作者|曾學文‘中國農業銀行首席經濟學家’

　　文章|《中國金融》2023年第17期

　　近年來，在國家多部門政策指引和廣大金融機構共同努力下，我國數字普惠金融快速發展、實踐創新不斷豐富、觸達范圍和服務深度持續拓展，已成為推動農業農村現代化發展的重要金融力量。數字信用體系是數字普惠金融的核心和基礎，通過數字技術對涉農主體生產生活全過程的結構化和非結構化數據進行深度挖掘，使傳統方式忽略的“沉睡”信用信息顯性化，以此構建新的數字信用賬戶，推動涉農領域信用體系由基于抵（質）押的傳統信用逐步向基于“數據信用畫像”的數字信用體系轉變，為解決傳統普惠金融發展中的“信用不足”問題提供了全新思路。目前，涉農數字信用體系的建設和應用尚處于探索階段，在涉農數據對接與治理、數字信用評價、數字金融風險管理、金融生態環境建設等方面，仍存在較多亟待解決的問題。政府、金融機構、企業等各方力量應強化合作、打破壁壘，加快推動涉農數字信用體系的集成應用，為數字普惠金融帶來新的生機活力。

　　涉農領域數字信用體系構建的基本驅動力

　　近年來，我國數字鄉村建設加快推進，數據立法逐步完善，農業數字化、智能化發展也進入快車道，為涉農數字信用體系構建奠定了良好基礎，初步形成了三大驅動因素。

　　一是“農業3.0”和“農業4.0”創新加速。從全球農業發展演變趨勢看，美國、荷蘭、德國等農業現代化國家經過以小農經濟為特征的“農業1.0”階段和以規模化、機械化經營為特征的“農業2.0”階段后，目前已進入信息化、數字化的“農業3.0”階段，并且開始向智能化、無人化的“農業4.0”階段邁進。從我國情況看，目前全國范圍內同時存在從“農業1.0”到“農業4.0”的不同階段，總體處于從“農業2.0”邁入“農業3.0”的階段，“農業4.0”也開始萌芽壯大。一方面，數字技術應用的廣度和深度不斷拓展。在政府和市場的雙輪驅動下，數字技術在我國農業大部分行業已有落地應用，部分領域呈現規模化部署態勢，特別是近年來涌現出的各類農業產業互聯網平臺通過研發一系列軟硬件系統，將人工智能、物聯網、數字孿生等新一代數字技術有機嵌入農業生產全過程，有效提升了農業生產經營效率和質量。截至2021年末，農業生產信息化率達25.4%，農業科技進步貢獻率超過60%。另一方面，農業全產業鏈的信息化、智能化水平持續提升。各類農業產業互聯網平臺圍繞農業生產、倉儲、運輸、銷售各個環節開展梯次布局，收集積累了農業產業鏈各環節的海量數據，通過將這些數據與其他數據源交叉驗證，在還原企業真實生產經營情況、進行細分市場發展預測、開發涉農場景產品等方面具有較為出色的表現，并加速推動農業全產業鏈信息、人才、資金和技術互聯互通。以生豬產業為例，國內已有生豬產業互聯網平臺以生豬養殖為核心，通過集成產業智能設備及相關AI算法，為豬場提供智能巡檢預警、智能環控、疫病監管等“一站式”智能解決方案，同時將生豬養殖上下游飼料、屠宰、肉食店各個環節全面連接，形成規模化態勢，較好地實現了生豬產業各環節互聯互通。

