大蒜行业 SCF项目建设方案——资金管理(五)

方乐易有团队 2017-08-04 17:21:05

第五章 资金管理

第一节 组织架构

为尽量防控信贷业务放款环节的操作风险,特别设置放款中心,岗位设置如下表所示:

岗位名称

职责内容

放款审查岗

Ÿ     负责授信资料完整性、形式上的有效性、合法性和合规性审查,授信条件落实情况、授信要素的审查等;

Ÿ     负责线上融资额度的启用审查,并依据授信审批意见、《线上融资专用额度调整申请书》对额度调整申请进行审查;

Ÿ     对线上融资业务授信条件落实情况、合同协议等法律文本合规完整性及企业征信信息等内容进行放款审查,并签署审查意见等。

押品管理岗

负责线上融资业务抵(质)押品的出入库管理等

档案管理岗

负责线上融资业务档案管理,包括授信业务档案的归档、保管、借阅、调用、移交等

表23

 

第二节 资金安全

序号

识别对象

识别内容

识别技术/识别策略

业务禁止

1

观察企业主的行为

观察企业主的经营行为


基本游离主业,经营小额贷款、担保公司或投资性行业,或外流外迁,甚至转向国外,在高息利益驱使下,热衷于挣快钱,将利用实业平台谋得的银行贷款直接转手用于民间借贷等。

2

观察企业主的投资行为


1、企业主投资偏好激进,热衷于房地产开发以及股票、贵金属、艺术品等高风险行业跨界投资,或存在炒原材料、大宗商品等投机行为;

2、投资涉及行业众多、投资分散且其自有资金吃紧(突出表现为经营性净现金流经常性为负值)

3

观察企业主的管理行为


1、公司治理结构混乱,如法人代表经常更换,生产经营处于停产或半停产状态,向银行借款后不能提供有效证明真实贸易背景的支付凭证,申请的贷款金额明显超出实际有效需求,账户往来异常,财务信息失真;

2、实际控制人和法人代表非同一人,公司大小事务由实际控制人决定,其他高管对公司财务、管理状况不了解

4

观察企业主是否有反常行为


1、以各种名义诱导员工办理个人贷款或集资,与小额贷款公司、担保公司、典当行、财务公司等过从甚密,上下游企业反映其行为反常;

2、嗜好赌博,如部分企业主出入境记录显示近年频繁往返澳门,个人账户晚上   12点以后或者在境外频繁波动;

3、嗜好奢侈品消费,尤其是部分年轻企业主财富积累时间较短,父母、亲朋也无高额收入来源,但却拥有大量奢侈品,消费水平远超收入水平。

5

与客户有效沟通

背靠背地询问

问企业负责人时避开其财务人员,问财务负责人时避开其会计人员,然后根据询问的情况进行对比分析,以发现问题。


6

策略提问

在交谈中突然单刀直入地提问某个问题,在其骤不及防中发现蛛丝马迹。


7

因人而异,突出重点

向企业主了解投资理念、从业经历、人际关系,对企业财务重点了解多元化投资及资金紧缺情况;向管理人员重点了解企业主生活习惯、异常动向等。


8

与财务人员沟通

与负责资金调度的人员交流过程中,是否发现其通过电话与资金中介沟通频繁,话语中经常出现价格、金额、期限等字眼。

咨询资金调剂渠道,是否对民间融资利率十分熟悉等,如是,则往往预示着企业已经介入民间借贷。

9

外围客户

多维度、多层次、多侧面调查

以个人的名义对企业控制人或股东的亲朋好友、业务往来单位和不规范的担保公司、小额贷款公司、典当行等机构,进行非正式的调查。


10

通过上门走访、函件等正规的方式,对与企业的业务往来单位和民间借贷机构开展调查。


11

利用人民银行的征信系统、应收账款质押登记系统、法院被执行人信息网,以及税务、工商等部门或媒体信息,了解企业和企业控制人、主要股东的债务情况。

通过关联企业、当地监管部门、地方政府等外围获取相关信息。


12

借助互联网、报纸杂志、广播电视等公众媒体发布的资讯了解企业的相关信息。


13

财报

分析企业应付款项等流动负债明细

对明细中无业务关联的应付款项进行核实。

1、企业的应付账款或预收账款长期固定不变;

