《中国金融》｜曾学文：构建涉农领域数字信用体系
导读：从数据整合与交叉验证、数字信用评价、数字金融产品创新、数字金融风险管理四个维度发力，初步形成以“数据驱动+智能决策”为核心的涉农数字信用体系
作者｜曾学文「中国农业银行首席经济学家」
文章｜《中国金融》2023年第17期
近年来，在国家多部门政策指引和广大金融机构共同努力下，我国数字普惠金融快速发展、实践创新不断丰富、触达范围和服务深度持续拓展，已成为推动农业农村现代化发展的重要金融力量。数字信用体系是数字普惠金融的核心和基础，通过数字技术对涉农主体生产生活全过程的结构化和非结构化数据进行深度挖掘，使传统方式忽略的“沉睡”信用信息显性化，以此构建新的数字信用账户，推动涉农领域信用体系由基于抵（质）押的传统信用逐步向基于“数据信用画像”的数字信用体系转变，为解决传统普惠金融发展中的“信用不足”问题提供了全新思路。目前，涉农数字信用体系的建设和应用尚处于探索阶段，在涉农数据对接与治理、数字信用评价、数字金融风险管理、金融生态环境建设等方面，仍存在较多亟待解决的问题。政府、金融机构、企业等各方力量应强化合作、打破壁垒，加快推动涉农数字信用体系的集成应用，为数字普惠金融带来新的生机活力。
涉农领域数字信用体系构建的基本驱动力
近年来，我国数字乡村建设加快推进，数据立法逐步完善，农业数字化、智能化发展也进入快车道，为涉农数字信用体系构建奠定了良好基础，初步形成了三大驱动因素。一是“农业3.0”和“农业4.0”创新加速。从全球农业发展演变趋势看，美国、荷兰、德国等农业现代化国家经过以小农经济为特征的“农业1.0”阶段和以规模化、机械化经营为特征的“农业2.0”阶段后，目前已进入信息化、数字化的“农业3.0”阶段，并且开始向智能化、无人化的“农业4.0”阶段迈进。从我国情况看，目前全国范围内同时存在从“农业1.0”到“农业4.0”的不同阶段，总体处于从“农业2.0”迈入“农业3.0”的阶段，“农业4.0”也开始萌芽壮大。一方面，数字技术应用的广度和深度不断拓展。在政府和市场的双轮驱动下，数字技术在我国农业大部分行业已有落地应用，部分领域呈现规模化部署态势，特别是近年来涌现出的各类农业产业互联网平台通过研发一系列软硬件系统，将人工智能、物联网、数字孪生等新一代数字技术有机嵌入农业生产全过程，有效提升了农业生产经营效率和质量。截至2021年末，农业生产信息化率达25.4%，农业科技进步贡献率超过60%。另一方面，农业全产业链的信息化、智能化水平持续提升。各类农业产业互联网平台围绕农业生产、仓储、运输、销售各个环节开展梯次布局，收集积累了农业产业链各环节的海量数据，通过将这些数据与其他数据源交叉验证，在还原企业真实生产经营情况、进行细分市场发展预测、开发涉农场景产品等方面具有较为出色的表现，并加速推动农业全产业链信息、人才、资金和技术互联互通。以生猪产业为例，国内已有生猪产业互联网平台以生猪养殖为核心，通过集成产业智能设备及相关AI算法，为猪场提供智能巡检预警、智能环控、疫病监管等“一站式”智能解决方案，同时将生猪养殖上下游饲料、屠宰、肉食店各个环节全面连接，形成规模化态势，较好地实现了生猪产业各环节互联互通。
