- 金融
元宝铺成立于2014年，其创始人陈瑞贵是连续创业者，有着10年的电商创业经验。元宝铺是他的第三个项目，是专注于小微信贷领域的综合解决方案提供商。
陈瑞贵之前的创业从小B起家，对B2C领域洞察深入，随着互联网金融兴起之大势，陈瑞贵带领团队从熟悉的电商领域切入，很快在电商信贷市场崭露头角。
经过2年多的开拓与发展，元宝铺已在电商小微助贷这个细分市场扎稳脚跟，并以金融大数据平台的角色继续深耕，得益于早期在大消费零售行业积累的优势和资源，元宝铺将业务进一步延展到金融机构小微信贷解决方案提供商的领域。
今年3月，元宝铺宣布获得腾讯领投 B 轮亿元融资，上轮投资者高榕资本继续跟投。
电商贷：敢吃螃蟹的人少
元宝铺成立后，最先推出的是“电商贷”业务。根据元宝铺团队的调查统计，全国的小微企业数量超过6,000万，有贷款需求的约70%，其中80%尚未接受到银行等金融机构的信贷服务。
而从事电商为主的这类小微企业，在日常生产和经营中，有大量已经数字化的订单、纳税、流水等明细，是元宝铺风控模型的主要数据来源，可以作为判断企业运营能力和盈利能力的依据。
因此，元宝铺通过自身的技术与服务，连接电商小微和银行为主的金融机构，实现数据化小额贷款。
根据团队多年的深厚积累和洞察，元宝铺的电商信贷数据模型主要考察商家及行业的成本结构，最关键的指标是库存周转率和毛利率，比如女装、保健品的店铺的库存周转率、毛利率不同，元宝铺给的授信也相应不同。
虽然阿里、京东、美团、唯品会等各大电商平台也纷纷推出面向自身体系内商户的小贷业务，元宝铺仍将自己定位为“跨电商平台授信的第三方助贷公司”，认为跨平台的业务比不少平台自营小贷有优势。在实际运营中，除了阿里之外的几个电商平台，其商户数其实并不足以支撑纯信用小贷业务的体量，从财务角度来看，平台自营保理业务可行，但是纯信用小额信贷不经济。
以覆盖10万商户的前几名平台为例，有贷款需求的商户占比20%；在审核过程中，平台根据银行征信数据，会在这2万商户中淘汰掉40-50%，交易频率低的商户，又会继续被淘汰一半。也就是说，这一体量下的电商平台自身体系适合放贷的商户约为5千家。
另外，阿里生态的小贷业务发展至今已有六年，对商户开发较为完善，预计未来增速很难大幅提高。据爱分析估算，蚂蚁金服电商类小贷业务目前的余额约是300亿元的量级。
相比之下，元宝铺目前共累积授信20-30亿元，其中2015年授信10多亿元，这个体量对一个两岁的初创企业来说，可谓成绩不错。
但CEO陈瑞贵也表示，元宝铺有元宝铺的优势，阿里小贷也有阿里小贷的优势，比如获客成本更低，便捷性更强等。
在互联网金融圈，往消费信贷领域扎堆的初创企业很多，而小微信贷领域有体量的初创企业确实寥寥。原因首先在于，小微信贷是个高壁垒的领域，近几年才有创业公司开始涉足供应链金融。
加之，和年化利率至少20-30%、动辄40-50%以上的消费信贷相比，小微信贷的年化利率基本20%左右，利率空间狭窄也加大了创新的难度。
从供应链环节来看，从上至下主要有制造商、品牌商、批发商、零售商、消费者，零售消费业内把制造商/品牌商看做大B，批发商看做中档B端，零售商则是小B。除了蚂蚁金服和京东金融，目前为电商B2C领域的小微商户服务的信贷机构比较空白。
因此，元宝铺最初的战略规划是，凭借自身在消费零售领域的积累沉淀，通过“电商贷”产品建立成熟的数据化的方法论，再复制到其他行业来进行扩张。
拓展到O2O领域，发现时点未到
“电商贷”获得市场成功之后，元宝铺从B2C切完，打算复制到O2O领域，比如餐饮、物流、商超便利店、旅游等垂类，然而做了大量的实际工作后，陈瑞贵判断，现阶段开展O2O垂类信贷的时点还没到，不像电商行业的时机早已成熟。
主要原因是行业的数据化程度低、开发成本高：
1.在信贷领域的成本结构中，主要是获客成本、运营成本、风险成本、资金成本这四种，非电商领域的教育成本高导致获客成本太高；
2.非电商领域的互联网化程度低，数据化程度低导致运营成本更高。以餐饮行业为例，不同于淘宝卖家在淘宝平台的交易占商家营收70-80%或更高，餐厅流水来自美团等平台的占比非常低，存在大量线下交易，难以通过互联网交易数据来推测餐厅的整体运营情况。
经过小微信贷模式在O2O等领域的试水后，元宝铺换了一个思路，继续挖掘全国大消费领域的几千万小微商家的需求金矿。
新战略：面向金融机构的一体化解决方案
今年2月，元宝铺推出了新的战略产品，数据化信贷解决方案“FIDE”，既能高效协同两年以来“电商贷”的积累，又能覆盖O2O等不易开发的行业商户。
FIDE（Financial Data Engine），即金融大数据引擎，服务对象为以银行为主的金融机构。它集IT平台、数据平台、风控平台为一体，旨在为金融机构提供在线化、自动化、数据化的信贷解决方案。
