有些领域看上去需求很大，机会无限，但涉足之后才会发现没那么简单，留给从业者的坑有不少。这样的领域，典型的就是农村金融。
农村金融发展这么多年了，到现在依然还看不到爆发的态势。对于银行来说，农村金融过于小额分散，风控成本高，资产收益太低，只能当做公益来做。对于农业服务领域的创业公司而言，农村金融模式太重，而需求又过于分散，农分期创始人周建近日在虎嗅精选做农业服务领域的业务分享时，也直言农村金融的爆发期未到，创业压力较大。
虽然做起来难，但农村金融毕竟有着潜在的市场规模，而且社会效益显著，现在农村金融这个领域，云集着国有大行、股份制银行、城商行、农商行、村镇银行，还有一些小微金融机构（如中和农信），以及新兴的金融科技公司（如蚂蚁金服、京东金融）、农业服务领域创业企业（如农分期）等。
总体来说，银行做了这么多年农村金融，没有太突出的成果和经验出来，新金融发展这些年，主要成就在支付、理财、消费金融领域，在农村金融领域客观来说也是建树不多。基本上大家都还在模式探索的阶段。
蚂蚁金服近日公布了自身的农村金融模式与成果，这家估值上千亿美元的金融科技公司发展农村金融的方式，在探索中经历了几次迭代后，正在向数据化、平台化方向发展，覆盖的区域也在增加。当然，能否快速在全国范围内扩展并有效控制住风险，还需要市场进一步验证。
农村金融的核心难题是缺乏农村与农民的信用数据，信贷风控不好控制。因此做农村金融，核心是发掘更多农户相关的信用数据，没有数据的情况下，就需要将更多行为线上化，从而形成更多数据。纵观蚂蚁金服的农村金融探索，主要工作也是关于数据的问题。
从联合村淘，到对接农业产业链核心企业做供应链金融
蚂蚁金服对于农村金融的探索已经有很多年了。
资料显示，2014年10月蚂蚁金服正式成立后，采取集群化、矩阵化的下乡模式，配合阿里巴巴集团的农村淘宝项目让支付下乡，还在浙江建德、桐庐等地建起了“支付宝县”，让农民可以在手机上获取挂号、缴水电费等各种公共服务；积累了一些数据，并据此向农户放纯信用贷款，解决农民的融资需求；此外通过村淘点卖基金等理财产品。
这是蚂蚁金服农村金融业务的开始。发展到现在，大致经历了三个阶段：
2015-2016年，主要是线上加线下的熟人模式，在信息化和金融服务欠缺的县域、乡村，联合阿里巴巴村淘合伙人、中和农信（蚂蚁金服曾战略投资中和农信）的线下“熟人”，为用户提供贷款等金融服务。村淘合伙人在当地一般有资源，也熟悉当地的情况，对于业务推广和风控会有帮助。
不过问题在于，农村人口净流出，购买力有限，同时农产品上行也没能做大，村淘发展不达预期，对蚂蚁金服的农村金融业务不能形成足够有力的支撑。另外，这种模式下，需要很多的人工来介入信贷业务，信息的提交、信息的审核、信贷审批都需要通过人工来完成，成本较高，模式较重，很难规模化。
2016年以后，蚂蚁金服在农村主要拓展供应链产业金融模式，通过数据对接农业产业链核心企业，或与农业保险公司合作，贷款给农业企业上游的种/养殖户或合作社，养殖户或者合作社可以使用这笔贷款，在农村淘宝的农资平台定向购买农资农具。农产品成熟后，农业企业向种养殖户进行收购，收购款项将优先偿还网商银行的贷款。
这是一种比较传统的供应链金融的思路，依托核心企业做展业与风控。问题在于，这是银行非常熟悉的模式，在地方上，优质的核心企业数量本就有限，已经被当地银行开发得差不多了。因此以供应链金融的模式做农村金融，也不容易做出差异化来，规模不容易形成。
联合政府与金融机构做数据化平台模式
