基于大数据的征信平台元宝铺要把服务对象从电商卖家扩展到线下小微企业
36 氪曾经报道过用大数据为电商卖家提供第三方金融服务的元宝铺。大约一年之后，我们又和元宝铺 CEO 陈瑞贵聊了聊平台的数据增长和业务模式等问题。
和其美国先行者 Kabbage 一样，元宝铺也在做深电商客户的基础上把服务对象拓展到线下小微商户以及 B2B 供应链方面。在电商这块，元宝铺已经扩张到 50 个城市，累计授信额度约 15 亿元，同时也把逐渐兴起的跨境电商也纳入了服务范围。针对 B2B 企业，元宝铺目前主要根据其经营数据进行分析及授信。
陈瑞贵告诉我们，元宝铺将会继续延伸业务范围，BD 策略也将根据平台本身的大数据分析特性优先选择数据化程度较高的行业。
他认为，在市场移动化、电商化和 O2O 等新商业模式兴起的前提下，针对小 B 的大数据征信市场在逐渐升温，主要原因是基础设施的三个方面日趋成熟：
- 有数据的小 B 商户基数
- 数据总量的增长（年销售额 1000 万以内的小 B）
- 数据分析手段的发展
虽然阿里和京东等电商平台也有小额贷款业务，但在陈瑞贵看来，元宝铺这类第三方平台可能会更有优势。首先，针对小 B 的小微贷款是规模经济，没有庞大用户支撑，投入产出这笔帐就不好算，除了像阿里这样超级大平台，一般平台做征信要面对商家数量不足的障碍。
他以某平台为例，目前该品牌开发平台共有 10 万第三方卖家入驻，其中约 20% 有贷款需求，除去征信过滤掉的 30%～40% 商家，只剩下 1 万家左右同时具备贷款资格和意愿的商家。最后把低额度的排除掉，剩下的业务根本无法支撑平台来维持一个完整团队。
再者，第三方平台在开发性和兼容性上也更胜一筹。通过数据的全网获取和跨平台授信等，元宝铺可以在数据来源和服务对象上做到全网覆盖。而第三方平台的资金用途也更加自由。
在风控方面，元宝铺经过一年多时间的打磨，建立了四大模型，分别从行业、运营和企业主个人等方面对申请方进行审核，并在贷后进行实时分析和提前预警。值得一提的是，元宝铺还特别为 O2O 类别常见的交易欺诈行为建立了一个数据模型，可以识别刷单等行为。
这四个模型分别是欺诈模型，行业模型，店铺模型和企业主信审。
以一家电商为例，平台会根据三级类目共 1000 多个小项进行评估，其中，围绕库存周转和毛利率两个核心的经营数据是重点，占到 40% 左右权重。然后再根据工商信息、电信数据和手机端浏览行为等外围数据进行多维度评估。
目前申请通过率在 50% 左右。在资金提供端，除了传统银行之外，元宝铺又和信托及保险基金合作，最快可以做到当日 2～3 小时内放款。在业务端，元宝铺也和积极和 O2O 及 B2B 平台（后者主要以物流和 3C 产品批发平台为主）和软件服务提供商合作，主要也是以获取大量小 B 数据为目的。
陈瑞贵告诉 36 氪，小额贷款是小微商家的刚需，元宝铺以此切入，与海量商家形成数据供给关系，不断丰富和完善数据模型，最终希望做的是一个基于大数据的小微商家信用评级标准。
