当前位置:100EC>电商金融>文沥携手京东金融 解决品牌经销商融资难题
文沥携手京东金融 解决品牌经销商融资难题
发布时间:2018年06月20日 20:14:07

(电子商务研究中心讯)摘要:中小企业对于支持国家经济增长和劳动就业起着非常重大的作用,然而世界银行的调研报告显示,融资约束是影响中小企业发展的主要障碍之一。 

众所周知中小企业抗风险能力低、缺乏抵质押品、融资成本高;另外由于信息化水平有限,财务透明度差、调研成本大、很难获得贷款审批,或者审批流程过长、到款不及时。文沥团队长期关注品牌经销商,结合同样关注这个群体的京东金融,打造了一款针对品牌经销商为代表的中小企业金融产品—“京易贷”。 

品牌经销商的下级渠道主要可分为传统渠道、现代渠道,无论哪个渠道,品牌经销商由于商业优势不明显,往往以赊销方式与客户进行交易,因此存在大量的应收账款资产,同时也代表应收账款周转时间较长、融资需求特别大。“京易贷”的产品设计思路,是以品牌经销商进销存或ERP管理软件中的采购、库存和销售贸易数据为基础,依托文沥数据采集能力和独创的交易征信模型,加上品牌商确认的经销商数据做交叉验证,授信以品牌经销商全量历史贸易数据匡算其授信额度,以应收资产为提款限制条件并通过定向支付品牌商,确保还款能力和贷款的正常用途。该产品紧密结合了上下游的资金流向和贸易结构,合理高效地控制信用风险,通过自动贷中贷后管理降低管理成本及过程中的操作风险从而进一步降低品牌经销商融资成本。

 _276280001.png

京易贷产品模式 

“京易贷”率先实现全自动化审核、放款、结算还款的融资体验,可以实现全线上完成融资放款及定向支付采购货款。核心企业只需确认销售完成无须改动原有贸易流程,经销商只需提供必要的文件资料,通过数据对接完成授信的申请和审批,因而极大简化了传统审贷审批的繁琐漫长流程,并且避免过度依赖核心企业的配合和承担财务担保责任等问题。而对金融机构而言,通过一系列风控条件的设计,确保融资产品具有低违约概率(PD)、低违约损失率(LGD)的优势,特别是通过以交易数据为主的多源数据从不同侧面建立完整的防欺诈过滤和贷后自动预警的机制,减少人工成本、提高信贷风控效率。

_276280002.png

以交易数据为基础的多源数据结构 

利用统计原理设计的防欺诈过滤条件与传统银行的业务模型也并无冲突,可以结合使用,也填补了传统信贷模式下由于对数据本身挖掘的不够充分而产生的监控缺口。优点在于,该模型不仅仅可以应用于京易贷,在其他金融产品中也可具有广泛的适用性。

_276280003.png

文沥数据防欺诈模型 

目前已经有多家品牌经销商成功申请“京易贷”并获得了授信和放款,由于递交资料可以在线上完成,且材料相对简单,通常授信周期在上传资料后的5个工作日以内;利率区间为11%~14%之间,主要通过经销商提交本身进销存数据、确保销售回款等方式取得更优惠的利率。横向比较一年期的BBB级和BB级的企业债年息达到15.29%和20.69%。该产品解决众多品牌经销商融资难、融资贵的经营痛点,大幅降低了中小企业的资金成本和时间成本。 

据电子商务研究中心(100EC.CN)了解,从2017年11月至2018年第一季度末,文沥直接支持获得授信的中小企业数超过120家,授信额度超过10亿元,累计放款金额超过12亿元。目前文沥间接支持的(仅提供数据征信技术)金融机构也在逐步增加中,这意味着未来将有更多品牌经销商和中小企业可以借助这一供应链交易征信技术解决融资难题。(文/赵婧)

双十一刚落下帷幕,网经社与电子商务研究中心又启动“直击黑五 全球网购狂欢盛宴”行动(http://www.100ec.cn/zt/18h5/),通过滚动播报、专题直击、现场探访、社群直播、平台调研、用户调查、网购预警、数据监测、电商快评、系列报告、媒体评论、投诉维权等多元化、立体化方式,对洋码头网易考拉寺库小红书丰趣海淘等专业跨境电商平台,以及亚马逊中国天猫国际京东海外购淘宝全球购唯品国际苏宁海外购聚美优品等涉足跨境的综合电商平台,展开持续跟踪、监测、研究、评论、评测、监督,为您带来跨境电商版的“双11”大促全貌。

【关键词】京东文沥京易贷
股票名称/代码
$/总资产
$/营收
$/净利润
  • 阿里巴巴BABA.US
  • 1092亿
  • 385亿
  • 94.5亿
  • 京东JD.US
  • 282.6亿
  • 557.4亿
  • 7.7亿
  • 唯品会VIPS.US
  • 583.2亿
  • 112.2亿
  • 0.4亿
  • 宝尊电商BZUN.US
  • 4.60亿
  • 6.40亿
  • 0.3亿
  • 聚美优品JMEI.US
  • 7.60亿
  • 8.90亿
  • -0.06亿
  • 寺库SECO.US
  • 3.60亿
  • 5.80亿
  • 0.03亿