此后蚂蚁金服的农村金融进入当下的第三阶段，探索数据化平台模式，所谓平台有两层含义，一方面是数据平台，形成或者获得更多农业、农村、农民的数据，作为风控的依据。这方面主要是跟县域政府合作，在支付宝里面的城市服务板块，给县域政府开通专属页面。页面有当地线下支付、智慧政务等方面的一些服务，包括预约挂号、公共事业支付、智慧公交、智慧菜场、文化生活、教育相关等，可以将当地的更多行为线上化，从而形成更多数据。同时还有一个信贷的申贷页面，农户可以申请贷款。
另一方面，是贷款平台，与金融机构共同打造“旺农贷联合放款”平台，面向县域及以下农民，帮助金融机构进行业务下沉，基于互联网和大数据的普惠金融产品，为农村居民提供信用贷款服务。人均贷款额度0-30万元不等。
在这套模式下，蚂蚁金服在于河南、浙江、甘肃、山东、湖北等省份的数十个县域政府推进合作，，在第一个上线的河南内乡县，总授信金额超过10亿。在河南兰考县，与网商银行合作的数字化信贷方式上线20天授信了8000户，而当地五家商业金融机构在去年一年的授信数量是2万户。该业务在兰考上线后，至今放款规模达到7700多万。
风控是核心环节。在判断风险的维度方面，主要是三部分组成，一是农户个人信息方面，是不是真正做农业经营，有无不良嗜好等。在这方面，可以从农户的常住地，例如淘宝交易的地址等信息，来判断申贷人是不是在农村哪些地区。另外县政府、农业核心企业也可以提供上下游农户的一些种养殖的数据，一些农业保险公司可以提供农业保险的数据，这对于判断农户的个人风险都有价值；
二是对农户的种养殖能力进行分析预测，包括其种养殖的稳定性和成长性，建立种养殖的评价模型，判断是否能有足够的还款能力；
三是从宏观的外部环境去进行一些预测，主要是自然气候环境和农产品市场环境。
例如未来天气的变化，可以通过时间序列的模型，基于这个地区历史的温度、湿度、光照等数据，预测未来一段时间内的温度、光照、湿度的可能性变化。
还需要分析农产品的每一个品类，如水稻、小麦、玉米等大田作物以及水果等经济作物，和相同作物的不同品种，跟踪每个品种在市场上的价格行情波动情况，包括价格的涨跌与拐点等，通过时间序列模型去发现其中的一些规律，从而提升风险防范能力。数据显示，在种植领域，蚂蚁金服建立了超过100个行业的模型，除了水稻、小麦、玉米、大豆这些常规品类，还覆盖辣椒、芝麻、烟草这样的不太常见的作物。
整个农村金融风控的维度大体上就是三部分，即针对农户个人情况、针对种养殖能力、针对农产品行业的整体状况，综合建模做出判断。这就像VC投项目一样，要看创始团队怎么样，看业务模式怎么样，看所在行业的市场潜力如何，总体思路一样。
虎嗅精选曾经报道过的农分期，其风控模型分为三个大的维度，即个人维度（包括了人品、成长性、信用历史）、家庭维度（包括成员结构、成员职业、稳定性等）、经营维度（包括现有经营能力、未来经营收益、家庭成员收入、农业农机保险等）三大维度。
对比较蚂蚁金服与农分期的风控维度，重合的维度不少，包括个人情况、经营情况等，差异的地方在于，农分期对于家庭情况给了更高权重，而蚂蚁金服对于农业生产的自然条件与农产品价格趋势等做了更多研究，这里面的原因可能在于蚂蚁金服线上化的数据处理能力更强，而农分期形成了约800人的线下团队规模，可以收集更多线下数据。
在维度之后，需要有数据来辅助模型的搭建，使模型更加精准。这需要其他方面的技术支持，来获取数据。以生猪算法模型为例，蚂蚁金服结合阿里云人工智能养猪，通过图像识别及IOT技术，结合人工智能算法完成对猪脸的识别，同时记录猪的运动轨迹、体重、体温、料肉比、出栏天数等，基于这些基础数据的实时采集，结合市场行情的数据采集，利用机器学习等算法建立养殖评价模型，预测农户未来6个月内的养殖收益和风险，实时对养殖户进行动态授信。
