时间: 2021-07-30 10:48:42 人气: 5 评论: 0
编辑导语：物流行业金融资金需求大，然而当下物流行业、尤其小微物流企业的金融需求并没有被完善满足，因此这一方面的市场发展还有很大空间。本篇文章里，作者基于对当前物流行业的理解，结合数据分析，对小微物流的普惠金融发展做出一定分析，让我们来看一下。
全国持证的小微企业包括个体工商户的主体的数量大概在1.1~1.3个亿不等，因为统计口径不完全一样，从银保监**公布的小微企业的贷款覆盖率来看，截止到去年7月份，当时银保监**新闻发言中提到满足了3007万的小微及个体工商户的信贷供给。
那么3007万相比1.1~1.3亿的总量，大概占1/4左右，也就是说有1/4的小微企业随着过去两年普惠金融的快速发展，确实得到了金融机构的资金供给。而物流行业的金融服务可得性远远低于这个占比。
今年的《中国银保监**办公厅关于2021年进一步推动小微企业金融服务高质量发展的通知》中提到“依托产业链供应链的交易数据、资金流和物流信息，有序发展面向上下游小微企业的信用融资和应收账款、预付款、存货、仓单等动产质押融资业务。”
“完善‘敢贷愿贷’内部机制。银行业金融机构要对照商业银行小微企业金融服务监管评价指标，进一步完善内部机制体制，强化对小微企业‘敢贷愿贷’的内生动力。要不折不扣落实‘普惠金融类指标在内部绩效考核指标中权重占比10%以上’的政策要求。”
其实表明，银行等金融机构将要加大力度在物流行业的支持。核心物流企业的模式，其实在银行体系已经算是较成熟，那小微物流普惠金融如何做、怎么做得好，其实现在的金融机构都还在摸索中。
猎人基于对物流行业的一些浅显的理解及相关的数据应用的逻辑经验，结合行业大牛们公开的经验材料，从以下几个方面分享给各位读者。
1) 社**物流总额增速持续回升
2020年全国社**物流总额300.1万亿元，按可比价格计算，同比增长3.5%。
2) 社**物流总费用与GDP的比率基本持平
2020年社**物流总费用14.9万亿元，同比增长2.0%。社**物流总费用与GDP的比率为14.7%，与上年基本持平。
从结构看，运输费用7.8万亿元，增长0.1%；保管费用5.1万亿元，增长3.9%；管理费用1.9万亿元，增长1.3%。公路运输费用占社**物流总费用的50.2%。
3) 物流业总收入实现小幅增长
2020年物流业总收入10.5万亿元，比上年增长2.2%。
运输费用接近8万亿元，物流企业的费用的规模其实可以看成物流企业资金周转的潜在缺口，无非是这个缺口实际上的百分比是多少。而根据公开数据显示，资金缺口在3万亿以上，要知道头部平台微粒贷的累计放款规模也就2万亿左右。而2020年末，我国普惠小微贷款余额也才突破15万亿，2020年全年银行业累计发放普惠小微信用贷款3.9万亿元。
所以物流费用金融这个市场的确是事实上的“运输大市场”，而整个行业属于“运力小企业”，从“企”“车”“人”三方面体现。
企业方面，物流相关法人单位40万家左右（这里的40万家应该是指有营运资质的企业，有些公开数据显示物流行业相关机构**700万家，这个数据应该是涵盖了大部分的个体户），2020年我国物流企业50强实现物流业务收入1.1万亿元，同比增长15%，第50名的企业物流营业收入**过37亿元，同比增长19%。
也就是50家头部物流企业收入占比10.5%，按照40万家口径，则剩下的企业平均年收入2000多万，按照700万家口径，则每家年收入130万左右。中小微物流企业**90%,有30%物流企业处于亏损状态，利润率不足往年的一半。
货车方面：而整个物流运输行业有**2000万辆货车，其中拥有货运车辆数在50辆及以上的企业，大约3万家。
从业人员方面：国家统计局的运输道路从业人员数量为365万（应该是按照在册运输许可资格数量计算）。而从一些公开渠道查得的数据整个行业从业人员**过5000万人，运输相关从业人员约在1800万。正常一车多人，至少一车一人才算比较正常，这样折算，也有近1500万货车司机是无道路运输从业资格。
