部分资料来源：Lighthouse互联网实验室
随着社会化生产方式的不断深入，市场竞争已经从单一客户之间的竞争转变为供应链与供应链之间的竞争，同一供应链内部各方相互依存，"一荣俱荣、一损俱损"。与此同时，由于赊销已成为交易的主流方式，处于供应链中上游的供应商，很难通过"传统"的信贷方式获得银行的资金支持，而资金短缺又会直接导致后续环节的停滞，甚至出现"断链"。
维护所在供应链的生存，提高供应链资金运作的效力，降低供应链整体的管理成本，已经成为各方积极探索的一个重要课题。因此，“供应链金融”应运而生。
从定义上来看，供应链金融(Supply ChainFinance,SCF)是指以金融平台为基础,以客户需求为导向，以真实性交易信息为依据，形成的服务于实体产业上下游中小企业的链组式组织形态，为企业提供包括动产抵押、货权抵押、供应链整体信用担保等一系列的综合性金融产品服务。
据悉，供应链金融属于金融创新业务,发展至今已有20年之久。预计到2020年,供应链金融市场规模将达到15.86万亿大关，其巨大的利润空间吸引着各方金融中介机构、企业、金融科技公司以及金融信息服务机构等各类主体加速布局市场。
但风光无限的背后，却潜伏着重重风险：
1
政策环境风险：
• 经济环境风险:在一定的经济环境中,处于不同行业的供应链较易受经济波动的影响 。一旦经济出现下行或衰退时,资金供给不足,供应链中企业面临现金流断裂导致的生存危机,使整个供应链资金风险加剧。
• 监管环境风险:随着众多类金融机构参与到供应链金融领域,其相应的金融风险会随 之加大。一旦监管环境发生变化,监管机构将会对资金方提供的金融业务的监管力度提高或约束范围扩大。
2
供应链金融内容内部风险
3
技术环境风险
计算机和网络技术的普及与突破,带来便利的同时,也使得技术漏洞、网络安全和信息泄露等一系列问题出现。
而值得关注的是，在供应链背景下，中小企业的信用风险已发生根本改变，其不仅受自身风险因素的影响，而且还受供应链整体运营绩效、上下游企业合作状况、业务交易情况等各种因素的综合影响，任何一种因素都有可能导致企业出现信用风险。可以看到，信用风险是供应链金融中的首要风险。
在此背景下，大数据技术的应用逐渐得到业内广泛关注。
大数据解决供应链金融风险的方式：
1
企业信用评估解决信用风险问题
（1）数据获取
随着服务用户的逐渐下沉，数据的获取越来越多维度化，总结来说，有以下四个方面：
企业属性：如公司的注册总额、融资轮数等等。
信用属性：收入潜力，偿还能力，资产状况等等。
交易特征：上下游企业的交易流水，交易频次，稳定性，从而给客户设定一个消费的画像。
社交属性：创始人背景，公司文化，合作企业是否有违约公司等等。
（2）数据运用
主要来说通过两点，第一，利用信用评估模型，进行信用评估，验证其是否有能力还款，或者是否要较高的还款意愿，从而抑制坏账的产生。模型通过不断的自我迭代，实现较强地迭代升级，保证对企业信用评估的准确性。
其次，金融机构间利用大数据共通的方式解决多方借贷问题，保证核心企业有足够的偿还能力。
2
存货市场波动解决存货质押资产风险问题
一方面，大数据会采集市场行情，并对存货的价格进行预测以及波动分析，尽早提出预警，从而减少存货滞留或大幅价格变动导致的损失。
另一方面，金融科技通过风控模型进行评估，利用精密设计的服务模型组进行资产风险防控，通常包括数十个模型，例如：身份验证模型；信用评分模型；行为评分模型，欺诈模型；虚拟交易模型；还款意愿模型；资金饥渴度模型；从而保证资产的安全。
综上所述，企业应运用数据挖掘和分析技术，筛选优质客户，减少对核心企业增信的依赖。同时，对于货押模式的供应链融资业务，大数据的引入可以打造押品价格库，实现市场行情关注和价格波动报警等功能，即基于大数据打造“N x N”网状供应链模式，其特征主要有以下两点：
（1）信用评估
企业可以利用大数据对客户进行更细致的信息评级，从而做到数据质押，企业从客户财务数据、交易数据、生产数据、资产负债、投资偏好、成败比例、技术水平等进行全方位分析，通过内置模型使量化客户的信用程度，能客观反映企业状况，从而提高资信评估和放贷速度。
（2）风险预警
最后，大数据的优势是行情分析和价格波动分析，尽早提出预警，对行业风险、供应链风险进行预警。行业风险是最大的风险，例如行内大多企业都不景气，则会进行提前预警。早预见一天都能有效减少风险。对单条供应链金融分析控制，也可以提前得知企业上下游及自身的风险状况。
很显然，未来大数据将在供应链金融领域得到充分体现。
因为供应链金融最终是要实现“物流”、“商流”、“资金流”、“信息流”的“四流合一”。与传统金融相比，供应链金融不再单纯看中贷款企业的财务报表等静态数据，转而对企业的动态经营数据进行实时监控，将贷款风险降到最低。
所以，供应链金融参与主体在掌握了大量的动态客户交易信息之后，如果不能够及时、准确地对客户信息进行分类整理并分析也是无法有效地开展供应链金融产品服务的。
在此背景下， 大数据的应用或者说是大数据平台的建设是在“互联网+“浪潮下的供应链金融未来发展的一大趋势。
供应链金融参与主体通过自建或者与大数据机构合作建立大数据平台，为贷款企业客户量身定制全方位、多维度的分析报告，可以依托大量的真实交易数据来源和大数据处理技术，计算出各标准数据的区间范围，通过上下游企业数据的匹配，对贷款企业客户的资信状况进行全面合理判断。
而大数据在供应链金融业务领域的应用，可以快速地帮助各参与主体进行大量且非标准化的交易数据的整理和分析，并且可以帮助参与企业节省成本，提高信息利用效率以及提供融资服务的实现效率。
未来，在国家支持政策的放开和“互联网+”浪潮的推动下，包括商业银行、核心企业、物流企业、供应链协作企业、电商平台和P2P平台等在内的各方参与主体将利用自身的优势在供应链金融领域展开充分的合作和竞争，而大数据也必然将迎来更大的应用与发展空间。
