㉿

掌握了大数据，就相当于掌握了你的目标人群。每家餐饮企业每天都在产生大量的、不同的数据：客流量、营收额、采购额，所有这些数据都是有价值的，我们要做的就是挖掘出这些数据的价值，转化成信用，变现它。

第一个要解决的问题就是：获取哪些数据是对餐饮企业信贷有帮助的？以下我们从从信贷三环节来分解数据价值。

01 

贷前 ：多维度数据判定客户贷前数据

通俗来说，贷前数据相当于花呗用户的芝麻信用分，是金融机构用来判定借款人「还款能力和贷款额度」的关键因素。想要准确地进行风控，“如何获得贷前数据”成了首要难题，针对这一问题，过往金融机构往往有3种做法：

1、接入第三方征信系统 

2、通过收银系统获取数据

3、获取美团，饿了么等平台数据

但这三种方法实际各有弊端，详细解释见下。

1、借款人本身行为非常关键

目前通过央行征信报告，或者一些银行内部的黑名单，可以查询到借款人本身的借款记录如何？但是这个只是可以判定这个借款人本身是否有问题？不能判定是否可以借款给他，而且可以借款的额度是多少？从理论上来说，个人征信无法挂钩企业日常营收，且额度并不能覆盖借款人需求。

2、企业的实际营收数据

如果想判定是否可以给一个餐饮企业借款，主要是看这个企业的实际营收。因为实际营收可以判定客户的还款能力。这里所说的实际营收一定是客户自身的内部数据，而不是给税务系统的报表。

以餐饮企业来说，对客户历史数据的获得对企业的申请借款非常有价值。但是这方面的数据非常难以获得。如果客户采购的是SAAS餐饮软件，可以通过类似二维火，客如云这类SAAS餐饮软件厂商来获得贷前数据。通过收银系统获取数据确实有效，但这儿有一个最大的bug是，店铺一旦更换系统便会失联。

但是SAAS餐饮软件占据整体的餐饮软件市场份额不高。整体整体份额不足10%。而客户如果采用的是传统收银软件，则无法获得这类客户的数据。或者通过美团、饿了么等第三方的外卖平台来也可以获得客户的外卖数据。一般来说，外卖大概占达店铺营收20%。弊端是数据不全，只能获取外卖数据，无堂食数据。

02 

贷中：多角度审核申请贷款客户

这里我们以餐饮企业为例，如何在贷中审核的时候初步判断一个餐饮企业的借贷申请是否合理？

1、 餐饮企业的借款用途

借款用来做什么？按照我们的经验，餐饮企业借款主要集中在开新店、老店翻新，食材集中采购储备的需求方面。不同的用途对资金的需求量不一样。比如开个新店估计要上百万，但是老店翻新可能只需要几十万即可。发放贷款前，要对客户的实际资金用途有个大概了解，并判断其合理性。并在贷款发放后，需要及时核实借款资金是否落到当初的资金承诺上去。

2、餐饮企业的实际营业时间和实际控制的门店数量

一般而言，一个新餐厅开业，前面3~6个月是生存期，如果熬过生存期，这个餐厅至少可以做到收支平衡。而如果餐饮老板有3家经营超过1年的门店，说明这个老板有一定的经营经验。这种客户的贷款风险应该相对比较低。

3、餐饮门店实际经营状况

借款人有多个门店，不代表这些门店自身都是赚钱的。这里也需要对餐饮门店企业的收入模型做个系统分析。初步计算出单一门店的盈利状况。

在客户提供的经营数据真实的前提下，按照餐饮企业的房租和收入的比例来判定这个餐厅的收入状况。比如一个门店，房租和收入比高达30%，这种门店的收入模型一定是亏损的。所以这种客户的借款风险就很高。当然这种算法不绝对，只是一种辅助判定的标准。 

综合所述贷中审核的重点除了借款人本身外，对借款人的企业考核也是一个重点。

此外，大量进件的客户其实会增加金融机构的审核成本，假设一个金融机构的审核通过率是20%，那说明这20%放款的客户需要承担另外80%没放款客户的审核成本。审核成本也是会算进获客成本里面。

 

因此，如果想有效的降低获客成本，金融机构一定需要和真正可以理解行业的，同时也拥有客户数据的公司合作。这样一方面降低了获客成本，另一方面可以控制风险。

▲成本对比

03

贷后管理：关注四个核心指标

贷后管理其实是信贷里面的一个最为关键的部分。因为钱已经发放出去了，是否真的可以收回，这个是关键。我们定义为贷后管理需要关注的几个核心指标。

1、客户资金用途是否真实

核实，借款人是否把借款资金用于当初承诺借款的用途上去？而不是用于赌博或者其他不相干用途。而餐饮企业开新店和翻新这方面的用途比较容易验证。看客户借款后是否有相应的动作？

2、客户的每日营收是否正常？

餐饮门店的每日营收就是第一还款来源，任何餐厅真实收入状况如果在借款后产生重大变故，是必须值得去注意的环节。假设一个餐厅的每日营收平均下降2成以上，这个餐厅极有可能从盈利变成亏损，导致关门，所以必须引起警惕。

这里当然也需要注意商户流水数据的合理性，比如一个餐厅正常的单均消费为300~500元。但频频出现3000~5000的单据。而餐厅实际没有承接这类大单的能力的情况，这种情况可以判定客户数据异常。