二是涉农基础数据和场景数据不断积累沉淀。伴随农村地区G端、B端、C端互联互通，我国涉农数字足迹不断丰富，农业农村全链路数据快速积累，以涉农大数据体系建设为中心形成了基础数据、场景数据两大类数据资源。从基础数据看，2019年国家实施数字乡村战略以来，政府加大力度构建涉农数据资源体系，取得了积极进展。目前，全国农村集体资产监督管理、土地承包经营权、“互联网+”乡村治理、“互联网+”农产品出村进城、新型农业经营主体和单品全产业链大数据六大领域的信息平台已基本建成，形成了丰富的基础数据源。例如，全国统一建立的农村集体资产监督管理平台覆盖了国家、省、市、县、乡镇五级农业农村主管部门，汇集了全国农村集体的资产、股权、成员等数据信息。与此同时，政府部门也着力将农村政务数据与其他数据打通，实现真正意义上的数据互联互通。从场景数据看，政府、金融机构、涉农企业等主体推动建立的智慧农业、智慧乡村场景衍生出的高质量场景数据，以及各类涉农平台企业围绕畜牧智慧养殖、大田智慧种植等领域沉淀的数据，普遍具备数据量大、可靠性高、时效性强、可控性优等特征。这些数据与传统要素深度融合，不仅重塑了农业生产经营流程，也为涉农数字信用体系的构建和应用提供了丰富的数据支撑。近日，财政部印发了《企业数据资源相关会计处理暂行规定》，这意味着数据将加快实现从资源到资产的跨越，为政府、企业和金融机构共建共享数据资源奠定了坚实基础。
三是农村数字信用红利释放。在农业农村数字化加快发展的背景下，政府、企业和金融机构积极探索丰富数字化信用评价的应用场景，助力在更大范围内对各类涉农主体形成激励约束，实现农业农村高效治理。地方政府探索借助数字化手段，建立农村信用评价体系、推广信用村镇建设、开展“信用积分制”试点，不仅通过强化信用约束营造了良好的信用环境，也使农村政务服务效能得到显著提升。涉农头部企业和涉农平台企业探索利用数字技术使产业链主体相关信用数据更加及时高效地生成、流通，同时与政务部门、金融机构深化合作，打通了产业链断点堵点，产业链整体运行效率得到显著提升。金融机构加速与农村地区G端、B端、C端连接，探索以数字信用评价代替传统信用评级，推动产品和服务模式创新，这有助于打破传统农业与金融资本难以有效结合的固有矛盾、降低金融服务成本、提高金融服务效率，从而有望找到一条缓解农村地区融资难、融资贵、融资慢的有效路径。
金融机构涉农领域数字信用体系构建的探索
近年来，金融机构不断加快数字化转型步伐，在数字中国和乡村振兴战略背景下，强化数字普惠金融的新“打法”，通过加大与各类涉农数据源的对接合作，加快数据资产建设，持续构建完善涉农主体“信用画像”，从数据整合与交叉验证、数字信用评价、数字金融产品创新、数字金融风险管理四个维度发力，初步形成了以“数据驱动+智能决策”为核心的涉农数字信用体系。数据整合与交叉验证。数据是数字信用评价的基础，数据来源、质量直接决定着涉农数字信用体系构建和应用成效。金融机构在依法合规前提下，持续拓展多维涉农数据来源，不断提升涉农数据的质量和准确性。一是加强多维数据积累。为拓展数据来源、丰富数据维度，金融机构积极推动自有数据的治理与整合，同时持续加强与各级政府数据平台和涉农产业数据平台的对接，加快推动与G端、B端、C端全量数据的整合和贯通，构建包括涉农补贴和土地承包流转等政务数据、农业生产和农资交易等农业产业数据，以及金融数据等的多维数据体系。目前，呈现的一个新趋势是，金融机构与涉农头部企业和涉农平台企业加强对接，通过联合建模、脱敏数据推送等方式，获取种植养殖户信息和种植养殖规模等基础数据、农资买卖和物流订单等交易数据，以及企业构建的信用评价等衍生数据，以此夯实数据基础。二是强化数据交叉验证。金融机构对自有内部金融数据与外部场景数据、农业产业数据、涉农政务数据、保险数据等多维数据进行比对和校验，深入挖掘和分析不同数据源间数据的逻辑关系，确认不同渠道来源数据信息的一致性，并精准识别筛选出虚假数据信息，不断提升涉农数据的真实性和有效性，为涉农数据资产建设提供有力支持。