　　二是涉農基礎數據和場景數據不斷積累沉淀。伴隨農村地區G端、B端、C端互聯互通，我國涉農數字足跡不斷豐富，農業農村全鏈路數據快速積累，以涉農大數據體系建設為中心形成了基礎數據、場景數據兩大類數據資源。從基礎數據看，2019年國家實施數字鄉村戰略以來，政府加大力度構建涉農數據資源體系，取得了積極進展。目前，全國農村集體資產監督管理、土地承包經營權、“互聯網+”鄉村治理、“互聯網+”農產品出村進城、新型農業經營主體和單品全產業鏈大數據六大領域的信息平臺已基本建成，形成了豐富的基礎數據源。例如，全國統一建立的農村集體資產監督管理平臺覆蓋了國家、省、市、縣、鄉鎮五級農業農村主管部門，匯集了全國農村集體的資產、股權、成員等數據信息。與此同時，政府部門也著力將農村政務數據與其他數據打通，實現真正意義上的數據互聯互通。從場景數據看，政府、金融機構、涉農企業等主體推動建立的智慧農業、智慧鄉村場景衍生出的高質量場景數據，以及各類涉農平臺企業圍繞畜牧智慧養殖、大田智慧種植等領域沉淀的數據，普遍具備數據量大、可靠性高、時效性強、可控性優等特征。這些數據與傳統要素深度融合，不僅重塑了農業生產經營流程，也為涉農數字信用體系的構建和應用提供了豐富的數據支撐。近日，財政部印發了《企業數據資源相關會計處理暫行規定》，這意味著數據將加快實現從資源到資產的跨越，為政府、企業和金融機構共建共享數據資源奠定了堅實基礎。

　　三是農村數字信用紅利釋放。在農業農村數字化加快發展的背景下，政府、企業和金融機構積極探索豐富數字化信用評價的應用場景，助力在更大范圍內對各類涉農主體形成激勵約束，實現農業農村高效治理。地方政府探索借助數字化手段，建立農村信用評價體系、推廣信用村鎮建設、開展“信用積分制”試點，不僅通過強化信用約束營造了良好的信用環境，也使農村政務服務效能得到顯著提升。涉農頭部企業和涉農平臺企業探索利用數字技術使產業鏈主體相關信用數據更加及時高效地生成、流通，同時與政務部門、金融機構深化合作，打通了產業鏈斷點堵點，產業鏈整體運行效率得到顯著提升。金融機構加速與農村地區G端、B端、C端連接，探索以數字信用評價代替傳統信用評級，推動產品和服務模式創新，這有助于打破傳統農業與金融資本難以有效結合的固有矛盾、降低金融服務成本、提高金融服務效率，從而有望找到一條緩解農村地區融資難、融資貴、融資慢的有效路徑。

　　金融機構涉農領域數字信用體系構建的探索

　　近年來，金融機構不斷加快數字化轉型步伐，在數字中國和鄉村振興戰略背景下，強化數字普惠金融的新“打法”，通過加大與各類涉農數據源的對接合作，加快數據資產建設，持續構建完善涉農主體“信用畫像”，從數據整合與交叉驗證、數字信用評價、數字金融產品創新、數字金融風險管理四個維度發力，初步形成了以“數據驅動+智能決策”為核心的涉農數字信用體系。

　　數據整合與交叉驗證。數據是數字信用評價的基礎，數據來源、質量直接決定著涉農數字信用體系構建和應用成效。金融機構在依法合規前提下，持續拓展多維涉農數據來源，不斷提升涉農數據的質量和準確性。一是加強多維數據積累。為拓展數據來源、豐富數據維度，金融機構積極推動自有數據的治理與整合，同時持續加強與各級政府數據平臺和涉農產業數據平臺的對接，加快推動與G端、B端、C端全量數據的整合和貫通，構建包括涉農補貼和土地承包流轉等政務數據、農業生產和農資交易等農業產業數據，以及金融數據等的多維數據體系。目前，呈現的一個新趨勢是，金融機構與涉農頭部企業和涉農平臺企業加強對接，通過聯合建模、脫敏數據推送等方式，獲取種植養殖戶信息和種植養殖規模等基礎數據、農資買賣和物流訂單等交易數據，以及企業構建的信用評價等衍生數據，以此夯實數據基礎。二是強化數據交叉驗證。金融機構對自有內部金融數據與外部場景數據、農業產業數據、涉農政務數據、保險數據等多維數據進行比對和校驗，深入挖掘和分析不同數據源間數據的邏輯關系，確認不同渠道來源數據信息的一致性，并精準識別篩選出虛假數據信息，不斷提升涉農數據的真實性和有效性，為涉農數據資產建設提供有力支持。

