|
一、IPC 1、结合专家法的量化分析: 实际案例中常常会遇到小微企业主 无法理解 / 无法量化 / 错误估计 / 刻意隐瞒 各项指标。不要紧！闪开，让专业的来！！你不懂什么是现金流，什么是应收应付、预收预付、折旧计提，没关系，信贷员会勤勤恳恳帮你算呀；你不想说公司到底赚了多少钱，外债还有多少没还，水电费到底欠了N个月没交，也没关系，信贷员火眼晶晶会自己辨呀。通过专家法尽可能的把一个企业的经营全貌还原成可以量化分析报表，以期可以更准确的把控风险。 2、人员要求高、替换成本大： 你想啊，信贷员即当“爹”又当“妈”。拉得了关系、下的去帐房、搞得清产品、看得明风险，提供全方位一条龙的服务。这种情况下本身对人员素质要求就较高，又做业务又看风险，全看个人心里一杆秤。信贷员在业务端作为联系客户的第一手纽带，拥有客户资源和信任感。在风险端，占据丰富的“实战”经验(就和打怪升级一样，每个人的偏好不同，level也不同），所以在这种情况下优秀的信贷员的替换成本是巨大的。 3、风险识别力高： 整个过程中信息要素的流失少，可以从前端开始把控风险，基于对用户的了解，定制化的分析情况，方便对于个案进行调控。 4、运营效中： 人员导向，单笔时效预计为3-5天。 优点：利于把控风险、便于后期业务展开及交叉销售。 缺点：受制于人（人均产能、个体差异、人员稳定性）操作风险较大。 总结：成也萧何败萧何！
二、信贷工厂 1、集约作业+模型支持：都叫工厂了，显而易见特色就是流水线啊。正所谓人人都是操作工，家家争当红旗手，今天我为我厂骄傲，明天我厂为我自豪！（扯远了......）对信贷工厂模式而言，就像不停运转的流水线，制定规章制度、切分流程节点、确保残次品率，使得产生良性循环。通过前台把各种信息拆分成标准化元件，后台模型组装、配比，提高产品合格率，把控风险。 2、人员要求低、替换成本低：所谓铁打的营盘，流水的兵，从模式本身来说，对人员的要求相对没那么高。我已经不要求你语数外十项全能了，给你一个学期时间主攻一门语文还不行嘛？工厂模式下，把对人员的综合素质要求拆分成对单材料/单操作的标准动作，不断加强巩固，通过10万小时理论（当然不可能这么久啦）磨练，使得人人成为某一方面的专家。在这样的情况下，只要整体的培训体系以及规章制度不变，很快能培养下一任专家，人员的流动对整体的影响将大大减弱。 3、风险识别力中：模型为主（多以现金流为导向），人工为辅（标准化作业人为因素减少）。对单个用户风险识别力弱，主要依据中后台整体策略判断和调整。而且运行一段时间以后，策略被市场熟悉后还得快速调整。 4、运营效率高：流程导向，单笔时效预计为0.5~2天。 优点：标准化作业，便于批量复制&控制品质；后台模型运算，便于整体调控。 缺点：人员主观能动性低，系统依赖程度高；存在要素流失。 总结：如果说IPC是手动定制，信贷工厂就是大宗生产；如果说IPC是并联电路，信贷工厂就是串联电路；两者各有千秋，但小微企业的诉求就是短平快，简单、快速才是王道。
三、供应链金融 1、行业分析、数据交互、控制力博弈：供应链融资含义略过不解释，关注点是立足于核心企业、立足核心企业、立足核心企业（重要的事情说3遍）。 首先对核心企业所处行业&业内陆位进行分析（例如某著名运动品牌，前两年产品滞销，库存积压，周转率跑偏，在这样的情况介入该业务显然是不合适的）。 其次通过协议交互获得商户准确的经营数据。 再次通过核心企业对上下游的牵制影像其经营行为（再打个不太恰当的比喻，为啥阿里金融小微贷做的好，商户的流量是阿里引的、应收账款是阿里控的、店铺的“生杀大权”也是阿里握着，生意到底做的怎么样，阿里说不定都比你清楚，敢欠钱不换？除非你不想做生意了，不然必须的乖乖听话啊）。 不过话说回来，核心企业为何要配合你机构来做这个事情呢，如果稳赚不赔，完全可以 我行，我上！（海尔不就在这么干么） 2、人员要求低、替换成本中：前期行业和企业的选择是慎重的，但后期日常运作，由于还款能力和违约成本都一定程度上由企业做过一道把关，日常人员所涉及的操作就相对减少，仅需根据行业及企业情况做一定了解后介入即可。 3、风险识别力中：从单个客户而言，通过核心企业获取准确经营数据，依靠核心企业控制力牵制其行为，不失为良方；从整体而言，对核心企业及其所在行业的把控个人认为是个难点。 4、运营效率高：单笔时效预计？口胡在这种情况下，如果数据交互充分，完全可以做到预授信啊。 优点：准确获取了商户的经营数据准确，提高了商户的违约成本 缺点：机构与核心企业间存在博弈，行业&企业选择需要慎重，当出现危机时，整体调控能力弱。 总结：一激动傍了个“大款”，但还要火眼晶晶辨“真爱”！ |
|
|