数字信用评价。信用是支撑和保障金融体系稳定与健康发展的重要基础。传统信用评价主要依赖金融机构的信贷数据和征信数据等，并且存在评估过程烦琐、覆盖人群有限等问题。“三农”融资难、融资贵的问题主要是受农业经营主体信息不足、信用不足及缺乏有效的信用评价方式等因素影响。随着金融科技的快速发展和深度应用，以及涉农数据的日益丰富，金融机构开始更加广泛地利用大数据分析与挖掘技术、可视化分析方法等，构建线上化、智能化、便捷化的数字信用评价模型，依托客户多维数据提炼涉农经营主体的关键数据、计算其信用评分，并从经营能力、经营规模、偿债能力、信用记录等方面为农业经营主体构建动态化、可视化的“信用画像”，实现对产业链各主体、各环节的精准评级和全面评价，以及涉农经营主体“主体信用”“数据信用”等多维信用评价的一体化协同发力。以种植业为例，金融机构基于农户基本属性数据、征信数据、政府补贴数据、土地流转数据，以及农业产业互联网平台的农资交易和生产经营等数据，利用机器学习算法，为种植户进行精准画像和信用评分，将其划分为A、B、C、D等不同的信用等级，为差异化授信提供支撑，从而有效缓解涉农主体信用不足问题。
数字金融产品创新。随着农业数字化、智能化快速发展，更多的金融机构开始深挖农业全产业链信息，捕捉涉农主体更深层次融资需求，开展多层次数字金融产品创新，提供与农业生产经营场景相适配的精细化、个性化信贷服务。面向B端客户，重点从供应链金融创新发力。借助人工智能、物联网、卫星遥感等技术，加强涉农领域全产业链条数据自动采集、可溯化信任和智能化分析，并结合不同农业细分产业特点，实现精准授信，推动基于数字信用的线上供应链金融产品创新，将金融服务嵌入农业产业链场景全流程，助力农业产业现代化发展。调研发现，部分金融机构强化与涉农头部企业和涉农平台企业合作，通过“共建场景+数据增信”等方式建立多方互信机制，围绕农业全产业链开展数字信贷产品创新，使供应链金融信用识别从更多依赖交易环节拓展到依托农业生产经营全流程。比如，有的金融机构与种植龙头企业合作推出家庭农场种植贷，利用龙头企业在产业链供应链上掌握的物资流、资金流、信息流等数据，为租种土地的农民专业合作社、家庭农场等新型农业经营主体提供“租、种、管、收、售”一体化金融服务，将贷款资金用于土地适度规模流转和农业生产全程托管。面向C端客户，重点强化数据驱动的信贷产品创新。金融机构基于信息建档等方式采集农户基础数据，通过系统对接等方式引入涉农产业、政务、农业保险等场景数据，构建多维涉农大数据体系，并加快推进智能化信用评估和风险管理系统应用，为不同农户客群量身打造系列数字信贷产品，进一步提高农村地区金融服务下沉度和渗透率。比如，金融机构依托涉农企业的数字化平台，综合运用土地确权数据、垦区农业数据、农机数据、种植户补贴数据等，创新推出线上信贷产品，为农户提供“即申即贷，随贷随还”的纯线上金融服务。数据驱动的信贷产品不仅大幅提升了金融机构的信用识别效率、降低了获客成本，也在一定程度上破解了农户抵（质）押物不足的困境，成为扩大农户信贷服务覆盖面、降低融资成本的有效解决方案。