　　數字信用評價。信用是支撐和保障金融體系穩定與健康發展的重要基礎。傳統信用評價主要依賴金融機構的信貸數據和征信數據等，并且存在評估過程煩瑣、覆蓋人群有限等問題。“三農”融資難、融資貴的問題主要是受農業經營主體信息不足、信用不足及缺乏有效的信用評價方式等因素影響。隨著金融科技的快速發展和深度應用，以及涉農數據的日益豐富，金融機構開始更加廣泛地利用大數據分析與挖掘技術、可視化分析方法等，構建線上化、智能化、便捷化的數字信用評價模型，依托客戶多維數據提煉涉農經營主體的關鍵數據、計算其信用評分，并從經營能力、經營規模、償債能力、信用記錄等方面為農業經營主體構建動態化、可視化的“信用畫像”，實現對產業鏈各主體、各環節的精準評級和全面評價，以及涉農經營主體“主體信用”“數據信用”等多維信用評價的一體化協同發力。以種植業為例，金融機構基于農戶基本屬性數據、征信數據、政府補貼數據、土地流轉數據，以及農業產業互聯網平臺的農資交易和生產經營等數據，利用機器學習算法，為種植戶進行精準畫像和信用評分，將其劃分為A、B、C、D等不同的信用等級，為差異化授信提供支撐，從而有效緩解涉農主體信用不足問題。

　　數字金融產品創新。隨著農業數字化、智能化快速發展，更多的金融機構開始深挖農業全產業鏈信息，捕捉涉農主體更深層次融資需求，開展多層次數字金融產品創新，提供與農業生產經營場景相適配的精細化、個性化信貸服務。面向B端客戶，重點從供應鏈金融創新發力。借助人工智能、物聯網、衛星遙感等技術，加強涉農領域全產業鏈條數據自動采集、可溯化信任和智能化分析，并結合不同農業細分產業特點，實現精準授信，推動基于數字信用的線上供應鏈金融產品創新，將金融服務嵌入農業產業鏈場景全流程，助力農業產業現代化發展。調研發現，部分金融機構強化與涉農頭部企業和涉農平臺企業合作，通過“共建場景+數據增信”等方式建立多方互信機制，圍繞農業全產業鏈開展數字信貸產品創新，使供應鏈金融信用識別從更多依賴交易環節拓展到依托農業生產經營全流程。比如，有的金融機構與種植龍頭企業合作推出家庭農場種植貸，利用龍頭企業在產業鏈供應鏈上掌握的物資流、資金流、信息流等數據，為租種土地的農民專業合作社、家庭農場等新型農業經營主體提供“租、種、管、收、售”一體化金融服務，將貸款資金用于土地適度規模流轉和農業生產全程托管。面向C端客戶，重點強化數據驅動的信貸產品創新。金融機構基于信息建檔等方式采集農戶基礎數據，通過系統對接等方式引入涉農產業、政務、農業保險等場景數據，構建多維涉農大數據體系，并加快推進智能化信用評估和風險管理系統應用，為不同農戶客群量身打造系列數字信貸產品，進一步提高農村地區金融服務下沉度和滲透率。比如，金融機構依托涉農企業的數字化平臺，綜合運用土地確權數據、墾區農業數據、農機數據、種植戶補貼數據等，創新推出線上信貸產品，為農戶提供“即申即貸，隨貸隨還”的純線上金融服務。數據驅動的信貸產品不僅大幅提升了金融機構的信用識別效率、降低了獲客成本，也在一定程度上破解了農戶抵（質）押物不足的困境，成為擴大農戶信貸服務覆蓋面、降低融資成本的有效解決方案。

