圖片來源：鈦媒體
在農(nóng)村信貸領(lǐng)域，網(wǎng)商銀行“放了一顆衛(wèi)星”。
網(wǎng)商銀行近日宣布，衛(wèi)星遙感技術(shù)將在農(nóng)村金融領(lǐng)域商用。這套以衛(wèi)星遙感技術(shù)為基礎(chǔ)的農(nóng)村金融風(fēng)控系統(tǒng)，被網(wǎng)商銀行命名為“大山雀”——它也成了“阿里動物園”內(nèi)的最新一名成員。
農(nóng)村金融長期以來是金融業(yè)的老大難問題。2019年底發(fā)布的《中國農(nóng)村金融服務(wù)供給與需求研究報(bào)告》顯示，農(nóng)戶的信貸需求依然旺盛，31.39%的樣本農(nóng)戶存在正規(guī)信貸需求；但傳統(tǒng)銀行機(jī)構(gòu)信貸滿足率仍然較低，僅有18.38%的農(nóng)戶通過申請獲得銀行貸款。
一位農(nóng)村金融領(lǐng)域的創(chuàng)業(yè)者此前曾向鈦媒體分享其個(gè)人經(jīng)歷，“業(yè)內(nèi)有很多人都研究過農(nóng)村和農(nóng)業(yè)，想做農(nóng)村金融，但很多人調(diào)研完成后都沒敢做。大家對農(nóng)村金融感興趣是因?yàn)檫@塊至少有三萬億的資金缺口，但他們不敢做是因?yàn)殡y度確實(shí)很大。”
網(wǎng)商銀行表示，將在全國690余個(gè)涉農(nóng)縣區(qū)率先推廣該技術(shù)，覆蓋全國三分之一的涉農(nóng)縣區(qū)，以山東、河南、河北、湖南、湖北、江西、安徽、福建、廣東、廣西等農(nóng)業(yè)大省為主，在試用期，已經(jīng)有超過5萬農(nóng)戶使用。
需要注意的是。網(wǎng)商銀行自己并不發(fā)射衛(wèi)星，主要是靠從衛(wèi)星公司處采購遙感史料圖，而圖像處理、加工、算法工作均由網(wǎng)商銀行自己的人工智能團(tuán)隊(duì)負(fù)責(zé)。
孵化“大山雀”
“大山雀”誕辰于一次網(wǎng)商銀行內(nèi)部的頭腦風(fēng)暴。
此前使用較為廣泛的是利用無人機(jī)監(jiān)測農(nóng)戶資產(chǎn)——比如搜集稻田信息，但是缺點(diǎn)在于，成本高、操作復(fù)雜，并且從全國的角度看，無人機(jī)也很難高效覆蓋。這時(shí)候，網(wǎng)商銀行想要找到一個(gè)“超級無人機(jī)”，不需要人工的干預(yù)，也能夠拍攝出穩(wěn)定的畫面。
“有一次晚上開會，突然有一個(gè)同事提到，衛(wèi)星就像是無人機(jī)，而且不眠不休，不需要人工的干預(yù)，拍攝出來的圖像也是清晰的。”網(wǎng)商銀行農(nóng)村金融算法專家王劍回憶，“當(dāng)時(shí)大家非常的興奮，但是我們真正干的時(shí)候，發(fā)現(xiàn)這個(gè)問題非常難。”
國內(nèi)國外，此前并沒有在信貸領(lǐng)域有過衛(wèi)星遙感的先例，主要有兩大技術(shù)難題：
一是全國農(nóng)作物品種復(fù)雜，比如黑龍江的稻谷和南方的稻谷可能品種不一樣，光譜特征不一樣，存在同物異譜問題。并且，全國地形地貌、氣象等差異較大，這都增加了精準(zhǔn)識別農(nóng)作物的難度。
第二，由于風(fēng)控的時(shí)效性要求，相當(dāng)于有天眼模式一直盯著這塊地看。那么就需要高頻地識別所有縣域的種植情況，對計(jì)算能力都提出了很大挑戰(zhàn)。
王劍表示，衛(wèi)星遙感技術(shù)在導(dǎo)航、保險(xiǎn)理賠等領(lǐng)域都有廣泛運(yùn)用，但是由于農(nóng)業(yè)保險(xiǎn)一般只需要出險(xiǎn)的時(shí)候看一次，且面積不會太大，但信貸領(lǐng)域的風(fēng)控要求必須經(jīng)常觀察作物的長勢，需要的計(jì)算量和準(zhǔn)確率是成幾何級數(shù)增長的。
通過不斷的農(nóng)田校驗(yàn)，測試、圈地、校驗(yàn)?zāi)Ｐ停⑶医柚浵伡瘓F(tuán)、網(wǎng)商銀行積累多年的云計(jì)算、人工智能等能力，對以上問題逐個(gè)攻克，最終實(shí)現(xiàn)了農(nóng)作物識別準(zhǔn)確率在93%以上。
