马云的“小目标”提前两年完成，技术服务1000万小微经营者。
6月21日，网商银行公布的信息显示，成立仅三年时间，网商银行及其前身阿里小贷，已经与金融机构伙伴联手，为超过1000万小微经营者提供过贷款服务。
2015年6月，国内首批试点的5家民营银行之一网商银行正式开业。马云在成立仪式上曾经表示，他的梦想是未来五年网商银行能服务1000万家中小企业。当时谁也没想到，这样“不可能完成的任务”提前两年就实现了。
“能提前小目标，主要是因为移动支付技术的普及和码商的神助攻。”网商银行行长黄浩称，2017年6月开始，网商银行联合支付宝收钱码探索“310”贷款模式，即3分钟申请，1秒钟放贷，0人干预，带到对线下小摊小贩的服务中；过去发放一笔小微企业贷款的平均人力成本在2000元，而“310”模式每笔贷款的平均运营成本仅为2块3，其中2元为计算和存储硬件等技术投入费用。
更逆天的是，黄浩告诉券商中国记者，仅一年时间，新增小微商贷户数达300万，但不良率却仅0.54%，复贷率35%，准时还款率99.15%。而目前，它的员工总数不过400多人。继余额宝之后，“310”模式怎么改变行业？
远低于同业的不良率、短回款周期、高资金运转效率、高速用户增长数，这一成本投入和收益比羡煞不少同行，这家成立时间不过三年的民营银行是怎么做到的？
网商银行股东构成(截至2016年末)
小微商贷一年新增逾300万户
2017年7月“码商”综合金融服务推出至今，一年时间内，网商银行贷款客户数已达850万，预授信覆盖小微“码商”2300万，这之中超过300万用户已经支用了贷款。黄浩介绍，300万这一获客数字，阿里小贷通过纯线上触达用了3~5年，但通过“码商”线下获客方式只花了1年时间。
一年时间，小微商贷一年新增逾300万户，即使是对比网商银行自己的发展情况来看，这一增长速率也相当惊人。
网商银行年报显示，2015年该行成立之初，当年末贷款余额74.13亿元，余额客户数仅50万户，户均贷款余额1.5万元；到了2016年末，该行资产总额约615亿元，较2015年末增幅103%，其中，贷款余额约329亿元，较2015年末增幅351%，占总资产的53%，贷款拨备覆盖率为291.5%，资本充足率为11.07%。
截至2016年末，该行累计向小微企业发放贷款879亿元，小微企业客户数277万户，户均贷款余额约为1.5万元。到了2018年年中，小微贷款商户数已经增长到了850万户了，三年多时间增长了17倍。
原银监会数据显示，截至2017年末，我国银行业金融机构广义小微企业贷款总余额30.7万亿元(含小型企业贷款、微型企业贷款、个体工商户和小微企业主经营性贷款)；广义小微企业户数是1520.9万户。
需要说明的是，网商银行的商户数定义为“码商”，即持有二维码交易的商户，和监管部门定义的广义小微企业商户有所差异。该行统计的线下码商数量达到2300多万户。不过，相比之下也可以看出，该行的小微贷覆盖商户数体量不小，贷款额度的“小、微”特征非常明显。
不良率0.54%，准时还款率99.15%
贷款余额和小微贷商户数在快速增长，但该行公布的不良率却一直维持低位、并逐步下降。2017年底，网商银行线下经营者贷款的不良率仅0.78%；2018年中，黄浩透露，该行线下经营者贷款的不良率为0.54%，且99.15%的商家都能做到按时还款。
与大企业满额贷款慢慢使用不同，小微经营者更为精打细算，为了节省利息，只有必要时才申请贷款，并且尽快还款，有需求再贷，“小、急、短、频”的特点明显。从行业看，网商银行服务的“码商”主要以服务行业的经营者为主，其中服装店、超市便利店、烟酒杂货等零售商家占19%，餐饮、教育、美容、维修、家政等纯服务性商家达81%。
网商银行数据显示，2017年底，线下小微经营者笔均贷款金额7615元，平均资金使用时长为50天，6个月内贷款超过3次的经营者却达到35%；当前，该行仍以单笔贷款金额以30万元的高频、短期、小额借贷为主。
