数字普惠金融是我国金融服务的大势所趋。近年来，随着大数据、区块链、人工智能等新技术的发展，数字普惠金融成为缓解小微企业融资难问题，提升实体经济服务质效的重要抓手。

商贸物流企业的融资难题

围绕每年200万亿物资的流动和10万亿物流费用的流转，随着近来经济发展压力的增大，许多中小微企业仍面临着融资难题。根据工信部统计数据显示，中国有33%的中型企业、38.8%的小型企业和40.7%的小微企业的融资需求得不到满足。

商贸物流企业具有“融资难、贵、慢”的特征。一方面，商贸物流企业因缺少抵押物，征信数据缺乏等原因，给传统商业银行发放贷款带来极大的不确定性。另一方面，商贸物流企业业务交易偏向线下，仅依靠交易、交付环节的纸质信息，缺少足够的手段来证明贸易的真实性，造成金融服务难以做到高效的风险管理和服务。

供应链金融破局商贸物流金融难题

传统的供应链金融服务风控模式建立在商流和资金流基础上，基于融资方及贸易另一方的征信以及纸质文件等信息来证明贸易的真实性。但其也面临着支付环节缺失的问题。仅仅依靠交易、交付环节的信息，缺少了足够的手段来证明贸易的真实性，就造成金融服务难以做到高效的风险管理和服务。所以，有关部门始终强调要在依托贸易真实性的基础上，发挥核心企业的信用传导作用，对产业链条上的物权、债权等信息流进行监控，以解决业务信用风险的管控难题。

传化支付以贸易真实性为突破口，联合银行金融机构在获取收货方授权的前提下，合法合规利用大数据等技术对物流信息、用户信息、支付订单信息进行风险建模。在此基础上，银行金融机构将线上模型与线下审核相结合，为用户提供基于物流场景的定向融资服务，实现“先提货后付款”，满足中小微商贸企业、物流公司短期高频的业务资金需求。

以商贸物流业务场景为例，以支付环节为切入口，实现业务和物流的无缝对接，让企业的信息流在平台上形成一条真实可溯的“运动轨迹”，并通过基于商贸物流供应链的风控建模，依托轨迹丰富企业“画像”。

随着“运动轨迹”的丰富，企业“画像”也从基本轮廓到素描，再到像素更高的清晰照片。这条“运动轨迹”就像一条通道，为物流的两端企业打造了一条“高速公路”，一方面解决中小微企业的现金流问题、解决物流行业回款难题，同时提升物流行业信息化程度及财务工作效率，为物流公司财务管理带来极大便捷。

另一方面通过机器学习技术，建立物流场景的风险分析模型和金融服务匹配机制，使用大数据技术整合商贸物流供应链各参与方物流信息，帮助银行金融机构加深对末梢实体物流商贸经营情况的了解，帮助传统金融机构有效落实普惠金融政策。

在技术方面，使用流式计算技术提升对海量数据的分析与并发处理能力，缩短数据分析处理时间，提高风控实时响应能力。在风险防控方面，经用户授权，通过受托支付方式实现借款资金的定向支付，确保支付对象和使用场景的可控，有效防止资金空转，实现了资金闭环管控。