隨著供應鏈金融市場快速發展，以及行業對支付、融資和供應鏈管理的定制化需求不斷上升，供應鏈金融的數字化轉型比以往任何時候都更為迫切，掌鏈會同中國物流與采購聯合會物流與供應鏈金融分會針對部分重點物流與供應鏈金融服務企業開展了2022年中國物流與供應鏈金融數字化發展調研。通過對對行業領先企業的綜合調研，經匯總分析，形成調研報告如下：

　　一、基本情況

　　1.被調研企業構成情況

　　本次被調研企業按照企業性質分類，國有及國有控股企業占比為17.65%，股份公司占比為8.82%，民營企業占比為52.94%，外資及中外合資企業占比為2.94%，個人企業占比為17.65%（如圖1所示）。

圖1 被調研企業性質構成情況

　　按照企業所在國民經濟行業分類，信息傳輸、計算機服務和軟件業占比為24.14%，金融、保險業占比為13.79%，批發和零售業占比為13.79%，租賃和商務服務業占比為13.79%，交通運輸、倉儲、郵政業占比為17.24%，制造業占比為6.90%，其他行業占比為10.34%（如圖2所示）。

圖2 被調研企業所在行業分類

　　按照企業開展供應鏈金融數字化探索的時間分類，2005年-2008年開始的企業占比為6.90%，2009年-2012年開始的企業占比為10.34%，2013年-2016年開始的企業占比為24.14%，2017年-2020年開始的企業占比為41.38%，2020以后開始的企業占比為17.24%（如圖3所示）。

　　調研數據顯示，自2017年后超過50%的企業開始探索供應鏈金融數字化。自2017年10月國務院辦公廳發布《關于積極推進供應鏈創新與應用的指導意見》（國辦發〔2017〕84號）以來，部委級以上部門推出的推動供應鏈金融及供應鏈金融數字化發展的重點文件有7份。其中，國辦84號文件，要求推動供應鏈金融服務實體經濟，銀行加碼供應鏈金融。在諸多政策指導和政策利好下，越來越多的企業投身供應鏈金融，探索供應鏈金融數字化轉型，至此供應鏈金融迎來加速規范發展新時期。

圖3 被調研企業開展供應鏈金融數字化探索的時間分類

　　按照企業支撐數字化供應鏈金融業務的團隊規模分類，團隊規模為5-10人的企業占比31.03%，團隊規模為10-50人的企業占比41.38%，團隊規模為50-100人的企業占比17.24%，團隊規模為100-200人的企業占比3.45%，團隊規模為300人以上的企業占比6.90%（如圖4所示）。調研顯示，供應鏈金融服務企業數字化轉型人才隊伍建設仍不完善。

圖4 被調研企業支撐數字化供應鏈金融業務的團隊規模分類

　　2.企業供應鏈金融業務發展狀況

　　按照2021年數字化供應鏈金融業務收入規模情況分類，收入規模為500萬元以下的企業占比為31.03%，收入規模為500-2000萬元的企業占比為31.03%，收入規模為2000-5000萬元的企業占比為17.24%，收入規模為1億-5億的企業占比為10.34%，收入規模為5億-10億的企業占比為10.34%（如圖5所示）。

圖5 被調研2021年數字化供應鏈金融業務收入規模情況分類

　　調研顯示，按照2021年供應鏈金融業務整體盈利水平情況分類，盈利20%以上的企業占比13.79%，盈利10-20%的企業占比20.69%，盈利10%以內的企業占比27.59%，基本持平的企業占比27.59%，虧損占10.34%

　　按照2021年數字化供應鏈金融業務成本情況分類，成本增長20%以上的企業占比為24.14%，成本增長10-20%的企業占比為17.24%，成本增長10%以內的企業占比為13.79%，成本基本持平的企業占比為37.93%，成本減少10%以內的企業占比為3.45%，成本虧損20%-30%的企業占比為3.45%（如圖6所示）。

圖6 被調研2021年數字化供應鏈金融業務成本情況分類

　　二、數字化發展情況

　　1.被調研企業數字化發展情況

　　按照數字化供應鏈金融業務的主要模式分類，保理融資模式占比為17.39%，票據融資模式占比為15.22%，存貨質押融資模式占比為13.04%，票據融資模式占比為15.22%，應收賬款質押融資模式占比為11.96%，預付款融資模式占比為11.96%，集采墊資模式占比為11.96%，倉單質押模式占比為8.70%，訂單融資模式占比為6.52%，電子債權模式占比為3.26%（如圖7所示）。