这里不妨将网商银行的不良贷款率同商业银行的不良贷款占贷款余额比例进行对比，虽然概念不完全相同，但仍具有一定的参考性。
上述银行中，除了宁波银行、南京银行近三年来的不良贷款率维持在1%以下，且保持着远高于同行的拨备覆盖率，资产经营状况良好，其他银行的不良率都在1%以上，26家银行中有16家去年不良率在1.5%以上，其中浦发银行、江阴银行的不良率分别高达2.14%、2.39%。
另一组值得对比的数据是商业银行信用卡的不良贷款率，据原银监会公布数据，2007年~2016年的十年间，商业银行信用卡不良率总体上呈现下降趋势，2007年到2012年，不良率从最高2.83%迅速下降至最低1.11%，随后五年缓缓上扬，到2016年不良率达到1.90%。
图片来源：金卡网
具体来看，今年上半年的年报披露季，部分银行披露了2017年信用卡的不良率。这之中，像招商银行信用卡的不良率比同期下降0.29个百分点为1.11%，平安银行的信用卡不良率1.18%、比同期下降0.25个百分点，中信银行的信用卡不良率1.24%、比同期下降0.24个百分点，民生银行的信用卡不良贷款率比同期下降0.43个百分点、却仍高达2.07%。
因此，总体来看，银行信用卡的2017年不良率水平仍然在1%及以上。
小微贷神器如何炼成？
一方面，远低同业的不良率、短回款周期、高资金运转效率，确保了非常低的贷款资金运营成本；另一方面，尽管小微贷款用户正在高速增长，据券商中国记者了解，目前网商银行的员工总数也仅400多人。这一成本投入和收益比应该羡煞不少同行。
今年以来，随着市场利率水平变化，信贷资金成本在不断上扬，黄浩向记者透露，今年该行融资成本平均上升差不多1个百分点，贷款利率下降接近1个百分点，但目前银行经营利润仍在继续增长，主要做法是：第一，向风控要效益；第二，向基于ai的运营能力要效率。
风控，无担保、没抵押、缺风控数据，是阻碍传统金融方式服务线下小微商家最重要的原因。在信贷行业，尤其是做征信数据相对缺失的小微信贷产品，首先要过风控关，和地下黑产斗智斗勇。有数据统计，国内有超过1万个套现社区，活跃套现买家超过100万。
北京某大型互金公司资深风控人士告诉券商中国记者，信贷行业尤其是小额网贷行业，会在信贷效率和风险之间寻找一个平衡点；一些机构贷前授信放开、快审快贷，可以获取用户数量高覆盖，但风险也高；要么牺牲效率，审批慢、审核严，作风相对保守。除非风控模型非常成熟，很难做到高覆盖率，还能严控风险。
黄浩介绍，不做大水漫灌式的放贷，用“码”实现线下商家的互联网化后，网商银行通过大数据和人工智能技术突破了传统金融风控的诸多限制，可以分三类，“一是身份识别，通过资金链，识别商户交易是不是有效，是不是刷单，是不是地下黑产，有没有异常的交易，是个人还是经营者，如果是不同的身份，会有完全不同的风控模型和授信策略；二是预测经营能力，是不是出现异常；三是行业识别，到底是哪行哪业，通过交易模型做算法，所有这些都是为了更全面了解商户。 ”
不过，尽管通过线下场景化新零售网络的社交、交易、金融数据等建立起来的关系链，再通过大数据技术进行画像、风险控制管理，极大提高了信贷效率，不过也有专业人士提出质疑。一位世界银行项目官员告诉券商中国记者，首先是风控数据征集和隐私边界的问题；其二，信贷准入大为宽松，虽然带来了金融小微普惠，不过也会出现超前消费、过度授信，一旦出现坏账或者不良率上升，带来的风险波及面也很广。
据透露，目前，蚂蚁金服在小微金融、数据化风控上有超过10万的风险指标，有超过3千的风险策略和100多个模型；在线下码商风控体系里，线下模型已经超过20个，风险策略超过500个。
蚂蚁金服ceo、网商银行董事长井贤栋称，网商银行将启动“凡星计划”，未来三年的新目标，开放合作1000家各类金融机构，综合金融服务覆盖3000万小微经营者。
>