业务创新 | 数据要素赋能科技金融智慧服务——科技评价模型助力金融服务科技自立自强

从商业银行角度来看，科技金融发展存在诸多难点问题，一是科技企业难预测，科技企业在科技成果转换过程中会面临“达尔文死海”，再加之研发周期较长，科技企业具有较强的风险不确定性，银行“不敢做”；二是科技企业难识别难判断，传统上依赖企业财务数据、抵质押物等识别研判企业经营的方式，已无法适用于轻资产、高成长的科技企业，银行“不愿做”；三是科技金融能力有待提升，科技企业，尤其是中小型科技企业，更加关注融资效率，对于银行的业务办理效率，线上化、智能化提出更高要求，银行“不会做”。

交通银行剖析深层次原因，围绕科技企业价值评估、科创能力评估等方面数据要素，建立“1+N”科技型企业评价模型，由1套标准化模型，叠加N个区域、行业、客群特色模型插件，搭建科技型企业专业评价系统，形成具有交通银行特色的企业创新能力评价体系，充分融入科技企业精准识别、授信审批、线上产品设计等科技金融服务全流程，同时，联动政府机构、投资机构、产业园区、孵化器等，充分发挥数据要素作用，赋能科技金融智慧服务。

交通银行通过汇聚内外部数据要素，自主研发“1+N”科技型企业评价模型，充分挖掘并释放数据要素价值，探索智慧金融新方向。

1.充分挖掘数据要素价值。梳理科技型企业基础信息、财务信息、风险信息、人力资本、投融资、知识产权数据等内外部数据要素资源，充分调动总分行专家力量，包括业务人员、授信审批人员、行业研究人员、数据分析人员及业务管理人员，借助多年经验累积及对科技企业的深入理解，形成涵盖人力资本、科研创新、经营成效、社会认可、行业地位五大维度的评价模型基础，让模型更加符合交行自身业务偏好，贴合现实应用要求。

2.充分发挥数据要素叠加效应。运用机器学习、大模型等手段，通过两阶段复合模型将“强含科量”和“软含科量”数据共同刻画的全景画像进行评估。第一阶段模型，发挥专家经验优势，论证了“强含科量”指标对于科技新兴领域优质企业的识别作用。第二阶段模型，用“强含科量”指标作为因变量，用“软含科量”指标作为自变量，钻探建模，论证“强含科量”和“软含科量”数据之间内在联系，并使用逻辑回归、支持向量机和随机森林多种方法，建立了多元化的建模策略网络，并综合分析比较各算法的优劣，进一步选择最佳模型结果，提高模型精准度，让强、软含科量指标协同发挥“全景”评价作用。

3.充分运用数据要素参数化组件式拼装优势。为更加精确地评价科技企业，充分考虑区域、行业、客群异质性，整合地方政务特色数据要素、特定行业关键数据要素、特定客群专有数据要素，形成区域、行业及客群插件，围绕初始化标准模型、区域、行业、客群插件的指标增减、参数调整等方面内容，开发管理维护模块，并配置相应权限，实现模型数据的参数化、组件化配置，按照业务场景需求，更为灵活地配置评价模型。

交通银行“1+N”科技型企业评价模型，针对企业的科技创新能力以及科技含量进行评分评价，为授信客户、客户经理、审批人员、风控人员提供多维度指标参考，为信贷业务流程优化提供了重要的量化指标和工具抓手。目前评价模型已全方位助力科技金融线上产品相关流程，包括营销拓客、准入核额、授信审批等业务全流程。

1.助力经营单位线下营销拓客。依托科技型企业评价模型，形成科技型企业全景画像，建立科技型企业专业评价系统，帮助银行经营管理和业务人员，随身便捷查询科技企业评价评分情况，帮助研判企业综合能力和科技创新能力，为科技型企业业务拓展提供多维度洞察和量化识别，同时，依托现有数据，自动生成科技型企业洞察报告，辅助经营单位营销拓展，变被动触达为主动触达。交通银行上海市分行运用评价模型精准筛选优质客户并进行主动授信，避免了经营单位的无效拜访，提升经营单位营销成功率和营销信心。