　　從調研數據表示，保理融資模式占居17.39%的多數優勢：

　　一是由于行業門檻低，監管寬松，便于開展業務。相比于其他類金融機構，保理業務對企業注冊資本要求適中，業務開展限制較小，在任意地區注冊保理公司，即可在全國范圍內開展業務；二是保理業務對客戶要求較低，適用企業廣泛。保理融資不需要企業提供擔保或抵押，也不需要提交保證金，以買斷應收賬款的方式提供融資，主要依賴的是債務人的信用。這極大地豐富了保理業務的適用范圍，尤其是與大型企業有業務往來的中小企業，憑借對方較好的支付信用，能夠比較輕松地獲得融資；三是保理業務杠桿率最高為10倍，能有效提高資金利用率。在各大監管機構相繼壓低金融業杠桿率的情況下，保理行業依舊一枝獨秀，享受最高10倍的杠桿，有效提高了保理企業的業務規模。

　　調研結果還顯示，票據融資占比15.22%，是企業較常使用的供應鏈金融模式。近年來，在政策利好背景與市場各方的推動下，票交所積極推動應收賬款票據化，供應鏈票據平臺應運而生，依靠金融科技賦能，服務供應鏈上核心企業和中小微企業。山東、湖南等地陸續推出鼓勵政策，力推供應鏈票據發展，對核心企業簽發供票，接入上海票交所的供應鏈票據平臺予以財政獎勵。由于票據融資能夠大幅降低票據業務的管理成本、提高審核貿易背景真實性的效率和防范票據市場惡性風險事件的發生，未來更多的企業或運用票據融資這一供應鏈金融模式。

圖7 被調研企業數字化供應鏈金融業務的主要模式分類

　　按照數字化供應鏈金融業務單筆融資金額范圍分類，單筆融資范圍為1-10萬元的占比為3.45%，單筆融資范圍為10-50萬元的占比為20.69%，單筆融資范圍為50-100萬元的占比為27.59%，單筆融資范圍為100-500萬元的占比為37.93%，單筆融資范圍為500萬元以上的占比為10.34%（如圖8所示）。

圖8 數字化供應鏈金融業務單筆融資金額范圍分類

　　調查顯示，按照數字化供應鏈金融業務企業的年平均融資次數分類，融資次數為1-5次的企業占比為65.52%，融資次數為6-10次的企業占比為20.69%，融資次數為10次以上的企業占比為13.79%（如圖9所示）。由以上調研數據表明，目前我國企業供應鏈金融業務呈現單筆小額、持續滾動的特征，這一特征也將使企業能更好的控制風險。

圖9 數字化供應鏈金融業務企業的年平均融資次數分類

　　按照供應鏈金融業務融資利率范圍分類，大型企業融資利率為4%-5%的占比為25.9%，融資利率為6%-7%的占比為40.7%，融資利率為8%-10%的占比為18.5%，融資利率為10%以上的占比為14.8%。調研數據表明，超過65%的企業為大型企業提供的融資利率低于7%，這表明大型企業仍然是供應鏈金融業務的“受益者”。

　　大型企業受益一方面因為大型企業行業管理規范，財務制度健全，具有較高知名度，收到外部監督管理更完善，能夠通過公開信息和財務分析手段進行較好的甄別，風險相對易于控制；另一方面，大型企業信貸的單位管理成本低，易于營銷和管理，經多崗位集體決策，出現問題問責相對較輕，“壘大戶”方式成為商業銀行不可言說的共識，大企業資金需求經常能夠得到及時有效滿足。

　　相比于大型企業，小型企業面臨的融資環境不容樂觀，超40%的企業為小型企業提供10%以上的融資利率。從我國銀行歷史數據來看，小型企業信貸不良率相對較高，也缺乏較好的控制手段。小型企業所處的發展時期正式企業生命周期的不穩定時期，企業特征難以有效把握，新投資項目往往周期較長，回款周期較長，利率高、貸款金額和期限與小型企業生產經營周期的不匹配給企業帶來了新的資金壓力，也進一步加重了企業的經營負擔，容易出現風險，進而導致了小型企業貸款時的較高利率。