这样，使整个金融风控的环节更加线上化、数据化，减低对线下审核的依赖，使模式变轻。在模型不断完善后，有望降低农村金融业务的边际成本。不过要实现技术的真正大规模商用，也需要一点时间，一是技术与算法模式需要在迭代中变得更准确，二是技术的研发与实地部署都需要较高的前期成本，另外还需要在成本与收益之间进行比对。
农村金融风控的目标是降低坏账率，无论是线上还是线下，传统风控还是技术风控，都是手段，都是为目的服务，很难说线上模式和线下模式孰优孰劣，至少在当下，二者需要紧密结合。
在展业方面，政府可以提供相关支持。以在兰考县为例，由于前期蚂蚁金服与县政府进行了很长时间的磋商与磨合，当政企互信建立起来以后，兰考县建立起县、乡、村三级一体化的推广体系，通过视频会议等形式，将业务信息传递到全县16个乡镇、459个行政村，在乡镇一级，蚂蚁金服和网商银行对各村的代表做业务相关的培训，在村里也进行直接的业务推广。
能跑通吗？
总体来说，蚂蚁金服现在在农村金融领域的新探索主要有几个特点，
一是线上化、数据化趋势明显，更多环节通过线上完成，通过多维度数据模型来做风险控制，这样的好处是与银行等金融机构形成差异化，也降低推广的成本，降低对线下重模式的依赖，使业务在更多地区更快地跑起来；
二是突出了以县域政府的合作，政府有发展农村经济的需求，有在当地的资源，对于农村金融业务的开展而言是至关重要的一环。
模式的探索，以及业务系统、风控模型的搭建，是农村金融业务的基础设施。随着技术与模式的完善，业务有望向更多县域推广。如果有足够好的示范效应，在未来与政府的合作中会减少一些阻力。
在市场竞争力方面，银行与农信社在农村地区也有金融服务，银行的优势在于利息更低，单笔放款金额更高。品牌效应更强，政府和农户对其信任度是与生俱来的。劣势在于放款的速度较慢，农户申请一笔贷款，往往需要政府的介绍信，再向银行申请，之后是受理，实地的尽调考察，再到放款，时间在一个月左右，可能解决不了燃眉之急。
蚂蚁金服这类的互联网企业，在利息方面更高，单笔放款金额不及银行，优势在于放款更快，操作方便，而且放款方式更加灵活。银行借贷期限至少半年，互联网企业可以在线上随借随还，灵活度更高。
大家各有优劣势。对于有较大资金需求以及较高频次资金需求的农户而言，现在还是需要在多种机构申贷。
难点方面，主要集中在以下几点：
这一模式中，县域政府的支持与配合是关键。农村征信目前基本还是空白，农民的线上化数据也很少，但每个公民都会或多或少与政府的公共服务产生关联，形成相关的数据。但数据安全问题比较敏感，政府不会把数据与企业共享。如果能与政府建立充分互信，在农户授权的前提下，政府提供申贷农户的不涉及隐私的脱敏数据，对风控的帮助还是非常大的。这也是难点所在，如何构建政企间的信任，以及哪些数据可以开放，都是要经过长时间的沟通协调。
新金融企业、金融科技企业相对于银行而言，在品牌与信任度方面还需要提升。尤其是在县级政府的层面，对新技术手段的了解程度不如大城市，对于互联网企业会有一种看不见摸不着的感觉，对于合作心里没底，这需要一个较长的转变过程。
线上技术能否全面解决农村金融的风控问题，也需要进一步验证。农村地区的线上数据量相比城市要少很多，而将风控主要环节放在线上，对数据的丰富度与模型的精准度要求很大。
另外的难点在于农村本身。现在农村基本呈现人口净流出的局面，中青年大多外出打工，农村人少，留在农村的人口也多是老年人与孩童，真正能在农村领域进行规模化经营的青壮年，数量上还需要进一步增长，其分布也比较散，这对于农村金融业务的规模化也是个挑战。农村金融与农村经济是相辅相成的关系，农村经济需要农村金融的资金支持，农村金融则需要农村经济提供更多的优质借款人，以及更好的信用生态。