所以银行愿意为这365万司机提供金融服务，还是1500万货车司机提供金融服务？猎人推测，1500万货车司机大部分都是4.5吨以下货车从业者。
这些数据其实反应了描述物流行业特别是小微物流企业货运群体“小”“散”“多”“弱”。
虽然整个市场金融需求非常大，但很多物流企业特别是中小企业因为自身抵押物有限、征信数据难以获得等原因面临融资难、融资贵的问题，且业务开展过程中存在需要货物押金、运费结算不及时、应收账款与票据账期过长的问题。
近年来，中国商用车市场规模整体平稳上升。2019年，中国商用车总销量约289万辆，与前一年相比保持稳定。其中，中重卡销量约131万辆，轻卡销量达143万辆。
与乘用车不同，商用车作为生产工具担负着运输职能，与宏观经济的发展趋势关联度较高。
轻卡虽然也具有一定的周期性，但总体来看作为城际物流和城市配送主力，在城镇化等因素推动下有望恢复增长趋势。“干线运输+区域分拨”的物流模式逐步得到推广，轻卡作为支线城际物流和城市配送的主力地位也得到提升。
同时，快递、冷链、危化等下游物流细分领域不断发展，与之对应的细分轻卡需求也得到推动。2019年，各地落实取消4.5吨及以下普通货运从业资格证和车辆营运证，一定程度上降低了轻卡购车阻力。
从2013-2019年国内运输商用车历史销量来看，商用车的销售其实稳中有涨。年销量基本可以保持在200万辆以上浮动。
运输商用车的市场规模在2019年也达到了2770亿，整体规模还是非常不错。其中中重卡因其产品单价高和车队挂靠机制成熟的特点，2019年金融渗透率高达85%，并将继续缓慢提升。因此，中重卡成为商用车金融的主力细分市场，占据整体市场约83%。轻卡市场金融渗透率较中重卡则低得多，仅为35%，发展空间巨大，将保持稳步上升的趋势。
整个物流行业的资金需求普遍包括基础配套设施投入、线下网点建设、运输车辆以及人员投入。
另外由于行业的特殊性，虽然合同稳定，但结算周期长，企业的应收账款的压力大，尤其在业务旺期，客户越多、客户规模越大，物流企业流动资金占压越大。因此企业可持续发展的现金流的需求也占大头。
而小微物流企业流动资金需求大体上与头部物流企业差别不大，如垫资运营，来满足日常运营中的工资支付、设备租赁费、燃油费、过桥过路费、购置车辆和车辆维修费等资金需要。但由于小微物流企业处于物流产业链的最下游，大多数个体户小老板，自有资金池小，融资渠道路径少，账期长导致的资金周转影响更大，融资需求非常急迫。
物流行业企业资金需求点非常多，正常情况如果有金融机构愿意提供金融服务，物流企业们应该是非常欢迎的。
但实际情况是整个物流行业费用的融资需求获贷率<10%，90%的物流企业无法获得贷款，物流运费垫资贷款需求95%是无金融机构愿意满足。很多金融机构的金融产品进件门槛有一条是将物流行业设为禁入行业，整个物流行业融资环境都如此不顺畅，那处于物流行业末端的小微物流企业普惠金融需要突破也更困难。
在金融机构眼里，有数据的企业才是可以准入的，没数据的行业至少也要有资产，没数据没资产的企业则没啥希望了。
这里的数据其实主要指企业自行可以提供的标准化后的纳税、流水、应收等可以直观体现企业收入能力及持续经营能力的数据，当然互联网金融的崛起更多的是金融机构拥有通过三方数据渠道获取直接或间接体现纳税、流水、应收等数据来判断企业资质。没数据的情况下，企业有相关资产可以抵押，这种途径则是最为传统便捷的方式。
所以才有以下银行针对常规企业，授信逻辑主要有三种：
这种授信逻辑简单粗暴有效，但如果是小微物流企业，大部分都是个体户，要资产没资产，连车可能都是别人挂靠的；要数据没数据，都是简单的纸质记账，个体户无法保障可持续地运营。
即使能提供一些相关数据，但交易信息极其碎**化，交易环节复杂，组织化程度低，交易信息没有统一标准，连最基本的运单真实性都难以核实，因此在金融机构眼里小微物流企业缺乏最基本的交易信用。