2、应收、应付款科目余额较大或者有大额进出,与企业规模和生产经营实际不相匹配;

3、应付款突然增加,表面挂股东或关联公司,股东通过个人借款再转借公司等;

4、其他应付款对象非企业股东等正常的应付款项,而是与企业生产经营毫无关联的企业或个人。

14

分析财务费用与融资额的匹配度,三费是否异常增加

正常情况下,若企业在银行无信贷业务,财务费用应为负值(表示企业所取得的银行存款利息)。

财务费用实际上为正值且金额较大(极有可能是为民间借贷所支付的利息)。

15

企业经营没有显著变化,销售稳定,但管理费用、销售费用、财务费用增长明显,超出其经营规模的合理范围;

或者呈规律性的变动,如季度性地增加一个相对固定的金额,(可能企业将民间融资利息支出摊入其中)。

16

资本公积与实收资本匹配度

资本公积主要来源于资本溢价、接受捐赠等,一般应与企业财富积累经历保持一致。

企业实收资本较小,而资本公积金迅速增加,或者无故提高资本公积金,或者大额、连续增资,与企业发展不符。

17

信贷资金流向

按月定期监测企业账户资金

分析相关企业的银行账户明细和流水,对与其经营范围明显不符的交易对手逐一核实,重点关注超过正常需要的异状情况和无业务背景的资金转账情况。

(实现方式:按月现场打流水)

企业银行账户存在整笔划款,但并非划转给上下游企业或用于归还银行贷款。(突出表现为整进整出,或整进分散出,如是反复)

18

企业银行账户对外有规律地划款,在特定日期向特定对象支付等量小额资金

19

企业银行账户对外有规律地划款,在特定日期向特定对象大额支付。

20

分析银行授信转贷时点的企业资金进出活动:在银行贷款到期前几日有资金划入,贷款存量周转后原来划入账户的资金又等量划出。

在银行贷款到期前几日有资金划入,贷款存量周转后原来划入账户的资金又等量划出。

21

查询法定代表人、实际控制人、主要经营者(包括股东、财务及销售人员等)的个人账户流水,分析明显不符个人正常运作所需的异状资金流转和大额现金存入和支取等行为。

法定代表人、实际控制人、主要经营者(包括股东、财务及销售人员等)的个人账户流水,明显不符个人正常运作所需或存在大额现金存入和支取等行为。

22

关注企业银行存款账户的资金往来信息。

发现与私募基金、资金中介、地下钱庄、私人贷款公司、典当行、担保公司等机构的大额资金往来,或出现异常大额现金进账用于归还到期贷款或同户名转账等。

23

企业融资情况



企业主业不突出,经营情况、行业前景一般,但银行负债高。

24



企业融资平台多、融资饱和度高,但企业的资产却同负债规模背离较大。

25



外投资大,且资金来源不明,在企业投资项目的资金缺口和银行债务严重不匹配。

26

企业对授信周转的时效要求


在向银行申请授信时附带了时间点的要求,如“最好在X月X日前完成审批或放款”。

27



通过关联企业交易开立国内证等进行假贸易真融资

28

分析贷款担保方式


采用了第三方抵押/担保(抵押/担保活动与自身、自身经营无关)。

表24


 

第六章 系统开发

第一节 系统规划

一、方案系统流程

该方案系统由前端网站或应用、后台管理系统和易有云三部分组成。

前端网站即用户需要直接登陆或使用的网站和应用,例如大蒜商和批发商需要上申请融资及还款系统、金融机构和电商平台需要贷款审批系统及支付系统等。

后台管理系统主要有:对易有供应链平台的管理,包括企业、金融机构、合作伙伴的信息管理、交易管理、账目管理等;对融资者或潜在融资者信用的管理、风险模型的搭建等;对信息的管理,包含对各种资源的管理,行业的信息管理,从而行成行业的基本模型和行业参数配置。

