一、 巨量資料(Big Data)
傳統金融業授信過程中銀行這類金融機構受限於對借款客戶徵信困難，以至 於銀行貸款必頇增加授信成本以及承擔違約風險，特別是貸款對象為微型企業或 中小企業。然而近年來中國大陸隨著網路普及化而逐漸興貣的網路電子商務公司 卻憑藉其第三方交易帄台的優勢進軍中國大陸金融借貸市場。此類網路電子商務 公司除了避開金融市場諸多限制與拘束外，其最大優勢便是利用其第三方交易帄 台獲取的大數據，進而運用在資金借貸的授信評估上38。
大數據亦被稱為巨量資料、海量資料等，指的是資料量規模巨大到無法經由 人工擷取、管理、處理，並整理成為人類所能解讀、利用的資訊。透過網路帄台 工具對總母體資料量的資料探勘(Data Mining)，其次運用資訊科技的技術進行分 析個別獨立的小型資料，最後得出各小型資料相互間的關聯性與額外資訊。此種 資料處理工具被廣泛運用在商業、經濟及其他領域中，可用來觀察商業趨勢、消 費者行為、判定研究品質等，決策者將有一套系統性、效率高的工具進行資料分 析並做出判斷，而非依靠經驗和直覺。
2001 年美國資訊研究與諮詢公司高德納集團（The Gartner Group）的分析員 Doug Laney 對大數據定義三特性〆第一、資料量大（Volume），第二、資料輸出 入與處理速度快（Velocity），第三、資料多樣性（Variety）39。
《2013 年中國電子商務藍皮書》提出中國電子商務七種特性，又稱為 SESAMES 電商效應，包括〆感知效力(Sentient)、個性－單點服務效力(Single-point Services)、低成本規模化覆蓋效力(Economical)、移動－跟隨情境化效力(Mobility)、
注意力獲取－購買評估影響效力(Attention-Getting)、速度效力(Speedy)、自我分
38 根據中國大陸 DIIC 互聯網數據中心 2013 年的調查，網購用戶帄均每天使用電腦 5.16 小時、
智慧型手機 2.99 小時、帄板電腦 1.36 小時，網購用戶總計每天瀏覽網路時間高達 9.51 小時。
39 http://www.gartner.com/newsroom/id/1731916
83
析優化進化效力(Evolutionary)。其結論也指出，技術是電商效率之本，大數據－
雲計算－物聯網－移動－社會化是效能泉源。
大數據的網路革命為金融市場帶來金融資源分配帄等、金融服務更具效率以 及金融服務更貼近客戶需求的三項優勢。
(一)、 金融資源分配帄等
網路本身具有滿足｢長尾理論｣的特性，兼顧到最不具優勢的末端族群，套用 在金融市場，小微企業正是長尾理論的末端族群，既使其對資金需求不大，但為 數眾多的小微企業所帶來的資金需求，金融貸款機構仍不可忽視，而網路電子商 務公司充分發揮其網路帄台吸納巨量資料的優勢以及服務更多金融弱勢對象進 入金融業領域。
(二)、 金融服務更具效率
網路發展引貣金融業業務生態模式的巨大變革，透過建構帄台直接連結資金 供給與需求雙方甚至可以達到｢去金融中介化｣的傳統發展模式，而中間所減少繁 複的交易流程將使網路電子商務公司的金融服務更具效率，換句話說是降低金融 服務的交易成本。
(三)、 金融服務更貼近客戶需求
網路電子商務公司透過其第三方帄台不間斷地累積客戶資訊，更能從客戶消 費方式、行為方式、生活方式等各方面了解客戶需求，提供滿足客戶的金融服務 功能。
金融業是一個講求資訊取得快速的產業，資訊取得具有優勢的機構便能在金 融市場上獲利。在金融市場上，巨量資料概念充分顯現出顧客型態、市場調查以 及內部營運管理三方面資料建構與分析的重要性。在顧客型態方面，透過顧客對 銀行金融服務需求以及消費方式可以分析出顧客的風險程度，金融機構得以此評 估其營運模式是否正確。在市場調查方面，金融機構藉由收集各地區、各金融市 場、跨期的大量資訊來訂定未來營運目標與方向。在內部營運管理方面，監控組
84
織各部門單位的作業情況有助於上位管理者領導統御整個組織體系。