背后的基礎(chǔ)原理是，隨著時(shí)間的變化，植物吸收和反射太陽光不同；不同作物在同一個(gè)時(shí)間，吸收和返回太陽光的量也是不同的。因此，能通過光的變化來區(qū)分他的作物品種及其生產(chǎn)階段。
該產(chǎn)品已獲批杭州市金融科技監(jiān)管試點(diǎn)：按照以上預(yù)期規(guī)模計(jì)算，該產(chǎn)品每筆貸款額度大約在3萬元
具體來說，網(wǎng)商銀行運(yùn)用衛(wèi)星遙感技術(shù)，以五天為周期，實(shí)時(shí)更新衛(wèi)星影像和識別結(jié)果，監(jiān)測農(nóng)作物的長勢，判斷作物所處的育苗期、拔節(jié)期或收割期等階段，進(jìn)而分析農(nóng)戶插秧、打藥、追肥以及收割時(shí)期的不同資金需求：在貸前階段識別作物種類及面積給出授信額度，貸中識別作物長勢監(jiān)控潛在風(fēng)險(xiǎn)，動態(tài)調(diào)整授信額度。
王劍認(rèn)為，衛(wèi)星遙感技術(shù)是唯一一個(gè)可以規(guī)?；慕鉀Q農(nóng)村金融行業(yè)痛點(diǎn)的一個(gè)技術(shù)手段。
農(nóng)村金融需要商業(yè)化可持續(xù)
利用衛(wèi)星來經(jīng)營信貸，成本如何、是否能商業(yè)化應(yīng)用？
王劍自己主動回應(yīng)了這一質(zhì)疑：
成本分兩個(gè)方面，第一個(gè)方面是相對人工來說，成本是大幅度降低的，人工的線下盡調(diào)成本非常高，每一筆貸款可能是成百上千元，但是用我們這一套衛(wèi)星遙感的技術(shù)，我們可以把成本希望降到幾元錢。
另外一方面，在使用衛(wèi)星遙感技術(shù)過程中間，我們也會刻意降低成本。分辨率越高，識別越容易，但是成本越貴，所以我們會選擇中低分辨率的，非常便宜的衛(wèi)星遙感影像來提升我們的算法，更多用技術(shù)的手段來降低遙感衛(wèi)星應(yīng)用的成本，讓接下去會做得更普惠。
“任何一項(xiàng)技術(shù)加入你成本高，不能商業(yè)應(yīng)用，也就沒有意義。”王劍說到。
長期以來，高成本是農(nóng)村金融發(fā)展的主要掣肘因素。
這主要是由農(nóng)村地域的特殊性帶來的——征信覆蓋面低、地理位置偏遠(yuǎn)、客戶教育成本高、營銷難度大，這些因素都會加大金融機(jī)構(gòu)隱性的管理成本。由于傳統(tǒng)銀行經(jīng)營模式的限制，其在服務(wù)“三農(nóng)”領(lǐng)域時(shí)的邊際成本難以降低。
與高成本并存的還有高風(fēng)險(xiǎn)，銀行業(yè)中涉農(nóng)信貸比例較高的農(nóng)商行不良貸款比率，顯著高于銀行業(yè)整體。在農(nóng)村金融機(jī)構(gòu)中，農(nóng)信社的信貸投放最具有普惠性質(zhì)，客戶最為下沉，其不良貸款比例更是常年超過7%。
另以農(nóng)商行為例，據(jù)銀保監(jiān)會數(shù)據(jù)，今年上半年農(nóng)商行不良貸款率達(dá)到了4.22%。當(dāng)前商業(yè)銀行不良貸款余額中，城農(nóng)商行占比43%，而資產(chǎn)占比僅26%。上半年商業(yè)銀行新增不良貸款中，有48%來自城農(nóng)商行。
在此前的農(nóng)村金融實(shí)踐中，線下盡調(diào)模式運(yùn)營成本較高，但在實(shí)踐中顯示了不錯(cuò)的風(fēng)控效果。主要采用該模式的中和農(nóng)信——同樣由螞蟻金服參與戰(zhàn)略投資，實(shí)現(xiàn)了連續(xù)6年盈利，并保持著不超過1%的低不良率。
而阿里此前在農(nóng)村金融方面的嘗試則主要在供應(yīng)鏈金融領(lǐng)域，其主要客戶來自于淘寶零售鏈條之中，以此進(jìn)行獲客和風(fēng)控。
此番的“衛(wèi)星計(jì)劃”則在一定程度上突破了這兩方面的限制，既有望低沉本實(shí)現(xiàn)線下盡調(diào)，又有機(jī)會關(guān)照到阿里生態(tài)體系之外的農(nóng)村信貸客戶，這也正是“大山雀”遇到的歷史機(jī)遇。
（本文首發(fā)鈦媒體APP，作者 | 蔡鵬程）
90.10萬次播放
Oh! no
您是否確認(rèn)要?jiǎng)h除該條評論嗎？