2.融入线上贷款产品提升服务能力。为优化线上贷款产品更为高效智能地服务科技企业融资，运用评价模型支持“小、轻、快”产品研发，通过接口调用等形式嵌入客户准入、定贷核额、增信等环节，充分结合企业科技创新能力，为科技企业匹配更为科学的授信额度，同时，参考评价模型结果及评价报告，以“自动生成+线上补录”形式辅助生成科技型企业评价报告，进一步优化授信流程，提升审批效率，减轻客户经理负担。目前交通银行已在山东、北京、湖北、河北、山西等多个地区，推出融合评价模型的科创数智贷、科创火炬贷等线上贷款产品，擦亮交银科创品牌，极大提升了交行线上产品竞争力，更好地满足了客户融资需求。截至目前，相关产品已为1000多户科技企业提供线上贷款融资增信，直接带动科技金融线上贷款近50亿元，充分运用数据要素，发挥智慧金融服务优势，打造交行科技金融服务特色。

3.完善数字化风控体系。科技型企业评价模型基于监控企业分数评级的变化设计规则策略作为预警参考，并根据试点使用情况作为预警信号纳入风险监测。针对评分大幅异动的企业，及时发出风险预警信号，提示客户经理进行风险排查。目前交通银行山东省分行按季度对已授信科技型企业进行评价结果跟踪，监测已授信客户评价结果变化情况，对于较上期企业评级下降超两级的企业，要求经营单位加强贷后监控，按季对企业发起实地查访，关注企业经营、财务、征信等变化，如发现风险信号及时采取冻结授信额度、减退加固等措施或纳入减退加固名单。

目前“1+N”科技型企业评价模型不仅广泛应用于交行系统内，也在积极探索模型结果对外输出，推广至政府、投资机构、核心企业等第三方机构，通过数字化智慧金融能力，打造科技金融服务朋友圈，全方位助力“投早、投小、投硬科技”。

1.开放银行方式输出，融入第三方平台服务。目前大部分科技型企业，尤其是初创期科技型企业，对自身所处的行业地位、行业竞争力的信息获取难度较大，缺乏系统分析的数据支撑。“1+N”科技型企业评价模型基于交行自身庞大的数据要素资源整合能力，从人力资本、科研创新、社会认可、经营成效、行业地位5个维度评估，为企业自身定位提供便利。积极对接优质三方平台，确保在不泄露企业隐私的情况下，通过强鉴权模式，为企业提供多个查询自身评价信息的渠道。比如在山东地区，已融入爱山东政府服务平台，并实现科技企业线上贷款申请投放。

2.融合结算产品，打造科技金融生态圈。“1+N”科技型企业评价模型能够帮助投资机构进行评价筛选，融合交行云跨行资金管理平台等特色产品，为各投资机构提供涵盖科技企业投前筛选、投中管理、投后跟踪的系统服务，并整合账户、资金、结算等管理功能，发挥数字化能力，打造科技金融服务新模式，提高投贷联动服务能力，助力形成接力式金融服务模式，全方位支持金融“投早、投小、投硬科技”。

3.助力科技项目评审，全方位服务科技金融。结合科技、工信等部门服务科技企业相关政策，运用评价模型助力项目评审、补贴奖励发放等场景，帮助精准研判识别企业科技含量，节省人力、物力，提高流程效率，提升评审质效。比如交通银行山东省分行，评价数字化智慧金融优势，已获取山东省科技厅“科融信”平台首批试点合作银行“拨投贷”联动业务首批试点合作银行，充分发挥数据要素价值联动科技部门、数据部门、行业协会、投资机构，从源头获取优质科技企业，并结合科技成果转化贷款、人才贷、知识产权质押贷的风险补偿政策以及贴息政策，通过数字智慧金融方式全方位提高科技金融服务。

（此文刊发于《金融电子化》2024年11月上半月刊）