　　按照數字供應鏈金融服務中小微企業時考慮的主要因素分類，7.04%的企業主要考慮被融資企業的還款能力，4.93%的企業主要考慮被融資企業的行業風險，14.79%的企業主要考慮被融資企業的管理能力，9.86%的企業主要考慮被融資企業的財務報表，17.61%的企業主要考慮被融資企業的信用度，4.93%的企業主要考慮被融資企業的政府政策支持，10.56%的企業主要考慮被融資企業的經營數據是否完善，10.56%的企業主要考慮被融資企業的核心企業信用，8.45%的企業主要考慮被融資企業的擔保物控制，4.93%的企業主要考慮被融資企業的是否有第三方兜底，6.34%的企業主要考慮被融資企業的回購處置（如圖10所示）。

　　調研結果顯示，被融資企業的信用度仍然是企業信貸過程中首要考慮的因素。值得注意的是，被融資企業的管理能力也被視為影響融資的重要因素，管理的本質就是追求效率，但目前我國小微企業的經營成本上升明顯，經營管理能力仍需進一步提升。

　　超過10%的企業認為被融資企業的核心信用是融資時要考慮的因素。當前，隨著我國市場經濟的發展和進一步完善，企業間競爭日益激烈，企業通過賒賬銷售已經成為最廣泛的支付付款條件，同時導致了大量應收賬款的存在。對于廣大中小企業來說，一方面是應收賬款占用了大量的企業資金; 另一方面由于規模小，資信狀況達不到銀行要求，又缺乏足額的財產抵押和擔保支持，很難從銀行獲得生產經營所需的資金，再生產難以為繼。在實踐中，我們發現當核心企業作為債務人為上下游的中小企業信用背書時，核心企業作為供應鏈中的信息交換中心、物流中心、結算中心，能較為充分的掌握被融資企業的相關交易信息，通過將這些信息提供給資金提供方，能有效降低資金提供方的信息獲取成本，減弱借貸雙方的信息不對稱。同時，核心企業通過為被融資企業提供信用擔保、承諾回購質押物以及承諾到期付款等方式參與了整個融資過程，降低了資金提供方資金借出風險。

　　圖10 被調研企業數字供應鏈金融服務中小微企業時考慮的主要因素分類

　　按照線下風控模式的數字供應鏈金融業務是否發生過逾預期及不良貸款比率分類，37.93%的企業不良貸款比率為0.5%以下，10.34%的企業不良貸款比率為0.5-1%，3.45%的企業不良貸款比率為1%-3%，6.90%的企業不良貸款比率為4%-5%，41.38%企業的被服務企業未發生過逾期（如圖11所示）。

　　圖11 被調研企業線下風控模式的數字供應鏈金融業務是否發生過逾預期及不良貸款比率分類

　　按照線上風控模式的數字化供應鏈金融業務不良率與線下風控模式的對比情況分類，3.45%的被調研企業認為線上風控較線下風控風險更大，48.28%的被調研企業認為線上風控較線下風控風險持平，48.28%的被調研企業認為線上風控較線下風控風險降低（如圖12所示）。

　　調研結果表明，超過95%的企業認為，傳統的線下供應鏈金融業務風險不好控制，相較于線下供應鏈金融模式，線上供應鏈金融模式在業務風險控制和提升業務效率上的優勢是顯而易見的。線上供應鏈金融業務能夠有效解決風險控制中最為關鍵的供應鏈上下游客戶身份識別、供應鏈“三流”數據監控、核心企業交易確權、貿易背景核查和抵質押物管理等問題。

　　圖12 線上風控模式的數字化供應鏈金融業務不良率與線下風控模式的對比情況分類

　　按照供應鏈金融風控模型中，對企業進行分析和運營時采用的數據源分類， 24.14%的被調研企業采用稅務數據進行風控，3.45%的被調研企業采用社交數據進行風控，3.45%的被調研企業采用工商訴訟和反欺詐數據進行風控，10.34%的被調研企業采用物流數據進行風控，27.59%的被調研企業采用營業數據進行風控，31.03%的被調研企業采用訂單數據進行風控（如圖13所示）。

圖13 被調研企業進行風控數據來源分類

　　本調研發現79.3%的企業對第三方數據進行安全評估，而20.6%的企業直接運用第三方數據并未對其進行安全評估。65.5%的企業建立了數字化風險管理平臺，34.5%的企業并未建立數字化風險管理平臺。