数字金融风险管理。农业农村的复杂性和特殊性既决定了涉农数字信用体系建设的艰巨性，也决定了涉农数字金融风险具有更高的复杂性、隐蔽性和传染性。完善的数字风险防控体系是释放数字信用潜在效用的重要保障。近年来，金融机构基于丰富的数据资源，加快推动数字风险管理相关实践。一方面，强化风险的自动化监测和智能化预警。推动数字化风控中心建设，利用大数据和人工智能等技术，推动金融风险管理模式从授信企业“单点”管理向产业“链条”全风险管理转变，全面提升贷前、贷中、贷后各环节风险管理质效。贷前，不断拓展风险信息获取维度，构建以客户为中心的风险全景视图，精准识别潜在风险点和传导路径。贷中，强化特征提取、模型构建、风险计量等能力建设，及时研判风险变化趋势、厘清风险关联关系，对各类线上线下信贷业务实施“全口径”自动监测、预警。贷后，智能识别资金流向，自动拦截可疑交易，并基于历史数据提供智能处置方案，提升风险处置的及时性、精准性。目前，已有金融机构开始探索建设全行级统一的信用风险预警监测平台，形成了集约化监控和集中化作业相融合、线上线下远程多渠道协同推进的监控新模式，进一步提升了数字风控的前瞻性和精准性。另一方面，注重风险防控的线上线下协同。在当前涉农数据不够丰富、风控模型不够精准的背景下，还做不到完全依赖线上风控手段，仍需要线上线下相结合。不仅要通过线下手段弥补线上风控的不足，也要通过人工核查不断检验模型稳定性、有效性，根据人工核查数据对模型进行迭代优化。比如，针对活体畜牧管理难题，金融机构利用农业产业互联网平台的智能化设备和系统对生物资产的入栏、养殖、出栏进行全生命周期监管，当系统发出风险预警时，仍需要客户经理及时上门核实并进行处置。
综上，可以发现，相较于传统信用，涉农数字信用体系在数据来源、增信方式、营销获客、审批模式、风控手段等方面均发生了较大变化，并将由此带来信用体系治理逻辑的内生变化。一是数据来源由单一维度向多维动态数据融合转变。传统信用体系主要依赖客户经理实地开展贷款调查的信息；数字信用体系依靠多维动态数据的融合，注重对涉农领域结构化和非结构化数据的全面整合利用。二是增信方式由实物资产增信向数据增信转变。通过逐步完善数字信贷的算法模型，对企业生产经营、工商税务、征信、海关等数据进行深度分析，能够有效实现数据资产的增信和变现。三是获客方式从“一对一”营销向批量获客转变。在数字信用体系下，金融机构加强与各类涉农平台的互联互通，更多依托场景共建、系统对接、渠道共享等方式实现批量引流获客。四是审批模式由人工线下向智能决策转变。随着数字信用体系的不断完善，审批模式将由人工收集数据、人工审批升级为自动采集数据、人工审批，最终转向自动采集数据、智能审批，实现信贷审批的去流程化。五是风控手段由人工线下向人工防控、技术防控相结合转变。传统信用背景下的风控主要依赖现场调查，以人工线下为主；伴随农业农村数据的实时在线归集，数字信用背景下的风控更加强调技术防控与人工防控的有效结合。
几点建议
有序推进涉农数字信用体系建设和应用，不仅逐渐缓解了涉农主体因缺乏传统信用评价信息面临的“信用不足”困境，也为加快破解数字普惠金融面临的“数据鸿沟”新难题提供了有力支撑，更是传统农村金融机构打破同质化经营、重塑差异化竞争优势的重要方向。当前，我国涉农数据基础设施根基尚不牢固，数据共建共享机制还不健全，涉农数字信用评价模型应用范围较窄，依托数字增信方式解决融资难、融资贵等问题仍然任重而道远，还需要政府、金融机构、企业等强化多方合作，加快推动涉农数字信用体系建设和普及应用，使数字普惠金融在全面推进乡村振兴和加快推进农业农村现代化进程中发挥更大作用。完善涉农大数据体系建设。