或者通过一些多重数据的交叉验证来判定营收数据的合理性？一旦出现营收数据长时间偏离正常值，应该可以及时预警。

3、实际借款人的行为特征

如果一个借款人拿到钱后，开始找多种理由隐瞒其真实营业数据，这点其实就非常值得引起怀疑了。背后可能是借款人已经出现了门店经营不善等异常行为。这种情况具有潜在违约风险。

4、对优质借款客户的跟踪

当一个借款客户做到定期按时还款，而且这个客户也满足贷后管理多重的实时跟踪标准，应该对这类优质客户及时做到主动干预。主动推动客户按照优惠利率续贷或者根据实际经营状态进行提额。提高优质客户的续贷率。

好的优质借款客户，一方面可以降低金融机构自身的风控风险，另一方面可以降低获客成本。按照82原则，20%的客户创造了80%的营收，小微企业借贷也满足这一原则。因此紧紧抓住经过筛选出来的优质客户，是一举两得的做法。也是解决目前资产荒的一个有效手段。

但是一定注意，需要在贷款周期内持续有效的跟踪客户的多种数据，并如实记录下来。在续贷审批的时候，需要调取客户的历史相关数据进行一一分析，才能得出是否可以续贷，额度多少的判断。比如一个客户已经大幅度关店了，这个时候再依赖上一年度的额度来进行放贷则会有很大的风险了。

所以持续有效的实时监控客户贷后的相关数据，并通过数据对客户进行分层管理，是贷后管理的核心。

 以上，详细探讨了如何从信贷三大环节「贷前、贷中、贷后」获取有效数据。那么要解决的第二个问题就是：如何使用这些数据？

04

单单计对小微餐饮金融产品的设计和思考

目前国内通行的小贷业务风控模式主要分为两类，IPC模式（针对小微企业）和信贷工厂模式（针对个人消费金融）。

IPC模式优缺点

IPC 公司信贷技术的核心，是评估客户偿还贷款的能力。主要包括三个部分：一是考察借款人偿还贷款的能力，二是衡量借款人偿还贷款的意愿，三是银行内部操作风险的控制。

其优势在于系统化严格地监控客户以降低违约贷款率。信贷员们通过“频繁地访问”客户来采集 信息、尽调和审核。信贷员全程把控，对客户的了解程度较高，信息对称程度高不易发生欺诈风险，可有效获取优质客户。

▲IPC流程图示

虽然IPC模式在风控管理上行之有效，但过于偏重于人与人沟通的技术，由信贷员做决策。极益受人员流动性影响，风险不可控。

另外，人工成本所占比例太高，一名信贷员维护客户数目是有上限的。微小企业贷款是一种关系型的贷款，这就要求信贷员必须频繁的接触已有客户，与他们保持长期联系。这意味着与大企业贷款相比，微小企业贷款人工成本所占的比例比较高。所以相对而言，微小企业贷款是一项劳动密集型的业务。数据跟踪如果是按人工，而非系统的话，成本高居不下就是常态。

信贷工厂优缺点

“信贷工厂”则以计算机技术为核心，实行审贷分离制度。相当于把每个环节都打散，即在办理信贷业务过程中，将调查、审查、审批各环节工作职责进行分离，由不同部门和岗位承担，类似工厂的“流水线”。

这样做的优势是分工明确，数据分层划分成几大模块，审批时间快，便于开展规模化效应，适合用作批量化的个人小额贷款。

但这种非垂直运营管理，借款人线索被割裂，无法用来判断整体和对每位客户的精细审查，风险的监控能力以及坏账的处理要求较高。

IPC和信贷工厂两种技术各有优势，都具有较好的可复制性。前者需靠人维护，走质。后者遵循大数法则，走量。

▲IPC模式和信贷工厂模式对比表格

小微餐企这个群体需要的资金需求通常在20—200w之间，但信贷工厂更偏重在小额高频的个人消费贷款。IPC更适合面向企业做大额贷款。所以小微餐饮企业这个资金需求额度很尴尬，在中间不上不下。

单单计在产品设计之初沿用了德国IPC的逻辑，但我们更多的是依赖机器来获得数据而非人力。自主研发了SAAS平台方案，通过门店数据宝装置，可以24小时不间断的实时采集和监控餐饮门店的多维营业数据。从贷前、贷中、贷后三个环节上层层风控把控。并参考了信贷工厂的思想，通过数据模型来持续的跟踪和筛选风险客户。

用机器取代人获得数据，在云端建立模型并进行有效跟踪，这就是单单计餐饮金融产品的核心。我们不仅仅是数据采集，而是切入到金融体系的一整套流程。 

小微企业信贷下半场，大数据风控就是制胜关键。而挑选大数据，一方面要依靠行业经验，另一方面要有非常强的算法能力，将复杂庞大的数据加工成有价值变量。

通过对餐饮行业的深度解读，单单计设计出与餐饮企业十分匹配的金融产品，在风控模型的设计上做到“量体裁衣”。可以有效的降低金融机构的获客成本和风控成本，作为餐饮企业在发展过程中的融资助手。

“用最小的投入获得行业领先的风控能力”，这是单单计在建设智能风控管理平台时，希望金融公司体验到的效果。

▲真正穿透餐饮门店底层营收状况

但在这个风控体系中，最关键的一环是：如何实时监控餐饮商户的经营数据呢？如何验证这些经营数据的真实性？如何通过数据全程把控客户风险？如何挖掘客户深层的价值？

下篇文章会详细剖析上述问题怎样解决

如何用物联网和大数据的方式，解决小微餐饮企业的风控问题？

— end —