　　按照公司開展供應鏈金融數字化的技術來源分類，19.23%的企業技術來源于采購專業技術服務企業，38.46%的企業技術來源于自行研發立項，7.69%的企業技術來源于高校、科研院所，11.54%的企業技術來源于產業鏈上下游企業，5.77%的企業技術來源于聯盟組織，15.38%的企業技術來源于第三方專門機構（如圖14所示）。

　　調研結果顯示，超過38%的企業數字化技術來源于自行研發立項，依靠產業鏈上下游企業技術的企業僅為11.54%，表明企業數字化仍處于各自為政的局面，上下游企業間未形成協同合作的局面。不足8%的企業數字化技術來源于高校、科研院所，表明企業、科研機構的產學研協同創新體系還未成熟，相關供應鏈金融科技商業轉化仍待提升。

圖14 被調研企業開展供應鏈金融數字化的技術來源分類

　　2.被調研企業服務企業情況

　　按照2021年服務的融資企業數量情況分類，服務數量為50家以內的企業占比41.38%，服務數量為50-100家的企業占比20.69%，服務數量為100-200家的企業占比6.90%，服務數量為200家以上的企業占比31.03%（如圖15所示），供應鏈金融服務市場集約化仍待提升。

圖15 被調研企業2021年服務的融資企業數量情況分類

　　按照2021年數字化供應鏈金融業務服務客戶數量與上一年對比情況分類，服務企業數量增長20%以上的企業占比為34.48%，服務企業數量增長10-20%的企業占比為17.24%，服務企業數量增長10%以內的企業占比為17.24%，服務企業數量基本持平的企業占比為27.59%，服務企業數量減少20%-30%的企業占比為3.45%（如圖16所示）。

　　圖16 被調研企業2021年數字化供應鏈金融業務服務客戶數量變化情況

　　按照被服務企業所屬行業分類，被服務的物流行業企業占比為22.67%，被服務的零售業企業占比為17.33%，被服務的農業企業占比為14.67%，被服務的石油化工企業占比為10.67%，被服務的汽車及配件企業占比為9.33%，被服務的餐飲行業企業占比為8.00%，被服務的醫藥企業占比為8.00%，被服務的家用電器企業占比為2.67%，還有被服務企業屬于房地產業、批發業、建筑業等（如圖17所示）。

圖17 被調研服務企業所屬行業情況

　　三、數字化升級情況

　　按照2021年供應鏈金融數字化轉型資金投入占營業收入比重比情況分類，投入5%以內的企業占比為44.83%，投入5-10%的企業占比為20.69%，投入10-15%的企業占比為17.24%，投入15-20%的企業占比為6.90%，投入20%以上的企業占比為10.34%（如圖18所示）。

圖18 企業供應鏈金融數字化轉型投資情況

　　按照當前，企業內部各管控環節信息化建設情況分類，51.72%的企業每個流程的監控分工明確并相互連通，37.93%的企業部分流程的監控分工明確并相互連通，10.34%的企業流程之間的監控分工明確但相互不連通（如圖19所示）。調研結果可見，企業內部各環節的信息協同聯通初步實現，但信息互聯共享和全流程信息安全管控仍待進一步強化。

圖19 企業內部各管控環節信息化建設情況

　　調研數據發現，65.5%的企業搭建相關供應鏈金融服務平臺，而34.5%的企業未搭建數字化供應鏈金融服務平臺。按照企業采用的數字化技術與設備情況分類，18.87%使用了EOS系統（電子自動訂貨系統），11.32%使用了條形碼技術，7.55%使用了ASS（自動分揀系統），18.87%使用了EDI系統（電子數據交換系統），28.30%使用了GPS（全球衛星定位系統）與GIS（地理信息系統），11.32%使用了RFID（射頻識別），還有企業使用了數字化視頻監管系統、大宗交易管理系統、供應鏈服務平臺、數字化WMS管理等信息化技術和平臺（如圖20所示）。

圖20企業采用的數字化技術與設備情況

　　按照企業風控使用數據情況分類，17.58%的企業使用了位置監控數據，21.98%的企業使用了實時監控數據，18.68%的企業使用了存貨重量數據，7.69%的企業使用了存貨數量數據，7.69%的企業使用了陌生闖入數據，7.69%的企業使用了出入庫信息數據，還有企業使用了貨物線路數據等（如圖21所示）。