大数据体系是数字信用体系构建的基础。从实践看，我国农业产业链的整体数字化水平仍然偏低，各领域、各地区都不同程度存在涉农数据碎片化、数据时效性和持续性不足、置信程度不高等问题，涉农大数据体系建设根基尚不牢固。为此，要进一步发挥政府引导作用，统筹推进涉农大数据体系建设，特别是要加强对涉农平台企业的规范治理，明确涉农数据的权属问题，确保数据的真实性。同时，要加快推进数据交易所等数据基础设施建设，推动数据资产的交易和流通，确保数据可获得、可流动、可授权。
强化数据的对接与治理。数据整合和利用是数字信用体系构建的关键一步。涉农数据源自G端、B端、C端以及金融机构等多方主体，数据分散、标准不统一、整合难度大、共享壁垒高等问题仍较为突出。下一步，要加强涉农数据的整合，构建相应的数据标准，强化数据协同管理，更好地打通金融部门与政府部门、农业产业部门的系统平台，实现数据的有效融合。同时，要注重数据的合法合规使用，保护好涉农客户的合法权益，探索构建合法合规的数据权益保护机制，遵循“告知—同意”规则，在获得客户授权的前提下做好数据利用，推动涉农数字信用体系构建。
优化数字信用评价模型和授用信管理机制。涉农数字信用评价体系的构建在金融领域还处于探索阶段，金融机构授信仍以传统授信模型为主，涉农信贷产品的精细化程度普遍不足。伴随土地流转和托管的推进，“三农”客户的经营规模、融资难易程度出现明显分化趋势。调研发现，近年来，涉农小型客户的信贷覆盖面在逐渐扩大，但是中型客户的大额信贷资金需求普遍难以得到满足，其中缺乏合格抵（质）押品仍是主要原因。金融机构要加快构建更加科学、全面、有效的涉农数字信用评价体系，深入挖掘多维涉农数据的信用价值，把传统增信手段和数字增信手段有效结合起来，为客户量身定制信贷产品，切实提高涉农信贷产品的差异化水平和适应性，为弥合涉农融资缺口探索新的解决方案。大型商业银行要发挥点多面广优势，下沉经营重心，在各类经济主体数据资产流动、使用等方面加强服务支持，助力数字资产增值；在授用信上，要结合产业链数字信贷业务的数据驱动特征，加快探索跨区域授用信的协同机制，解决好贷后管理问题。
守牢涉农数字信用体系风险底线。涉农数字信用体系涉及的风险结构已发生较大变化，既要防控信用风险、操作风险、欺诈风险等传统风险，也要警惕新兴技术应用带来的技术风险、数据风险、模型风险。一方面，要全面提升数字化风险防控能力。金融机构要遵循数字化机理，在确保多渠道数据来源真实、数字信用评价模型精准的基础上，加快探索建设数据驱动的信用风险防控体系及科技驱动的技术风险防控体系。另一方面，要重视线上线下有效结合。涉农数字信用体系构建并不意味着“完全不见人、见事”和“百分百依靠数据”，特别是在涉农数字化风险防控体系尚未完全建立的背景下，更需要充分发挥线下支撑作用，最大限度弥补数据不真实和模型不精准带来的负面影响。
营造农村数字信用体系良好生态环境。涉农数字信用体系构建是一项系统性工程，需要多方参与、共建良好生态。既要发挥好政府引导作用，撬动更多社会资源参与，统筹推进农业产业场景体系建设，探索构建政府、产业、金融发展共同体；也要推动银行、保险、担保、基金等不同金融业态协同，尤其是要提升政策性担保体系整体实力、扩大服务覆盖面，把各方信用统筹整合，为缓解“三农”融资难、融资贵提供新的思路。同时，要依托商业银行网点和人员优势，下乡开展农村征信知识、金融风险知识、数字知识等相关教育，不断提高涉农客户的数字素养和金融素养。■
（责任编辑 张黎黎）