易有云主要包括区块链和大数据两部分。区块链的分布式存储保证了资料和信息的完整性和不可篡改性,整个供应链条的电子合同明细、物流清单、支付记录、贷款记录等重要信息均要上传到区块链上,保证数据安全的同时,让整个供应链的管理和数据的流通更加公平和透明。大数据主要包含网页端或客户端的数据采集,不断搜集用户的使用数据和行为,由后台的数据分析系统,加上大数据分析师和数据挖掘师对数据进行二次加工和分析、数据仓库建模等步骤,形成对数据的规范化和流程化使用。依托于大数据,不断形成供应链体系的风控模型,提取出相应的行业属性,并不断举一反三,在已有行业的基础上实现快速开发,拓展至更多的行业及细分领域。

 

image.png

图26-方案系统流程图

二、“易有”平台系统架构

易有平台系统架构上分为前端系统、 后台管理系统、公共组件、公共接口、任务调度、交易模块、文件服务、消息模块八大部分。其中前端网站和后台管理系统构成了整个系统的主要部分,任务调度等六个模块为前两个系统提供系统级的支撑。

前端网站为整个系统的门户展示部分,负责把易有的业务推荐展示给使用群体。为用户数据的采集入口,前端网站模块通过WebService的对外服务接口,以CXF的技术框架调用其他模块,用户的数据流传递到后面模块进行处理。例如:从前端网站的电商平台板块获取交易数据,物流平台板块获取运输记录,与企业ERP打通的系统获取企业订单信息或者发货记录,通过调用消息模块触发启动后台自主研发的信用评级模型及风险控制体系,为上下游企业提供创新性的融资产品。

后台管理系统作为系统后台,为对内管理部分,提供给XX集团、第三方电商平台、批发商及大蒜商的系统管理及信息处理功能,是平台管理的入口,为投融资服务提供基础保证。

公共组件为系统的公用部分,为平台 Web和后台管理系统提供打印、报表、邮件等简单方便的功能支撑。

任务调度为系统提供特殊功能的支撑服务,如定时清分、条件触发执行等。任务调度模块被后台管理系统调用的方式主要为条件触发的任务执行,即当某个产品满足预设定的条件时,后台管理系统会调用任务调度模块预先设置的动作。

文件服务专门为处理文件封装的接口模块,其为平台提供了一个可靠的、可扩展的大容量的文件数据存储服务。

交易模块管理用户账户的信息,如上账、下账及交易记录等。

公共接口主要用于对接银行托管系统、邮件、短信、微信、电子签章系统、身份认证等公共平台。

image.png

图27-系统架构图

三、供应链系统框架

易有供应链体系由三层系统框架组成:应用集成层业务逻辑层和通信层

1)数据库包括各类已有系统的数据,如货主企业的企业资源计划系统物流企业的仓库管理系统相关的供应链管理系统等,该数据库可由物流仓储企业运行和维护

2)电子数据交换(EDI)集成主要是货主企业的企业资源计划系统与物流企业电子数据交换系统的集成,物流企业通过整个电子数据交换集成系统接收电子货单,发送收货单出库单发货通知及质物的最新状态等

3)在XMLXML ExtensibleMarkup Language英文首字母的缩写,意为可扩展标记语言,是一种新的万维网开发辅助语言,利用它可通过互联网/内联网进行信息的描述交换和显示)集成中,由于货主企业物流企业金融机构等各主体信息量庞大且源于不同的数据源,采用XML 集成技术,可以方便地实现网络环境下异构信息的集成。另外,不同行业可能在行业属性的基础上被赋予不同的参数配置,使用XML的方式,可以让系统具有更强的通用性和兼容性,而不用开发新的系统。