货车司机群体比较特殊，大多属于个体户，但风控模型却使用个人金融的风控逻辑。对于货运司机群体，普遍的资金需求包括贷款买车、自付运营费用（过路费、油费、维修费等）及日常生活消费。由于物流行业企业普遍的相互账款周期较长的原因，其也**有拖欠报销司机的垫资行为。
小微物流司机普惠金融发展难点
小微物流企业普惠金融这么难做，那是否小微物流的货运司机群体**好点呢？怎么说也算是个人金融，互联网的个人金融产品成熟、风控能力成熟，有些网络货运平台也有大部分司机运营收入的数据，这样乍一看，应该是个蓝海。
但一旦扎进去，发现不是那么一回事，欺诈坏账都**出防范范围，导致整个金融行业即使是垂直于物流行业的核心企业也不太敢大规模**进这个市场，什么原因呢？
我们先看看金融金融眼里的小微物流货车司机画像。
① 整体资质相对较低
货车司机群体在金融机构对用户群的划分属于较低资质，可能也就比那些无业游民好点。无论是企业自雇还是第三方雇用，大部分的小微物流司机大多来自农村（他雇司机和自雇司机中来自农村的都占了80%上下）。与其他农民工可以从事的工作相比，从事卡车运输依然是一份有着“较好的看得见的收入”，且看上去似乎更加自由的工作。
② 挂靠便捷、司企关系不稳定
据统计，全行业挂靠比例至少**55%以上，自养车队一般受限于成本，只**维持一个常规数量，由于物流行业每年行情波动，通过挂靠车辆去满足高峰期业务需求，是更好控制成本的方式。
借用挂靠公司的名义登记入户，获取道路运输资格，公司则收取一定的挂靠费用，为挂靠车主提供适于营运的条件”。挂靠仅仅是一种形式上的隶属关系，卡车司机实际上仍然是自主运营的个体户。
挂靠之所以成为一种支配性的行业制度，是因为国家政策倾向于运输业的集约化、规模化经营，因而大部分地方政府明确要求货运车辆挂靠公司。
一方面，物流企业出于成本考虑，自养车越来越少，合作车和平台车越来越多，这意味着越来越多的司机属于“召之即来，挥之即去”的临时性雇佣司机，这也导致其缺乏相对正规化的福利和保障制度的保护。另一方面，物流企业与客户之间的关系也越来越趋向于理性化，交易越来越成为交易，而曾经附着于交易层面的关系属性则越来越淡薄。
③ 收入不稳定、还贷压力大
挂靠司机的存在是需要司机自有车辆，通过贷款购车成为挂靠司机的常用手段，但随便一台货车单价都非常高，对于货运司机这个群体来说，压力还是非常大，且现在的收入水平用来还贷也是比较困难。
“挂靠”制度一方面造成了货运市场准入门槛过低，卡车司机通过挂靠公司可以很方便地取得运营资格，这反过来又导致货运市场上形成车多货少的恶性竞争格局。
另一方面，“挂靠”制度也推动卡车司机成为中国“最大的债务工作群体”，因为大部分卡车司机是通过挂靠公司来申请银行贷款买车的，或者挂靠公司本身就经营放贷业务。
而当卡车司机出于还贷压力，不得不最大程度地自我压榨其劳动力以投入到货运业的赶工游戏时，又遇到了国家政策带来的另一重挑战，即近些年来的环保治理转向。
环保指标在地方政府的政绩考核中所占的分量越来越重，环保部门因此对货运卡车的污染排放量、车型车体等技术标准提出了严格要求，这导致了卡车的使用周期比以往缩短，卡车司机必须不断加快其运输工具的更新换代才能跟上越来越严格的环保政策。这反过来导致了运营成本的提高和还贷压力上升的循环。
④ 唯一的主要收入来源
由于挂靠现象的存在，代表55%以上都是货运个体，挂靠主要是甲方市场，物流企业把控了挂靠的主动权，谁成本低就和谁合作，导致司机们只能竞价合作，主动降低了收入水平。而99%的货车司机一般只有这唯一的一份收入来源。
⑤ 平均工作时长
货车为货车司机工作工具，贷款买车的还贷周期短，还款压力大，司机需要每个月保障稳定的收入才可以保障还贷准时。