圖21 企業風控使用數據情況分類

　　按照企業貸前、貸中、貸后采用的數字技術情況分類，貸前采用大數據技術的企業占比為13.8%，采用區塊鏈技術的企業占比為6.9%，采用人工智能技術的企業占比為34.5%，采用物聯網技術的企業占比為27.6%，采用云計算技術的企業占比為17.24%；貸中采用大數據技術的企業占比為31.0%，采用區塊鏈技術的企業占比為17.2%，采用人工智能技術的企業占比為6.9%，采用物聯網技術的企業占比為37.9%，采用云計算技術的企業占比為6.90%；貸后采用大數據技術的企業占比為41.4%，采用區塊鏈技術的企業占比為13.8%，采用人工智能技術的企業占比為6.9%，采用物聯網技術的企業占比為13.8%，采用云計算技術的企業占比為24.14%（如圖22所示）。

　　調研數據表明，在貸前企業使用最多的技術是人工智能（34.5%），在實際應用中，人工智能和大數據的融合使用能鞏固核心企業與上下游企業的關系，并提供一個開放式的供應鏈金融平臺。通過核心企業注入其供應鏈管理系統，實現商流、資金流、信息流及物流的信息數據整合，能對上下游企業進行全方位分析并真實反映被融資企業的運營及信用情況，打造專有的大數據風險控制模型，基于大數據的分析審核核心企業的資質和評估被融資企業的還款能力，從而提高放款融資的速度并達到供應鏈體系內的風險平衡，進而降低企業貸前風險。未來更可利用人工智能、機器學習、深層分析，并加載傳感器等物聯網進一步豐富動態數據湖，定期自動更新客戶畫像，主動給優質客戶提升授信額度。

　　在貸中企業使用最多的技術是物聯網（37.9%），物聯網在貸中控制風險上優勢明顯。在貸中，物聯網可以提高供應鏈金融各方交易的透明度，通過傳感技術、導航技術、定位技術等方式，在倉儲和貨運環節來控制交易過程，提高終端交易的真實性。物聯網平臺與資金端結合以后，通過物聯網平臺可以提供產業上下游之間的物流、信息流、資金流的真實交易數據，并確保了資金的回籠，形成了封閉的運行。通過物聯網平臺，打通資金融通、資源需求，打造一個交易數據的平臺、物流服務的平臺、庫存服務的平臺，實現現代物流與現在信息系統的高度融合，形成了整個產業鏈的真實交易數據和信息共享，進而有效控制企業貸中風險。

　　在貸后企業使用最多的技術是大數據（41.4%），在貸后大數據能整合內外相關信息并運用政府有關部門聯網核查系統，加強對小微企業資金流、信息流、物流等的監控，防范企業利用“無間貸”隱瞞真實經營狀況、改變貸款用途等問題。進一步在貸后能探索小微評分卡技術與大數據評判技術，在小型企業客戶關系管理系統中內嵌不良信用企業名單核查機制，加強小型企業風險信息管理，動態調整“無間貸”準入名單，夯實小型企業金融風險貸后防線。

圖22 企業供應鏈金融業務使用技術分類情況

　　按照企業行業產業上下游企業自身信息化水平情況分類，6.90%的企業上下游企業信息化水平高，20.69%的企業上下游企業信息化水平較高， 51.72%的企業上下游企業信息化水平一般,13.79%的企業上下游企業信息化水平較低，6.90%的企業上下游企業信息化水平低（如圖23所示）。

圖23 企業行業產業上下游企業自身信息化水平情況分類

　　四、供應鏈金融數字化發展的問題、挑戰

　　按照企業對2022年企業供應鏈金融經營效益的總體預期分類，20.69%認為2022年企業供應鏈金融將大幅增長（20%以上），44.83%認為2022年企業供應鏈金融將小幅增長（5-20%），31.03%認為2022年企業供應鏈金融將大體持平，3.45%認為2022年企業供應鏈金融將小幅虧損（5-20%）（如圖24所示）。新冠肺炎疫情沖擊和國際貿易摩擦形勢下，行業企業整體趨于謹慎樂觀。