4)RFID、OCR、LBS、生物识别技术、电子签章等新技术是整个应用集成层的创新点,这些创新技术的运用将大大提高应用系统的便捷性和安全性,同时让用户的体验更加自然,例如人脸+声纹识别技术,用户在不经意间完成身份的验证,真正实现了NUI(自然交互)的用户体验。

image.png

图28-供应链体系架构图

四、子系统分类

作业系统

金融服务平台

各系统共同完成“营销、作业、风控、管理”四大目标职能

管理系统

风险管理平台

信息管理系统IMS

支持系统

(“易有”云)

供应链交易平台

物流综合平台

表25

第二节 数据信息

一、     数据来源

image.png

图29

二、     数据技术

(一)NLP技术

即自然语言处理,NLP包括语言文本处理和语音处理等,文本处理的代表有搜索引擎的分词和机器翻译,语音处理的代表有语音识别。NLP的关键在于语言模型,而这个模型涉及大量的语言学和数学的知识,主要有两种类型,一是基于规则的,类似我们学英语时主谓宾和从句之类的分析,二是基于统计的,比如计算“The dog”后面跟着"barks"的概率,这种方法是目前的主流。而机器学习是一门类似工具的学科,研究如何从已有的知识中推断出新的知识,在基于统计的NLP的得到很好的应用。

(二)云计算

云计算(cloud computing),分布式计算技术的一种,其最基本的概念,是透过网络将庞大的计算处理程序自动分拆成无数个较小的子程序,再交由多部服务器所组成的庞大系统经搜寻、计算分析之后将处理结果回传给用户。透过这项技术,网络服务提供者可以在数秒之内,达成处理数以千万计甚至亿计的信息,达到和“超级计算机”同样强大效能的网络服务。

(三)文本分析

文本分析是在机器学习数据挖掘中经常要用到的一种方法,是指对文本的表示及其特征项的选取;文本分析是文本挖掘、信息检索的一个基本问题,它把从文本中抽取出的特征词进行量化来表示文本信息。文本分析主要用在如垃圾邮件分类,搜索词聚类等等。文本分析一般主要由三步组成,解析数据,搜索检索,文本挖掘。解析数据主要是为了将非格式化的数据处理成格式化的数据以方便以后的分析。非结构化的数据主要有文本,日志,网页,xml,json等。搜索检索主要是指对结构化的数据识别关键字,主题,以及相关性等。文本挖掘主要是根据识别的关键字,主题等找出其中的我们感兴趣的东西,并展示出来。

(四)机器学习

是指通过从数据里提取规则或模式来把数据转换成信息。主要的方法有归纳学习法和分析学习法。数据首先被预处理,形成特征,然后根据特征创建某种模型。机器学习算法分析收集到的数据,分配权重、阈值和其他参数达到学习目的。机器学习已经有了十分广泛的应用,例如:数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。

(五)数据挖掘

数据挖掘(Data Mining)是采用数学的、统计的、人工智能和神经网络等领域的科学方法,如记忆推理、聚类分析、关联分析、决策树、神经网络、基因算法等技术,从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势,并用这些知识和规则建立用于决策支持的模型,提供预测性决策支持的方法、工具和过程。

(六)知识图谱

知识图谱是一系列结构化数据的处理方法,它涉及知识的提取、 表示、存储、检索等诸多技术。从渊源上讲,它是知识表示与推理、数据库、信息检索、自然语言处理等多种技术发展的融合。 但传统的知识处理方法,在实际的工程应用,特别是互联网应用 中,面临实施成本高、技术周期长、熟悉该类技术的人才缺乏、 基础数据不足等诸多现实制约。实战中的知识图谱,需要充分利 用成熟的工业技术,不拘泥于特定的工具和方法,特别是不盲目 追求标准化、技术的先进性或者新颖性,以实际的业务出发,循 序渐进推进工程的实施。在本教程中,我们首先回顾知识图谱从 理念到工程逐步落地的发展历程,梳理各技术与知识图谱应用的 关系。然后,我们结合工程上具体的实例,来展示知识图谱的核心理念和技术如何在成本约束下实施,包括结构化数据生成,可维护的知识结构,海量知识的数据库管理,和多层次的语义检索等。