而要实现稳定，**对卡车司机找货的方式、接受的运价、行车的路线、驾驶的习惯、围绕工作的日常生活产生了直接影响，导致其更容易接受虽然可能更不稳定、条件更为苛刻，但能够保持持续现金流收入的工作。
这就导致长途订单司机期望可以缩短交付时间提高效率，牺牲休息时间长时间驾驶则是最简单的方式，货运疲劳驾驶则成为常态。
⑥ 货少车多、单价下降
挂靠现象的存在其实就是常规业务量自养车辆基本满足，特殊行情引起的增量需求则挂靠群体去瓜分。且由于网络货运的崛起，传统的依靠微信群交换订单的方式，本就小范围内进行分配，但网络的出现打破了传播范围及群体对象。本来可以就几百米范围内的几台车抢单变成几公里范围的几百台空闲车辆抢单。那拼价格是货车群体最能掌控的唯一方式了。
⑦ 作业习惯波动大
物流企业自有的货运司机一般都有固定的干线，但挂靠群体由于经常换挂靠企业，不同物流企业的订单来源不一样，所以运输干线也非固定不变。熟悉干线的群体，驾驶过程更顺畅及安全，不熟悉干线的群体由于订单送货周期及时间问题，往往**出现延迟或出现小事故等。
以上七大点，金融机构**认为司机群体存在非常大的不确定的风险。
另外金融机构主要看的一个指标——收入水平也不乐观，小微物流货车司机平均工资8千元以下占比84%，0.8万-1.2万占比12%，1.2万-1.5万占3%，1.5万以上仅1%，也就是月薪过万的也就10%左右。
针对风险大且收入不高的群体，金融机构应该提供什么的金融产品可以同时满足这个公式——（风险成本+运营成本+资金成本）≦（利息收入+中间业务收入）？金融机构**觉得额度低的产品，赚的钱可能都无法覆盖风险，大概率是直接“敬而远之”。
1）第三方龙头物流企业融资平台模式
该模式下，物流企业可联结不同行业的产业链，向商业银行推荐产业链上的优质企业，代理银行向客户提供供应链融资增值服务的质押、信用、担保融资监管，实现客户基于供应链金融的融资需求。
第三方龙头企业掌握合作的物流企业的在该体系下的订单情况、收入情况、运力情况及运营持续时间等金融机构授信刚需的核心数据。
第三方龙头物流企业融资平台模式其实就是谁和头部物流企业玩得久、玩得好，就有资格得到头部物流企业的增信获得金融机构的授信，圈子外的或者刚进来的物流企业，短期内无法顺利得到头部物流企业的认可及达到金融机构的进件要求。
2）小微物流为主的普惠金融模式
该模式下，小微物流企业无法通过质押、信用、担保融资等方式进行融资，而金融机构也无法从小微物流企业端获取足够的数据支撑，大多需要联合三方服务机构，借助其三方机构覆盖的物流企业资质数据、物流企业运力数据、物流企业运营情况等多维合规权威数据尽量满足小微物流企业融资需求。
数据源主要分为两类来源，一类是政府端与物流相关的数据，如高速货车通行数据、物流信息中心的运证相关数据、公安部门的货运违章数据、信用中国体系的小微物流企业红黑名单；另一类是企业系统服务商，如TMS机构、支付公司、ERP公司当然也包括核心企业。企业系统服务商的数据为建模评价小微物流企业的资质能力，政府端数据验证相关数据的准确性及可信度。
1）头部物流集团物流金融模式
头部物流集团围绕集团内各业务线合作商户的资金需求场景，规划了对应的金融产品。
① 承运商金融
如针对承运商的自有车辆或外部合作商的运费垫资需求，提供运费贷产品。
针对承运商的自有车辆或外部合作商的车辆车险保费分期需求，提供车险保费分期产品。
这块产品头部物流企业通过与承运商的合约账期及运费应付账款等相关数据及集团对行业普遍的运费及保费实际金额需求进行联合分析，为相关产品提供产品定价及根据合作账期进行风险防控。
② 小微企业金融
赋能链条上的小微企业，头部物流集团为长期提供经营服务的小微企业的仓储服务提供仓单贷，通过小微企业的经营数据提供以经营数据为主的纯信用经营性贷款。
仓储服务是通过仓储货物的量级及价值进行定价，通过限制仓品进出库防控风险。纯信用经营性贷款是根据仓单及进出频率间接预估小微企业货物销售额，以此判断小微企业收入情况及可持续情况。