　　數字金融風險管理。農業農村的復雜性和特殊性既決定了涉農數字信用體系建設的艱巨性，也決定了涉農數字金融風險具有更高的復雜性、隱蔽性和傳染性。完善的數字風險防控體系是釋放數字信用潛在效用的重要保障。近年來，金融機構基于豐富的數據資源，加快推動數字風險管理相關實踐。一方面，強化風險的自動化監測和智能化預警。推動數字化風控中心建設，利用大數據和人工智能等技術，推動金融風險管理模式從授信企業“單點”管理向產業“鏈條”全風險管理轉變，全面提升貸前、貸中、貸后各環節風險管理質效。貸前，不斷拓展風險信息獲取維度，構建以客戶為中心的風險全景視圖，精準識別潛在風險點和傳導路徑。貸中，強化特征提取、模型構建、風險計量等能力建設，及時研判風險變化趨勢、厘清風險關聯關系，對各類線上線下信貸業務實施“全口徑”自動監測、預警。貸后，智能識別資金流向，自動攔截可疑交易，并基于歷史數據提供智能處置方案，提升風險處置的及時性、精準性。目前，已有金融機構開始探索建設全行級統一的信用風險預警監測平臺，形成了集約化監控和集中化作業相融合、線上線下遠程多渠道協同推進的監控新模式，進一步提升了數字風控的前瞻性和精準性。另一方面，注重風險防控的線上線下協同。在當前涉農數據不夠豐富、風控模型不夠精準的背景下，還做不到完全依賴線上風控手段，仍需要線上線下相結合。不僅要通過線下手段彌補線上風控的不足，也要通過人工核查不斷檢驗模型穩定性、有效性，根據人工核查數據對模型進行迭代優化。比如，針對活體畜牧管理難題，金融機構利用農業產業互聯網平臺的智能化設備和系統對生物資產的入欄、養殖、出欄進行全生命周期監管，當系統發出風險預警時，仍需要客戶經理及時上門核實并進行處置。

　　綜上，可以發現，相較于傳統信用，涉農數字信用體系在數據來源、增信方式、營銷獲客、審批模式、風控手段等方面均發生了較大變化，并將由此帶來信用體系治理邏輯的內生變化。一是數據來源由單一維度向多維動態數據融合轉變。傳統信用體系主要依賴客戶經理實地開展貸款調查的信息；數字信用體系依靠多維動態數據的融合，注重對涉農領域結構化和非結構化數據的全面整合利用。二是增信方式由實物資產增信向數據增信轉變。通過逐步完善數字信貸的算法模型，對企業生產經營、工商稅務、征信、海關等數據進行深度分析，能夠有效實現數據資產的增信和變現。三是獲客方式從“一對一”營銷向批量獲客轉變。在數字信用體系下，金融機構加強與各類涉農平臺的互聯互通，更多依托場景共建、系統對接、渠道共享等方式實現批量引流獲客。四是審批模式由人工線下向智能決策轉變。隨著數字信用體系的不斷完善，審批模式將由人工收集數據、人工審批升級為自動采集數據、人工審批，最終轉向自動采集數據、智能審批，實現信貸審批的去流程化。五是風控手段由人工線下向人工防控、技術防控相結合轉變。傳統信用背景下的風控主要依賴現場調查，以人工線下為主；伴隨農業農村數據的實時在線歸集，數字信用背景下的風控更加強調技術防控與人工防控的有效結合。

　　幾點建議

　　有序推進涉農數字信用體系建設和應用，不僅逐漸緩解了涉農主體因缺乏傳統信用評價信息面臨的“信用不足”困境，也為加快破解數字普惠金融面臨的“數據鴻溝”新難題提供了有力支撐，更是傳統農村金融機構打破同質化經營、重塑差異化競爭優勢的重要方向。當前，我國涉農數據基礎設施根基尚不牢固，數據共建共享機制還不健全，涉農數字信用評價模型應用范圍較窄，依托數字增信方式解決融資難、融資貴等問題仍然任重而道遠，還需要政府、金融機構、企業等強化多方合作，加快推動涉農數字信用體系建設和普及應用，使數字普惠金融在全面推進鄉村振興和加快推進農業農村現代化進程中發揮更大作用。

