阿里集团的金融业务一直是市场关注的焦点，但它一直蒙着神秘的面纱。种种传说的背后，究竟有多少传闻是真的？去年占小贷行业半壁江山的新增贷款是怎么做到的？
围绕阿里银行传闻，阿里小贷背靠大数据的网贷模式以及这些年阿里与银行合作的恩恩怨怨，2月26日，《中国经营报》记者独家专访阿里集团小微微贷事业部总经理娄建勋。
资金来源：主要来自于资产转让
《中国经营报》：2010年成立至今，阿里小贷累计发放了1700亿元贷款。仅2013年新增贷款就接近1000亿元，几乎占全国新增贷款总量的一半，阿里小贷为什么能发展这么快？你们是如何解决资金来源问题的？
娄建勋：这1000亿元是指我们2013年累计发放的新增贷款，周转的次数很多，借出去的钱减去还回来的钱，现在剩下的余额只有不到120亿元。
阿里小微微贷事业部有三家小贷公司，自有资金共18亿元。
我们放贷的资金来源除了自有资金之外，主要是通过资产转让的方式。最典型的方法是跟东方证券资产管理公司做了资产转让项目，在深交所挂牌交易。通过这种方式，去年我们获得90多亿元资金。简单地来说，就等于多了90多亿元资金进行放贷。其他的资金来源，我们小贷一开始运作的时候还有些银行贷款，但从银行借款的杠杆率也只能放大到50%。即使放大到100%的杠杆也没有多少额度，这不是我们资金来源的主流。现在最主要的是资产转让模式。
另外，现在我们正在谈银行的直投项目：客户由我们来找，客户的信用评价由我们做，并由我们提供违约担保；但资金来自于银行，借款人是跟银行签合同。这种模式我们在跟多家银行谈，希望能大力推动与银行的这种联合放贷模式，可能很快会签约，这是我们近来的重点工作。
《中国经营报》：阿里几年前也曾与建行、工行等合作放贷，最终不了了之。目前来看，阿里小贷与银行合作贷款的焦点仍然集中在：数据由谁掌控？双方如何分成？风险谁买单？你们怎么解决这个问题？
娄建勋：我们会给银行提供满足贷款监管要求的数据、贷款企业的基本经营状况。但要把淘宝和天猫上的所有数据都给银行，这不现实。在贷款分成上，基本上是按各方的投入和收益进行匹配。
在这个合作模式里，早期我们会把担保引入，因为银行一开始不太放心客户的信用评价和客户的风险等级，引入我们的担保公司做担保。后期如果银行认为这种合作风险可控，可以把担保拿掉，我们可以减少一部分担保收入，这样银行的风险补偿就更大一些。
早期的合作是失败的。我们把那么多客户的信息给到建行、工行，审批通过率却特别低，只有2%~3%，甚至1%。这种合作解决不了融资问题。因为银行会挑里面最好的、在其标准下允许的客户。但实际上我们认为尽管小企业规模小，但不意味着没有信用，所以我们后来通过阿里小贷做自营贷款。
线上放1元和100万元贷款成本没区别
《中国经营报》：有数据显示，阿里小贷服务小微企业超过70万家，户均贷款余额不超过4万元，银行和小贷公司都不乐意去开发这部分客户，你们怎么控制成本和放贷风险？
娄建勋：我们放贷分两大类：一类是淘宝天猫的客户，经营销售都在网上完成，所以有相对完整的销售、经营、物流数据，我们做授信更快更便捷；另外一类是阿里巴巴B2B贷款，传统的一些线下生产制造企业、商贸企业、国际贸易企业的网上交易行为很少，这部分还要依赖线下的调查和走访，流程会相对长一些。
在线下的部分成本相对高一些，但线上部分成本就低很多，对我们来说，线上放1块钱贷款和放100万元贷款没区别。
我们的成本构成有几大块：一方面是经营成本，包括人员、工资、办公设备；另一方面，很大一块是系统，云计算和存储是很大的投入；还有一块是软件开发的成本。我们没算过每笔贷款成本，因为每笔贷款区别很大，前期和后期进来的客户差别大，线上线下差别大。
在风控上，我们对贷款客户的贷款严格限制用途，首先是经营性贷款，要投入到生产中。产品规定一定的期限，最高单笔贷款金额不超过100万元人民币。
目前，我们设定的不良贷款容忍率最高为3%，这是只针对阿里巴巴的B2B的线下贷款部分，而淘宝类、天猫类贷款不良容忍率是2%~2.5%。现在我们整个的不良贷款在1.2%~1.3%的水平。
我们整个的风险管理体系框架是按照巴塞尔银行的要求做的。在这个基本要求下，我们开发了很多模型，建了很多系统，在财务系统上，我们也做了450%的拨备覆盖率，这比商业银行的200%~300%要高。后续如出现逾期，我们是通过催收、资产保全等方式，一天逾期，我们就开始催收，对于逾期360天以上的，我们就快速核销。另外，客户数量巨大以及高度分散，也分散了放贷的风险。阿里小贷2013年累计服务小微企业超过60万家，2014年计划做到超过100万的客户数。
网络金融靠大数据
《中国经营报》：很多人把阿里小贷的成功因素归结为背靠着互联网大数据的优势。你们如何运用大数据来服务小贷业务？
娄建勋：数据分析在整个阿里小贷业务决策中，处于核心位置，向公司的管理决策层提供科学客观的分析结果及建议，并对业务流程提出优化改进方案。我们放贷要回答几个问题：一、什么样的企业和商户能够持续有交易，二、它的交易具有怎样的波动性，哪些原因导致了这些波动性，这些波动性是否可被预测；三、每个行业的用款波动周期和销售周期是怎样的一个错配。2013年搭建的水纹模型就处理这些问题。
我们的大数据量很大，但要把这些数据变成有用的信用数据和信用评价，还需要很多的数据加工和模型开发，所以我们把原始的数据、交易的记录等变成可分析的数据，在此基础上做出很多的模型，基于这些数据，挑选客户、计算额度、给予评价、预测风险等。
《中国经营报》：银行能完成这种大数据的处理吗？银行和互联网企业都在做网络金融，你认为各自的优势是什么？
娄建勋：如果银行想做到，它肯定能做得到。关键是它的数据来源，如果只用现有的银行数据，我认为未见得可以叫做大数据，互联网的数据更加符合网络金融的内涵。
在网络金融上，比如说对贷款客户信用评价上，用的变量可能跟银行不同，从银行借钱，企业要提供财务报表、抵质押和担保，个人要提供收入证明、工作证明、夫妻关系、房产情况等，而在互联网贷款，拿这些数据相对困难，我们会用客户在淘宝上的交易历史、售后地址，通过工作地址、家庭地址的楼盘销售价格和租赁价格，这是网络金融有别于传统金融突出的特点。（中国经营报）