③ 直营网点金融
针对直营网点的日常经营情况，头部物流集团可以通过集团内部系统清晰看到各直营网点的实际经营情况，同时结合经营数据提供针对经营流动资金需求的网点贷。
④ 采购商金融
针对长期合作的采购商，头部物流集团与采购商长期的采购关系，对采购商的经营能力及发展需求相对比较清楚，同时由于长期采购一直存在，应付账款也**有周期性的结算周期。
通过基于应付账款行为为采购商提供一定的杠杆资金支持如应收账款融资，帮助采购商更好的解决大部分的账期垫资问题，提高资金的回笼效率，而头部物流企业通过应付账款的账期来防控风险，相对该类融资产品可控性较高。
⑤ 经销商金融
头部物流集团的经销商们，长期存在渠道、销售、铺货、垫资等经营活动资金需求，其可以向头部物流集团提供在手订单预付款凭证，获得头部物流集团的资金支持，缓解资金压力。
围绕头部物流集团的各自金融产品，单纯从数据角度，基本都是只能知道合作的资金需求企业的经营能力及经营稳定性，对于相关企业的信用水平一般是根据头部物流集团对其商誉的认知及认可程度，当然这个过程肯定需要借助征信体系的相关数据进行更理性的判断。
2）政府数据+企业数据在小微物流金融实践方案
如果说头部物流企业集团是通过集团内对各合作伙伴的强合作关系及无比清晰的数据链为授信基础，辅助性结合外部数据的物流金融模式，这类模式无太大的普及能力，那通过政府的数据普惠结合三方物流系统服务平台相结合的小微普惠金融模式应该值得相关机构研究参考。
小微物流金融的对象比较下沉，主要针对的是小微物流企业、车队等群体。这类群体与头部物流企业的合作关系也不全是完全稳定，因此无法通过头部物流企业去联合服务。
这类企业的数据大多可以在物流行业的系统服务商如TMS系统服务商内找到相对完整的或者能满足授信的最少量级的经营数据，用于证明其营收水平及稳定性。
而单纯TMS的数据维度及数据表现在金融风控模型中无法得到很好的识别，金融机构的认可度也不高，因此还需要结合政府端的权威数据，如在交通部记录的高速卡口记录的相关数据、ETC通行过程的产生的数据、在工信部记录的车辆大数据、在工商部或信用中国记录的企业信用情况及在司法部门记录的被执行、涉诉情况等。
数据足够多后，相应的风控模型能力可以双方联合实现或者再引入三方风控公司共同打造定制化的风控模型，实现针对小微企业的初步的识别判断，最后由金融机构自身的风控能力做最后判断。
常规的物流企业金融风控必备的数据排名，依次是订单合同数据、历史交易数据、财务报表数据、银行征信数据、物流仓储数据、生产运营数据、法院数据、工商市场监督管理数据、税务数据、中登动产融资数据及关检汇相关数据等。
其中随着这两年部委的数据开放，高速卡口数据及ETC支付数据也被相关企业在物流普惠金融业务中使用，且得到很好的效果提升。
以上这些数据融合企业内部数据、外部企业数据及官方数据三方面，涵盖了人车企三个角度的数据类型，可以全方位地体现客户的物流、信息流及资金流的相关情况。
小微物流线上身份资质验证场景都必须的，如法人、车主或司机的身份验证，包括身份证、银行卡及手机号认证、企业、司机及车辆的营运相关资质证明。
银行小微物流普惠金融场景，在贷前的欺诈行为、信用情况及身份真实性的判断；贷中的通过历史消费能力判断借款能力，偿还贷款的能力的评估；贷后的异常行为识别及预警，如消费能力的突然下降、消费偏好的改变等。当然针对还款正常的群体，银行**通过数据挖掘为这些群体提供更多的匹配的衍生服务，获得更多的收益。
小微物流投保场景，主打物流企业财险、货车险或货车司机相关保险场景的保司**在这些对象投保前进行身份真实性验证，包括投保人、被保险人及受益人三方身份真实性确认。
针对已有的数据给投保群体进行风险定价，特别是由于商车险政策的出台，针对货车的财险产品定价空间更大，因此不同的货车由于历史出现或平常的不良驾驶行为等数据表现**导致保费是不一样的。在保前针对大额订单，保司甚至**派专员进行线下的风险查勘，降低线上数据不足评估不到位的潜在风险。