三、     数据应用

(一)数据化运营

数据化运营是利用数据分析,得到隐藏在数据背后的业务规律,利用这些规则来给运营提供方向、方案、策略,并收集数据结果,进行不断优化,从而提升运营的效率与效果。数据化运营的终极目标是三个提升,即提升客户价值、提升业务价值、提升数据价值。

数据化运营是将数据的价值过程渗透到业务生命周期闭环和客户生命周期闭环的过程。数据化运营涉及到数据的获取、数据的沉淀、跨域的数据拉通、数据分析与挖掘技术和数据生态体系的建设等方面。数据化运营的落地要将全域数据与企业的管理价值链和业务价值量深度融合,才能真正实现以数据来驱动企业的运营。

image.png

图30

数据化运营需把握的几个要点——“三个提升、两个闭环、五个关键词”:

Ÿ   数据化运营终极目标:实现三个提升,即客户价值提升和产品价值提升、数据价值提升

Ÿ   数据化运营面向两个闭环:业务(产品)生命周期闭环、客户生命周期闭环

Ÿ   数据运营的关键词:获取、培养、拉通、经营、生态

(二)数据管理体系

数据管理体系是指企业对内外部数据进行精细化、统一化、标准化、系统化管理的一项系统工程,其核心是以数据标准管理、元数据管理、数据质量管理、数据生命周期管理为重点,建立相应的组织、制度、规程和支撑手段,进而实现“听得懂、不出错、不乱改、不泄露、易使用”的数据管理目标。管控手段和管控机制双管齐下,共同构建完整的数据管理体系:

image.png

图31

(三)大数据风控

在前文“风控部分”有述,此处略。

(四)数据库营销

精准营销是通过整合内外部数据,基于数据挖掘模型,深入洞察客户需求,以实时化、智能化的方式实现在合适的时间、合适的地点、通过合适的渠道、以合适的方式将合适的业务推送给合适的客户,从而达到营销目标、完成营销闭环。面向企业客户的大数据精准营销及其实现方式如下所示:

image.png

图32


 

四、     信息管理

信息的整合应用,将大量的业务表单等管理工具通过系统来实现。业务表单目录及详情请见附件九


产品设计

授信政策

进件审核

贷后管理

催收

呆账处理

高阶决策

Ÿ   结构分析

Ÿ   对标竞品分析;

Ÿ   违约趋势分析;

Ÿ   资产配置分析。

Ÿ   风险总览

Ÿ   产品品质总览

Ÿ   审核总览

Ÿ   历史呆账追踪

Ÿ   风险等级结构

Ÿ   核准率追踪

Ÿ   核准种类追踪

Ÿ   核准及放贷统计

Ÿ   贷放成数分析

Ÿ   客户信用记录分析

Ÿ   伪冒总览

Ÿ   伪冒损失分析

Ÿ   损失统计

Ÿ   回收金额分析

Ÿ   担保品处分统计

Ÿ   呆账后回收统计

Ÿ   呆账回收时效

中阶管理

Ÿ   进件核准率追踪

Ÿ   例外核准追踪

Ÿ   例外核准原因分析

Ÿ   调额统计

Ÿ   证审生产日报

Ÿ   核准量/率

Ÿ   例外核准量/率

Ÿ   证审人员品质分析

Ÿ   预警有效性统计

Ÿ   违约预警命中率

Ÿ   预警原因分析

Ÿ   预警空管绩效

Ÿ   授权核准率统计

Ÿ   伪冒案件统计

Ÿ   催收效率分析

Ÿ   委外催收绩效

Ÿ   呆账汇总统计

基层作业

Ÿ   交叉行销名单

Ÿ   临时调额名单

Ÿ   特殊标记名单

Ÿ   控管到期明细

Ÿ   中期覆审明细

Ÿ   额度冻结明细

Ÿ   现场催收(到场及时性、措施有效性、回收金额)

Ÿ   转催收明细

Ÿ   转呆账明细

表26


 

长按二维码关注我们