開展業務的首要工作。數據化風控體系包括三個層面：
一是數據的風險管理子系統的建立，即前面所說的數據來源真實性、
二是數據的邏輯關係或算法子系統的建立，即如何通過科學的算法確保數據之間的邏輯關係與實際場景內的交易關係相匹配。
三是基於數據的風控模塊化管理或風控模型子系統的建立，即如何結合實際場景把風險管理按業務發生的路徑或順序進行流程化和模塊化設置。通過數據和算法的運用實現數據化風控體系的搭建。
3、基於數據化的人才資源
“
打鐵還需自身硬”，懂數據和金融的複合型人才或專業團隊是開展數據驅動的供應鏈金融的基石。除商業模式本身的創新外，人才發展戰略也是金融企業發展的核心戰略之一，如何應對新技術和新模式帶來的人才需求的轉變，規劃符合企業自身人才發展戰略的最佳實踐路徑成為金融科技企業要面對的難題。據普華永道發佈的《2017全球金融高科技調查中國概要》指出，中國有71%的金融機構受訪者認為招聘人才比較困難。據全球招聘顧問公司Michael Page發佈的《2017中國薪資和就業報告》，目前國內金融科技人才總缺口達150萬。在這麼大的缺口之下，中小銀行很難實現轉型升級。
針對這一難題，中小銀行需要努力聯合各方資源，理論結合實踐，加速培養金融科技複合型人才，幫助自身構建金融科技人才的選、用、育、留體系。
4、供應鏈金融的生態夥伴
生態圈對供應鏈金融的持續和健康發展至關重要。數據供應鏈金融中的生態夥伴主要包括四大群體：
一是企業客戶，如供應鏈頭部企業、上下游客戶、電商平臺、供應鏈公司、物流公司等，此類群體主要掌握客戶和交易數據；
二是金融機構，如銀行、互金平臺、租賃、保理、基金、信託等金融機構，此類群體主要掌握資金和金融市場數據；
三是官方機構，如法院、海關、稅務等，此類群體主要掌握客戶的行為數據；
四是科技公司，即掌握ABCD等技術的科技企業，此類群體主要掌握的數據的蒐集，處理和分析工具。
從數據驅動的角度而言，這四大群體，應該是相互依賴的共生關係，共同構成數據供應鏈的完整生態圈。
5、基於數據化開放的系統管理
國內商業銀行現處於數據資產化、產業化和生態化的起步階段，且銀行運用大數據技術以描述性數據分析為主、預測性數據建模為輔，以自身交易和客戶數據為主、外部數據為輔。
在供應鏈金融業務不斷開展的過程中，商業銀行必然會面臨以客戶為代表的日益增加的外部數據，相較商業銀行內部數據而言，外部數據在信息涵蓋範圍與數據標準方面均不可避免地與商業銀行內部數據存在一定的差異，對供應鏈金融業務的開展形成阻礙。
通過數據化開放的系統管理，建立一整套的數據標準轉換規則，實現內部數據與外部數據的無縫對接，有助於供應鏈金融業務開展的高效率與資金的精準投放，與數據驅動下的供應鏈金融相輔相成。
閱讀更多 壹點方圓 的文章