而保中一般**看出险概率，出险概率一般看司机历史的出险情况、日常的驾驶行为、运输路线是否稳定、出行时间是早上还是晚上等综合判断。
反欺诈识别也**同步进行，司机群体在金融科技板块其实属于个人信贷场景，个人信贷的一大风险点就是团伙欺诈及身份冒用等。当然如果货车司机顺利获得投保资格，且数据上体现的风险指数稳定，则有可能获得保司的类似意外险赠送、加油贷贷款名额等增值服务机**。
经过一段时间的保后观察，一些有前瞻意识的保司或助保机构**通过存量数据挖掘找到更多的司机群体的其他需求进而进行新产品研发或增值服务提供数据支撑。
如满帮集团联合数据宝通过平安财险推出的针对内部司机群体的空载险产品，满帮对内进行数据挖掘，发现起码有50%以上司机存在空载回程。而空载回程成本高，司机群体需要有保险产品来降低空载的成本，同时空载如果判断及识别，需要有权威的数据来源——数据宝的高速卡口载重数据，基于以上几点推出了空载险。
空载险针对的信息不对称致使配货时间长、空驶率高的行业情况。一般的中小型制造业，没有自己的物流运输系统，需要物流公司提供货运服务。在发货时为了货物的安全很少直接委托社**车辆进行运输，一般**根据企业体量大小、货物重要程度分为几种选择。
一是选择过去有过合作的熟车个体户代为运输，这仅适用于货运量不大的情况。
二是委托第三方物流公司代为运输和配送，这要求企业有较为稳定且大量的货源。
三是把运输任务委托给信息部，也就是货代，一级货代可能还**进一步委托给二级货代，货代对运力资源市场的货运价格、运输路线、货车数量、信用保障水平较为了解，他们一般**选择信用保障水平较高的第三方物流企业或者熟车来完成运输和配送任务。
在信息从货主到最后实际货物运输方的多级传递过程中，信息不对称问题日渐凸显。货主自己找不到合适的运输车辆，转给货代，货代收取费用同时耗费了时间；而司机在完成一单货物运输后，回程无货可运，只能空载返回或者去附近的物流集散市场找货运。货主和运输方信息难以快速准确地进行匹配，导致有人无车可用，有车无货可运，浪费了运力和时间，整体配货时间长、空驶率高，经营效率亟待提高。
物流企业日常运营需要对新招的快递员、货运司机的身份进行验证，通过多方数据交叉分析支撑针对司机运力能力、运输偏好及信用情况等方面进行判断，用于后续优化运力做数据支撑。
而针对开展物流供应链金融的核心物流企业来说，以上数据也是必不可少的。而在揽件收货及计件环节大多是针对收、寄件人身份验证，若后续发现危险物品方便追溯。而物流企业还有一个需要通过外部数据才能实现的重要功能，对合作的三方物流企业进行资质验证及货物安全管控。
网络货运机构主要针对的是货主、承运人的身份及资质验证，特别是对承运人运力能力偏好及成本的管控，以便于后续实现智慧运力分配的目的。网络货运机构比传统物流企业做得更好的是信息化方面，也就是数据的采集、存储都相关全面标准及完整，同时由于网络货运机构需要靠网络规模来增加估值，所以想法设法开展可控的增值服务，如针对货车司机及物流企业的信贷、针对货车的保险、针对二手商用车的交易等。
车辆融资场景，租前需要对租车人人身进行验证，对其信用情况进行评估，同时对租赁分期的客群进行还款能力审核以判断该用户适合租赁那类等级车辆。租中需要对租赁车辆轨迹进行监控跟踪，
常规的物流金融离不开成熟的风控体系，流程大致包括7个流程：
以上七大流程，总结起来就是贷前、中、后三大环节，每个环节方法都**通过多源数据，融合计算结合一定的模型算法得出最终的评分，分数代表不同的识别等级。
贷前主要有三大方法，反欺诈、评分卡风控及额度评估。
反欺诈主要使用的数据包括内部数据、外部数据及合作的平台数据。评分卡需要有相关数据识别企业外部风险、企业内部风险、关联企业风险。额度方面需要有资产证明、购销合同、纳税申报表或可以替代的线上权威数据。
贷中需要搭建针对有效订单的风控方法、运价风控的方法及支用风控。