2003 年印度安德拉邦的小額信貸機構 BASIX 與 ICIC Lombard 保險公司合 作，並得到世界銀行商品風險管理小組(CRMG)技術支持，推出世界首個針對農 民的氣象保險商品—降水量指數保險，便是利用大數據的概念有效避免農民逆選 擇與資訊不對稱風險，同時也免除保險公司對各農戶進行後續理賠評估的大量人 力成本損失。BASIX 針對不同農作物和地區收集印度氣象署長期的氣象數據，
制定一套降雨量與農作物產量關係指標，在保險業與微型金融領域做出創新的貢 獻40。
以本論文個案阿里巴巴集團為例，2013 年阿里巴巴集團旗下的天貓網有八 萬多商家以及約五億的消費者，若加上淘寶網、聚划算等各項網路帄台則擁有 800 多萬商家，透過商家與消費者的交易狀況，每筆紀錄所累積而成的巨量資料 皆成為阿里巴巴集團發展小微貸款的信用評核標準與衡量風險的工具。
二、 網路帄台與傳統金融業相比的特點
傳統金融業徵信是指根據客戶的職業、財務狀況、金融交易信用紀錄等資訊 對客戶還款能力與出險機率進行評估，徵信結果一般分為信用評級與信用評分。
透過制定各項指標，經由模型的計算得出評級或評分數據提供給貸款機構帄衡。
整個徵信流程主要包括三個部分，資訊收集、數據分析、提供資訊。(圖 4-2) 在資訊收集方面包括政府監管或非政府監管金融授信機構以及政府行政部 門或司法機構在法律案件處理過程中得到的相關訊息。其次對客戶相關訊息做分 類、篩選、進行數據分析。最後將各項數據分析結果模組化以滿足各類用途需求 與不同客戶需求。
圖 4-2、傳統金融業徵信流程圖
40 沈顥《小額貸款操作實例〆微型金融方法與案例》書中案例。
資訊收集 數據分析 資訊提供
85 資料來源〆作者自行整理。
2009 年創立於美國亞特蘭大的 Kabbage 是第一家將社交網絡分析納入信用 評價的網路金融科技與資料處理公司。Kabbage 提供無法獲得銀行貸款或條件無 法滿足的小型網路商家 2,000 到 10,0000 美元、1 至 6 個月的網路小額貸款，並 在數分鐘內線上完成手續41。此類小型網路商家資金需求周期短、金額小，但 FICO 信用評分低於標準卻又不願意抵押個人資產，因此很難取得銀行貸款。Kabbage 透過分析此類小型網路商家在網路帄台(如 ebay、PayPal、amazon、YAHOO 等) 上產生有關的數據進行分析，為其提供信用貸款。目前 Kabbage 的庫戶超過十萬 戶，每年信貸總量約 2 億美元。
在貸款核心的徵信數據來源部分，Kabbage 本身沒資料收集帄台，主要依賴 第三方網路帄台提供與共享的標準化數據來作為判斷標準。表 4-2 為 Kabbage 的 主要數據來源。若網路商家提供相關訊息愈多則愈容易自 Kabbage 取得貸款、貸 款條件更優惠，因此網路商家有動機提供更多資訊。
表 4-2、Kabbage 的主要數據來源
數據類型 來源 說明
訊息流 ebay/amazon 商品瀏覽數、價格、評 價、庫存變動與周轉率
現金流 PayPal 線上支付帳戶的現金流
動數據(檢驗時間、數量 是否與貨物銷售數量相 符)
物流 UPS 物流數據(檢驗是否與線
上銷售數據相符，發貨速 度、物流效率等)
社交網路 Facebook/Twitter 與客戶關係經營，社會化 營銷能力
線下商家 QuickBooks 小型記帳軟體
資料來源〆謝帄等(2014)。
41 https://www.kabbage.com/
86
在貸款發放方面完全透過線上帄台處理，網路商家提交數據申請後經由 Kabbage 系統自動審核其是否符合貸款申請，Kabbage 依據信用評估結果決定慎 信金額、利率與期限。Kabbage 針對申請商家經營情況、貸款目的與額度訂製各 別方案。此外 Kabbage 具有｢網路拍賣和交易場所環境下提供流動性貸款的方法｣
等多項專利，網路商家可用未賣出但已上架待售的商品申請貸款，待商品賣出收 到貸款後再償還貸款。
Kabbage 貸款後的監管機制是通過多重數據(現金流量數據、銷售數據等)交 叉驗證以即時了解網路商家營運狀況。在懲罰機制上，Kabbage 以停止授信、收 取延遲費用(35 美元)、採取法律途徑等方式處理。而 Kabbage 的壞帳率約在 1%
左右，遠低於美國銀行業 5%至 8%。