圖24 企業對2022年供應鏈金融經營效益的總體預期情況分類

　　按照制約供應鏈金融數字化轉型發展的困難分類，20.00%制約供應鏈金融數字化轉型發展的困難是企業投入資金不足，21.67%制約供應鏈金融數字化轉型發展的困難是企業人才短缺，23.33%制約供應鏈金融數字化轉型發展的困難是企業金融科技融合運用不足，23.33%制約供應鏈金融數字化轉型發展的困難是企業產業數字化水平偏低，8.33%制約供應鏈金融數字化轉型發展的困難是企業監管政策法律不健全，還有部分企業認為再融資和銀行認同水平低下，政府政策扶持力度不夠等因素，也是制約供應鏈金融數字化轉型發展困難的因素（如圖25所示）。

圖25 制約供應鏈金融數字化轉型發展的困難分類

　　按照當前數字化供應鏈金融專業人才員工缺口情況分類，51.72%的企業認為數字化供應鏈金融專業人才有一些缺口，31.03%的企業認為數字化供應鏈金融專業人才缺口很大，17.24%的企業認為數字化供應鏈金融專業人才基本沒有缺口。綜合可見目前行業數字化供應鏈金融人才不足，是影響供應鏈金融數字化轉型的關鍵制約因素。（如圖26所示）。

圖26 數字化供應鏈金融專業人才員工缺口情況分類

　　本調研對數字化供應鏈金融專業人才缺口類型進行了調研，據調研數據顯示，企業希望補充的人才可分為三類：一是技術型人才，包括掌握區塊鏈、大數據等技術的人才；二是金融領域人才，包括能靈活掌握財務管理的人才，熟悉金融業務可開拓市場的人才，熟悉大數據產品等的人才；三是金融科技復合型人才。

　　對監管層面需要采取哪些措施加快供應鏈金融數字化發展，被調研企業中18.18%希望政府能建立統一公共信息平臺，，13.22%希望政府能建立技術實施標準，14.05%希望政府能建立設置各類數據的開放共享規則，11.57%希望政府能舉辦供應鏈金融專項培訓，加強政策宣講和業務輔導，9.09%認為政府金融科技融合運用不足，4.13%認為政府監管政策法規不健全，4.13%希望政府能提供就業穩崗補（如圖27所示）。

　　圖27 企業希望政府采取哪些措施加快供應鏈金融數字化發展情況分類

　　五、數字化發展概貌及政策建議

　　綜合本次調研可見，2021年中國供應鏈金融數字化發展概貌如下：

　　1.疫情加速數字化服務。2020年以來新冠肺炎疫情沖擊線下交易和金融服務，同時供應鏈服務加速數字化發展。傳統商業銀行加速運開展線上化、移動化、數字化和智能化轉型，探索場景化綜合供應鏈金融服務平臺，為產業鏈供應鏈上生產、分配、流通、消費等各鏈條提供金融賦能。

　　2.數字化發展已成主流。自2017年后超過50%的企業開始探索供應鏈金融數字化；超過60%的企業能保持盈利，約27%的企業能營收持平；約90%的企業不良貸款比率能控制在0.5%以下，線上供應鏈金融模式能有效控制企業風險；超過85%的企業服務客戶數量保持增長態勢，數字化供應鏈金融業務蓬勃發展。

　　3.數字化升級領域拓寬。數字化供應鏈金融的領域在不斷拓展，越來越多細分市場供應鏈金融開展數字化升級。農業與養殖、制造業進口貿易與跨境、貨運、倉儲等各類物流服務，大宗商品、汽車、醫療與醫療器械、基建與地產、家電業等眾多領域均涉獵數字化供應鏈金融服務。供應鏈金融數字化。

　　4.科技加快資金周轉速度。數字化供應鏈金融能滿足被融資企業單筆融資金額數量少，融資周期短，融資周轉速度快的融資方式，這種融資方式不僅能有效降低資金提供方的資金風險，并且能夠對被融資企業實現閉環管理。

　　5.供應鏈融資模式更豐富。保理融資（17.39%）、票據融資（15.22%）、存貨質押融資（13.04%），是企業最常用的三種融資模式，這三種融資模式的共有特點就是業務門檻較低、業務風險較小。

　　6.中小企業融資成本較高。超過65%的企業為大型企業提供的融資利率低于7%，這表明大型企業仍然是供應鏈金融業務的“受益者”。相比于大型企業，小型企業面臨的融資環境不容樂觀，超40%的企業為小型企業提供10%以上的融資利率。

