中国的经济增速已经落到了近三十年来的最低点。但如果约四千万家的中小企业能够克服融资难的问题，它们有可能形成中国经济发展的强大引擎。那么，数字技术有没有可能帮助解决这个经济顽症、催生一个新的奇迹呢？

自2005年起，中国政府一直在努力改善中小企业与低收入家庭的融资环境。全国建立了8000多家小额信贷公司，同时，政府明确要求商业银行每年提高中小企业贷款在总贷款中的比例、同时降低中小企业贷款的利率，2018年、2019年的政策目标是每年降低1个百分点。

即便如此，中国仍然只有约20%的中小企业能够从银行获得贷款。其中一个重要原因是银行的获客成本很高，因为大部分中小企业规模小、地理分布分散，为它们服务确实不易。另外，银行也无法对中小企业实行市场化的风险定价，因为贷款利率还没有完全市场化。中国中小企业的平均寿命大概是5年，因此，为它们提供贷款的风险确实比较高。而强制要求银行降低贷款利率，意味着银行的风险无法得到充分的补偿，政府也不补贴这样的“准政策性贷款”。

大银行的总体盈利状况比较好，即便为中小企业贷款提供一点交叉补贴，也承担得起，况且它们都是国有商业银行。但很多中小银行就没有这个条件，如果按政策要求给中小企业贷款，将来可能会对资产负债表造成负面影响。同时，监管部门还要求银行员工对所造成的不良贷款终身负责。因此，很多银行只好通过各种形式的造假来满足监管要求。

但其实即便没有监管部门降低贷款利率的要求，银行也很难对中小企业做市场化的风险定价，因为它们不知道怎么评估中小企业的信用和风险。传统银行的信用评估模型主要依靠财务数据、抵押资产或者政府担保，但中小企业普遍缺乏这些条件。

因此，解决中小企业融资难的问题，需要从两个方面同时入手，第一，央行应该允许贷款利率灵活浮动，由银行决定与风险相应的贷款利率水平，真正做到市场化定价；第二，银行也应该积极创新，找到评估中小企业信用风险的有效办法。

在实践中已经有做得不错的成功经验，浙江台州的三家小银行—泰隆、台州和民泰—利用线下软信息评估中小企业的信用风险，主要是了解企业家的个人行为与社会关系。

但更值得关注是正在中国大地上蓬勃展开的中小企业贷款的数字革命，大科技平台链接数以亿计的用户并连续地记录他们的数字足迹，云计算与机器学习模型快速、准确地分析企业与个人的行为，并以此指导银行的贷款决策。

北京大学数字金融研究中心与国际清算银行的联合研究发现，以数字技术为基础的信用评估模型预测违约的准确率要超过传统银行的信用评估模型，这起码可以归结为三个方面的因素：第一，大数据风控模型包含了反映个人与企业行为的变量以及它们在网络中重要性的变量，与传统模型的资产负债表数据相比，这类变量更加稳定；第二，大数据模型还利用许多实时的数据，包括现金流、交易量、违约率等，与传统模型相对滞后的数据相比，这类变量能够反映最新状况；第三，与传统模型的线性分析方法相比，大数据模型的机器学习方法能够更好地抓住非线性的关系，特别是不同变量之间的交互影响。

科技平台的长尾效应意味着一旦平台建立起来之后，增加服务大量的中小企业的边际成本几乎为零。事实上，中国的两大移动支付运营商支付宝与微信支付已经分别拥有大约10亿的用户。

数字技术的另一个优势是速度非常快。目前在尝试大数据风控模型的三家网络银行—微众银行、网商银行和新网银行，几乎都能实时处理贷款申请。蚂蚁金服与网商银行开发了一个被称为“310”贷款模式：借款人花三分钟时间在线提交申请；一旦获得批准，贷款资金可以在一秒钟内到账；整个过程实现零人工干预。

微众银行、网商银行与新网银行每家每年都能发放大约1000万笔小微或者个人贷款，每家银行只有1000-2000名员工，而它们的不良率则保持在1%上下。

当然，数字革命也会遭遇很多问题，比如数据不平等，有很多个人与企业没有大数据，就很难享受这项革命带来的好处。当然，相比较而言，传统银行受到的财务数据的约束可能更为严厉，网络银行则利用多样化的大数据做信用评估，微众银行主要依赖社交媒体与支付的数据，网商银行更多地使用网络购物与支付的信息，而新网银行则干脆就是一家开放银行，平台建立以后，对接其它大数据平台。因此，即便一个企业家缺乏财务数据与抵押资产，如果有足够多的数字足迹，也有可能获得贷款。

一些网络银行甚至开始想办法解决所谓的“数据白户”的问题，以缓解数据不平等的后果。假如一个借款人线上缺乏数据，银行可以在综合考量之后仍然可以考虑提供一笔非常小额的贷款，借款人在定期偿还的过程中，可以逐步积累信用记录与数据足迹。

中国在很早以前就已经意识到解决中小企业融资问题的重要性，现在网络银行提供了一个非常好的解决方案。相信这场数字革命不仅有利于中国的经济发展，更是为普惠金融发展趟出了一条新路，是一项具有世界意义的金融创新。