亞洲大學和臺灣金融科技公司聯手，要用AI和區塊鏈打造國產供應鏈金融平臺

亞洲大學聯合臺灣金融科技公司(Fusion$360)正在研發一項國產的供應鏈金融信用分析技術，要結合AI和區塊鏈技術，整合供應鏈上下游業者、甚至是競爭對手的情報，來評估中小企業的信用風險並作為銀行徵信參考，進而提高這些中小企業借貸成功的機率。

這項計畫主要推手亞洲大學大數據研究中心主任林蔚君表示：「在金融與科技結合的浪潮下，我們可以運用各式各樣的管道蒐集更多資訊，進一步做更好的徵信，讓更多人享有借貸的服務。」她強調，供應鏈金融是近兩年才興起的概念，雖然已有企業已經開始提供服務，但以區塊鏈及AI技術來實踐的案例不多，這也是亞大團隊與其他業者的不同之處。

相較於大公司，林蔚君指出，小規模的企業通常因資訊不透明、缺乏信評基礎，導致銀行必須花更多時間與人力來辦理業務，自然會降低授信意願，而影響了其借貸額度。而中小微型企業無法取得授信，不僅會因資金周轉不順無法擴大投資，也容易選擇高利率的信用卡融資，來滿足短期周轉需求，長久以往不利於企業的經營與擴展。

近兩年來，國外開始興起「供應鏈金融」服務，整合供應鏈資訊，設法將單間企業不可控的融資風險轉化成可控的風險。林蔚君也帶領的亞洲大學團隊，運用台灣金融科技公司的API管理系統APIM、區塊鏈及AI技術，來研究新的供應鏈信用分析方法。林蔚君表示：「我們要讓借貸真正落實大中小微型企業或個人，達到普惠金融的目的。」

整合上下游競合企業情報和第三方資料來訓練徵信AI模型

首先，研究團隊採用Fusion$360的APIM平臺，即時同步供應鏈上下游資訊，也利用此平臺提供的區塊鏈技術，來確保供應鏈中的商業票據、交易紀錄等資料不被篡改。

研究團隊接著以自然語言處理技術，設計出供應鏈上下游關聯的輿情探勘技術，可以用來分析多種企業資料。林蔚君指出，不僅要用企業本身的財務報表來評估風險，還納入供應鏈上下游體系、競合企業的情報，包括中心廠的訂單與應收應付帳款、企業過往的交易紀錄、外部網站蒐集到的第三方資料等。

蒐集了資料並標記後，研究團隊再利用機器學習進行供應鏈上下游關係與競合關係的預測，來建立一套供應鏈信評模型，用以分析中小企業的隱性經營績效與未來風險。此外，林蔚君指出，透過區塊鏈認證的機制，可以讓AI模型產生的信評分析更可信。

此研究目前使用了三組數據實際驗證，分別來自TEJ資料庫、國際銀行以及半導體零組件通路業者。例如，研究團隊使用某家半導體零組件通路業者近三年來、與15,000家客戶的交易資料，包括專利、部落格與公司負責人網絡等外部非結構化資料等，透過機器學習建構出上下游與競爭企業關係圖，並以此強化信用評等。林蔚君指出，目前這個模型在預測企業違約（應付卻無付款）的準確率高達80%。

另外，研究團隊也以TEJ資料庫中，近3000家上市上櫃公司、上下游競合企業的財務資料，來預測該企業下市下櫃的風險，準確率高達近95%。林蔚君說明，用供應鏈資訊來衡量，比傳統作法單看一家公司來衡量企業信用的作法，前者的效果可以更好。目前亞大研究團隊已經與三家中心廠及一間銀行簽訂MOU，目標要在明年成立新創公司，實際推動技術的應用。

亞大供應鏈金融服務打破生態系限制，要與國際同類服務區隔

目前國際已有不少供應鏈金融服務，包括隸屬阿里巴巴集團的螞蟻金服、鴻海旗下富金通與點融網共同推出的鴻海Chained Financed、以及上海的萬向供應鏈服務平台，不同企業提供融資服務的對象以及評估方式均有所差異。

例如，螞蟻金服是針對阿里巴巴集團生態系內的企業提供服務，以電商平臺「淘寶」、金流平臺「支付寶」為核心，將企業在淘寶網上面的交易紀錄、是不是有準時交貨、服務的滿意度等，列為評估信用的指標；鴻海Chained Financed則是透過區塊鏈，提供鴻海體系內企業享有實時融資、低手續費、低利率、高度自動與無紙化的供應鏈金融服務，在企業需要融資的時候，可依據該公司與鴻海過往的合作經驗來強化他的信用評等。

而萬向供應鏈服務平台則是結合星展銀行業務資源，專注於汽車供應鏈。平台以區塊鏈技術，將合約智能化，紀錄各級供應商之間的發票、物流等資訊，並以企業的應收帳款單據來融資借貸。

林蔚君比較說明，上述案例的服務對象有其侷限性，螞蟻金服的客戶要先具備網購交易的紀錄，鴻海Chained Financed主要為上游企業服務，萬象則是以汽車供應鏈的廠商為主。而亞大的服務就是要打破生態體系的限制，以更多元的資料評估授信，讓更多企業受惠，未來也希望與純網銀合作，發展第三方供應鏈金融服務平臺。