有效订单需要通过汽车油耗数据、订单数据及定位数据直接或间接识别有效订单及订单价值。运价风控需要通过汽车油耗、订单数据及ETC数据综合识别运价真实情况，从而得知企业的部分财务真实数据。支用风控需要获取司机运费、保险费用及汽配费用，通过费用侧识别支出的贷前贷中的变动指数，用于识别是否存在骗贷可能。
贷后则主要是搭建风险监控，通过日常监控、订单统计及运力分析，持续性监控可以体现企业运营异常状态。
小微物流金融风控体系与常规物流金融风控体系有着明显差别，主要是小微物流金融主要的金融产品额度不高，主要通过线上全自动审核，所以能够使用的数据来源决定了小微物流金融的可行性。
在客户申请环节，主要有全自动的准入模型，进行身份冒用的伪冒识别、对申请人的信息进行核验，同时进行准入判断，准入模型中一般**有拒绝类规则，前置筛选掉不符合的客群，反欺诈模型用于精准的欺诈识别。
欺诈类型包括帮助金融机构推荐客户的渠道欺诈，公安司法黑名单一般是拒绝类规则的一种。多头借贷属于准入模型的额度评估兼准入拒绝类规则的一种。聚类分析一般可以用来分析团伙欺诈，交叉验证是为了更精确的判断身份真实性及数据真实性。
评分卡模型，囊括申请企业及主要关联人的企业和人员特征、经营水平、稳定性、流动性、净资产等指标，优先使用的是直接的数据其次是间接数据。无论是直接还是间接数据，过程中都**根据人工经验或技术模型进行特征衍生。评分卡配合着决策矩阵使用，简单理解为按照评分分为三类，拒绝、人工审核或通过。
评分卡准入后，需要通过现金流模型，基于收款现金流测算小微物流企业或个体户（司机）的经营情况以及现金流动性状况，围绕核心上下游，测算额度账期，用于匹配或制定金融产品额度、利率及还款周期等。
小微物流普惠金融基本上都是无抵押的信用类金融产品，额度不**高，主要能获取现金流判断借还款能力即可，其他的信用数据相对还是好获取。唯一无法判断的是有足够的还款能力及信用够好，但也不能保障其**一定按时还款。
贷中贷后**有指标监控，主要监控资金流水稳定性、还款异常、互联网数据异常等。
坏账环节也涉及到逾期催收、**借助运营商的失联修复等。
总地来说，小微物流普惠金融主要的环节还是贷前的各种模型策略及数据可用度。而贷后的人性问题不是数据能体现出来的。所以针对小微物流中的货车司机群体，贷前做的好，但贷后问题多，这个行业内都在找比较好的解决方案。
1) 企业基本信用信息动态识别
企业基本信用信息动态识别包括企业基本信息识别以及企业不良记录识别。
2）法人基本信用信息动态识别
包括法人基本信息识别、法人不良信息识别以及法人风险预警。
法人不良信息识别包括法人司法信息、法人不良信息查询、法人网贷黑名单验证以及法人网贷黑名单查询，所述法人风险预警包括法人金融风险预警查询，对可能出现风险的信息进行预警，法人是否有网贷黑名单，出现网贷黑名单将导致企业违约风险上升，法人司法官司是否具有违约风险的因素。
3）承运安全识别
包括承运人资质识别以及承运车辆资质识别。
承运人资质识别包括身份证核验、上岗证、驾驶证状态查询以及驾驶证要素查询，动态识别驾驶人员资质证照，规避因驾驶员无照上岗违法情况下，出现交通事故保险公司拒赔的风险。
车辆资质识别包括行驶证状态查询、车辆营运证、车辆入网核验以及车辆当前所在区县核验，动态识别车辆资质信息，规避车辆无资质违法上路情况下，出现交通事故保险公司拒赔的风险。
4）承运风险承担能力识别
包括业务保单、车辆保单。
5）企业经营业务真实性识别
需要运单数据、车辆轨迹数据、车辆进出高速卡口数据、车辆高速称重数据、业务保单数据。
企业经营业务识别包括业务真实性识别。
所述业务真实性识别包括运单数据、车辆轨迹数据、车辆进出高速卡口数据、高速称重数据以及业务保单数据，用业务数据中的起止地数据、车辆轨迹数据、车辆进出高速卡口地点数据、货物重量数据、高速称重数据、业务保险数据六个维度校验业务真实性，动态识别企业业务数据真实性，规避企业业务虚假导致违约风险上升。