　　完善涉農大數據體系建設。大數據體系是數字信用體系構建的基礎。從實踐看，我國農業產業鏈的整體數字化水平仍然偏低，各領域、各地區都不同程度存在涉農數據碎片化、數據時效性和持續性不足、置信程度不高等問題，涉農大數據體系建設根基尚不牢固。為此，要進一步發揮政府引導作用，統籌推進涉農大數據體系建設，特別是要加強對涉農平臺企業的規范治理，明確涉農數據的權屬問題，確保數據的真實性。同時，要加快推進數據交易所等數據基礎設施建設，推動數據資產的交易和流通，確保數據可獲得、可流動、可授權。

　　強化數據的對接與治理。數據整合和利用是數字信用體系構建的關鍵一步。涉農數據源自G端、B端、C端以及金融機構等多方主體，數據分散、標準不統一、整合難度大、共享壁壘高等問題仍較為突出。下一步，要加強涉農數據的整合，構建相應的數據標準，強化數據協同管理，更好地打通金融部門與政府部門、農業產業部門的系統平臺，實現數據的有效融合。同時，要注重數據的合法合規使用，保護好涉農客戶的合法權益，探索構建合法合規的數據權益保護機制，遵循“告知—同意”規則，在獲得客戶授權的前提下做好數據利用，推動涉農數字信用體系構建。

　　優化數字信用評價模型和授用信管理機制。涉農數字信用評價體系的構建在金融領域還處于探索階段，金融機構授信仍以傳統授信模型為主，涉農信貸產品的精細化程度普遍不足。伴隨土地流轉和托管的推進，“三農”客戶的經營規模、融資難易程度出現明顯分化趨勢。調研發現，近年來，涉農小型客戶的信貸覆蓋面在逐漸擴大，但是中型客戶的大額信貸資金需求普遍難以得到滿足，其中缺乏合格抵（質）押品仍是主要原因。金融機構要加快構建更加科學、全面、有效的涉農數字信用評價體系，深入挖掘多維涉農數據的信用價值，把傳統增信手段和數字增信手段有效結合起來，為客戶量身定制信貸產品，切實提高涉農信貸產品的差異化水平和適應性，為彌合涉農融資缺口探索新的解決方案。大型商業銀行要發揮點多面廣優勢，下沉經營重心，在各類經濟主體數據資產流動、使用等方面加強服務支持，助力數字資產增值；在授用信上，要結合產業鏈數字信貸業務的數據驅動特征，加快探索跨區域授用信的協同機制，解決好貸后管理問題。

　　守牢涉農數字信用體系風險底線。涉農數字信用體系涉及的風險結構已發生較大變化，既要防控信用風險、操作風險、欺詐風險等傳統風險，也要警惕新興技術應用帶來的技術風險、數據風險、模型風險。一方面，要全面提升數字化風險防控能力。金融機構要遵循數字化機理，在確保多渠道數據來源真實、數字信用評價模型精準的基礎上，加快探索建設數據驅動的信用風險防控體系及科技驅動的技術風險防控體系。另一方面，要重視線上線下有效結合。涉農數字信用體系構建并不意味著“完全不見人、見事”和“百分百依靠數據”，特別是在涉農數字化風險防控體系尚未完全建立的背景下，更需要充分發揮線下支撐作用，最大限度彌補數據不真實和模型不精準帶來的負面影響。

　　營造農村數字信用體系良好生態環境。涉農數字信用體系構建是一項系統性工程，需要多方參與、共建良好生態。既要發揮好政府引導作用，撬動更多社會資源參與，統籌推進農業產業場景體系建設，探索構建政府、產業、金融發展共同體；也要推動銀行、保險、擔保、基金等不同金融業態協同，尤其是要提升政策性擔保體系整體實力、擴大服務覆蓋面，把各方信用統籌整合，為緩解“三農”融資難、融資貴提供新的思路。同時，要依托商業銀行網點和人員優勢，下鄉開展農村征信知識、金融風險知識、數字知識等相關教育，不斷提高涉農客戶的數字素養和金融素養。

　　(本文作者介紹：權威、專業、理性、前沿，宣傳金融政策、分析金融運行、報道金融實踐)