　　7.數字化科技創新來源多。超過38%的企業數字化技術來源于自行研發立項，依靠產業鏈上下游企業技術的企業僅為11.54%，表明企業數字化仍處于各自為政的局面，上下游企業間未形成協同合作的局面。不足8%的企業數字化技術來源于高校、科研院所，表明企業、科研機構的產學研協同創新體系還未成熟。

　　8.貸前風控手段得到提升。人工智能與大數據技術的結合運用，能對上下游企業進行全方位分析并真實反映被融資企業的運營及信用情況，打造專有的大數據風險控制模型，基于大數據的分析審核核心企業的資質和評估被融資企業的還款能力，從而提高放款融資的速度并達到供應鏈體系內的風險平衡，進而降低企業貸前風險。

　　9.貸中科技賦能監管強化。物聯網、大數據、云計算等科技得綜合應用，可以提高供應鏈金融各方交易的透明度，通過傳感技術、導航技術、定位技術等方式，在倉儲和貨運環節來控制交易過程，提高終端交易的真實性，進而有效控制企業貸中風險。

　　10.貸后動態風險防控增強。大數據通過整合內外相關信息并運用政府有關部門聯網核查系統，加強對小微企業資金流、信息流、物流等的監控，防范企業利用“無間貸”隱瞞真實經營狀況、改變貸款用途等問題，動態調整“無間貸”準入名單，夯實小型企業金融風險貸后防線。

　　11.復合型專業人才缺口大。超過20%的企業認為人才缺乏是制約供應鏈金融數字化發展的因素，超過80%的企業認為數字化供應鏈金融人才缺口較大，其中會技術、供應鏈金融的復合型人才缺口最大，供應鏈人才危機逐漸凸顯。

　　基于本次調研及行業問題，當前階段在推進物流與供應鏈金融數字化轉型方面，還需要強化如下工作。

　　1.進供應鏈數據互聯共享。夯實供應鏈金融數字化信息共享的底層支撐，加強央行、商務、發改、工信、交通、網信辦、銀保監會等多部門參與的產業供應鏈數據共享機制，深入推進供應鏈數據采集、流通和應用等規范化發展，強化全鏈路、全口徑的數據共享。鼓勵供應鏈核心企業與上下游企業協同，共同構建供應鏈數據平臺，推進相關數據全鏈路穿透。

　　2.加強供應鏈金融協同共治。大力推進央行、司法、公安、網信辦、發改、商務、工信、銀保監會等跨部門參與的供應鏈金融協同治理體系，強化供應鏈數字流通及信息共享共用的底層法規建設，推進跨部門協同防范供應鏈金融風險。

　　3.搭建統一的公共信息平臺。：推進政府搭建標準統一、安全可控的公共信息平臺，強化產業互聯網、行業信用公共信息服務平臺，切實保障企業獲取信息的真實性和安全，降低企業的信息獲取成本。

　　4.強化科技升級風控體系。積極推進物聯網、區塊鏈、大數據、云計算、人工智能等數字科技在供應鏈金融貸前、待中、貸后全流程的應用，強化科技賦能風控體系。完善數字債權憑證，積極推進互聯網票據融資，助力金融機構服務中小微企業風險可控。引導企業強化科技研發，不斷推進相關數字供應鏈金融技術及設備、設施的完善。

　　5.強化金融科技產學研協同。鼓勵領先企業與院校、智庫等聯合共建供應鏈金融科創中心，強化區塊鏈、物聯網、5G終端、人工智能等領域科技在供應鏈金融領域的應用，積極推進產學研聯合攻關和行業應用推廣。

　　6.完善供應鏈金融服務標準。強化相關供應鏈金融服務的電子信息的標準化、規范化，以標準推進企業間的有效數據交換，提升流通鏈條協同效率。統籌推進供應鏈物流領域的面單、運單、倉單、提單等流通銜接單證的電子化、標準化。

　　7.完善數字金融人才體系。強化供應鏈金融基礎理論研究和教育、培訓，建立一批供應鏈金融教學示范基地。以工學交替、雙元制、半工半讀、遠程教育等多種方式培養供應鏈金融科技人才，提升傳統企業人才素質。強化國際供應鏈金融人才交流及海外實踐，培養和吸引具備高尚職業道德、較高人文素養、通曉數字科技和國際法規標準的復合型人才。

　　（作者：雪晴  曾彧）