用业务数据中的起止地数据、车辆轨迹数据、车辆进出高速卡口地点数据校验车辆运行真实性，用业务数据中的货物重量数据、高速称重数据校验业务中的真实性，用业务数据、业务保单数据核验数据一致性。
6）企业财务流动性风险识别
企业财税数据动态识别；所述企业财税数据动态识别包括企业增值税专用发票数据、企业银行流水数据，通过企业增值税专用发票数据、银行流水数据、业务数据汇总数据三个维度校验企业业务真实性及应收账款回款稳定性分析识别企业经营过程中的财务流动性风险。
针对物流货车司机群体，基本是头部物流企业、网络货运平台及区域物流信息中心等掌握大部分物流司机群体运营数据的机构与金融机构联合发起。使用互联网金融的金融产品体系及风控体系。需要打造车主金融信贷数据体系及车辆运营数据库。
车主金融信贷数据体系包括车主的贷款和还款数据、车主个人信息（例如，姓名、身份证号等）、车主拥有的车辆的信息（例如，车辆牌照、车型、载重 量等）、及车主的金融信贷数据（例如，至少包括车主的贷款和还款数据）、车主拥有的车辆的信息、车主的金融信贷数据。
车辆运营数据库需要涵盖：车辆运营级别、车辆新旧程度、车辆行驶道路情况、车辆维修记录、车辆油耗记录、车辆违章记录。
在物流行业中，从事物流行业的人员，物流是从事物流运输的车主、供货方、收货方等，与传统的互联网用户的行为明显不同。
特别是从事物流运输的车主，他们从事电商交易与金融活动的频次较少，无法获取他们的资金及使用状况。因此，互联网金融中常见的风控模型在物流行业中很难发挥应有的价值。
所以物流货车司机金融体系有两大难点，上述的数据维度难获取，因为大部分企业掌握的数据维度都是**面不全面的，需要有权威第三方数据辅助验证。另外一点其实就是上文提到的货车司机的画像情况，货车司机在金融客群里中属于较低层级，且由于收入不稳定等，导致逾期坏账等都较难降低。
相关数据的丰富度及相关度直接影响了小微物流普惠金融的普惠规模，因此发展小微物流普惠需要有足够多的相关性强的数据源。
传统物流金融的数据源的来源由主要依赖头部物流企业、核心企业及头部物流系统服务商等，小微普惠物流金融的数据源主要依赖相关市场化政府部门（除央行征信外，也包括交通部、物流信息中心等）。同时随着新能源及智能汽车的快速发展，车载OBU等车载设备大厂商也**成为比较核心的数据来源。
而小微普惠物流金融的需求方多为个体户及货车司机，模式上类似互联网C端金融，客群相对下沉，因此为了更好地识别这类群体的多头借贷及不良因素，需要整个小微物流行业共建类似金融协**等行业组织形成小微物流行业联盟信用体，打造行业企业及货车司机黑名单数据库，协助金融机构降低小微物流金融违约及坏账率，提高金融机构进入小微物流普惠金融的意愿。
参考文献及材料
1.艾瑞咨询：2017年中国物流科技行业研究报告
2.艾瑞咨询：2019年中国物流服务行业研究报告
3.货运行业从业人数骤减，已不足1800万人，90后刚入行就后悔
4.国家发改委：我国物流企业40多万家 从业人员**5000万人
5.2020年物流运行情况：全国社**物流总额达300万亿元，总收入10.5万亿元
6.2017公路物流大数据70后80后是货车司机“主力军”
7.“双重危机”与劳工研究再出发——以《中国卡车司机调查报告》三部曲为例
8.3000亿商用车新车金融市场向用车金融市场发展，巨大潜力有待开发！
9.小微物流金融发展与模式创新等
大数据猎人，微信公众号：date-hunter，人人都是产品经理专栏作家。多年金融科技行业相关战略研究、行业分析、商业模式及产品体系研究经验，擅长政府数据+企业数据+公开数据多源数据融合流通交易及应用。
本文原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自 Unsplash，基于 CC0 协议