由于“电商贷”已经较完善地覆盖和集成了中国大部分小微企业经营中需要采集的各种数据，也已设定风控模型的基本框架，所以在FIDE上的应用也顺理成章。如果要延伸到不同行业，根据毛利、库存周转、淡旺季、不同的区域等指标因素再做调整即可。
FIDE的特征是为银行做金融产品定制、数据源定制及风险模型定制。因此，FIDE产品的空间非常广阔，可以面向全消费行业开发，凭借银行本地优势，元宝铺专注技术输出，配合当地银行的特色产业，实现灵活的合作方式。
比如，山东本地的银行在推面向滴滴出行司机的“滴滴贷”，元宝铺就可以为这些银行定制依托于滴滴平台的数据模型；再比如，云南本地的银行主推“民宿贷”，元宝铺则可以提供POS机流水等核心数据。
元宝铺在“电商贷”产品上覆盖获客、数据、风控这三个环节，而在FIDE产品上，主要做数据和风控，获客环节由当地银行完成。
作为银行在微贷领域提升效能、降低成本、提升客户体验的工具，FIDE主要为银行提升三方面的效能：营销效能、运营效能和风险识别的效能。
目前，FIDE已经连入5家银行，以及10家小贷公司，同时在推进全国数百家银行的合作。
近期，爱分析对元宝铺创始人兼CEO陈瑞贵进行了调研访谈，现将部分内容摘抄如下。
Q：元宝铺从信贷切入的创业背景是什么？
A：我们团队在电商领域有十年多的从业经验，对整个电商行业比较理解，两年前互联网金融兴起，我们创办了元宝铺。早期想法很简单，就是服务于我们能接触到的电商卖家，模式和小贷差不多，区别在于元宝铺是第三方，而小贷是平台方。仔细来看，主要有三点差异化：
1.资金端不同，我们的资金端是银行等金融机构；2. 元宝铺服务于全平台，小贷是单平台的；3.元宝铺的授信是跨平台的，而小贷是单一授信；
由于是团队擅长的领域，从电商贷切入后，业务很快发展起来了。最初的逻辑是通过电商贷建立数据化的方法论，再复制切到其他行业。后来随着互联网化对各个行业进行数据化，大量小B的交易其实已经在线化、数据化了。
Q：电商信贷的行业壁垒怎么样？
Ａ：第一，也是核心关键的问题：如何快速获得数据、并快速精准地评价数据。掌握这种技术的机构在国内不多，有的机构效能太低，需要现场拍照等，所以说后台数据能否快速提取是很有技术含量的。
第二，几家大的电商平台基本上在商户资源上切分得差不多了，剩下可做的优质商户已经不多。电商类信贷的一般年化利率是20%，如果利率给得高，意味着客户的风险较高，而这些商户在经营上承担不了这样的高利率，所以能切下来的优质商户量级不大。
第三，获客能力也是一个要素。其他平台机构比较难接触到全国的电商卖家，而我们团队在电商行业深耕10年，可以在低成本下触达小B。
所以综合来讲，有获客的因素、运营过程中自动化采集数据的技术能力因素，以及基于数据怎么评价、识别客户的因素，所以门槛还是比较高的。
现在主流市场还处在消费信贷的竞争，小B的领域要对行业有非常好的理解才能切入。除了几大电商平台之外，在第三方机构中，比较认真专注在小B领域、纯粹基于数据做信贷、且有一定体量的，国内很少有其他的竞品。
Q: 电商贷平均贷款额是什么级别？这些商户的肖像换到别的行业变化大吗?
A：平均贷款额10-20万元，最高50万，但一般不会高于30万，商户一年平均贷款4-5次。
我们判断认为，最关键的指标是库存周转率和毛利率这两个指标。毛利率和库存周转率直接决定B端经营着多大的生意和需要多少资金。
Q: 电商贷复制到O2O领域时，利率宽度大概多少？
A：这个行业的纯信用利率宽度在15-20%之间。因为放贷时间短的缘故，商户对利率并不是特别敏感。我们通过对上千家商户进行取样调查发现，核心客群最关键的诉求是放贷速度快。在该客群的其他优先考虑要素中，额度排第二，利率排第三。
另外，小B对银行贷款最大的抱怨是需要反复、多次地提交材料，最终还不一定有结果，这是目前微贷的痛点，我们的FIDE其实就是为了解决这个痛点。
Q：从电商贷切入其他行业时，发展如何？
A：电商贷比较成功之后，我们尝试切到下一个行业，遇到了一些问题，也就是数据深度不够。
从B2C切完，我们就切到餐饮、物流、商超便利店、旅馆等O2O领域，做了大量的实际工作后，发现很多城市开展O2O垂直类信贷的时点还没到，一些行业的数据化程度和深度都还不够，推进速度不像电商领域那么快。
信贷的成本主要是获客成本、运营成本、风险成本、资金成本这四种，其中获客成本占比很高。非电商领域由于互联网化的能力低，教育成本高，导致获客成本偏高。
另外，运营成本也会更高，因为数据程度低，行业渗透率更低，数据占比也更低。不同于电商领域，淘宝卖家在淘宝店铺的交易占总交易额的70-80%或更高，餐饮类存在大量线下交易，餐厅流水来自美团等平台的交易占比低，大量线下数据无法获取。
因此我们判断，现阶段从电商延伸到其他领域相对困难。在获客困难的情况下，凭借我们在30万以内微贷领域所建立的数据化、自动化、在线化的方法论，我们可以给城商行和农商行做技术输出。
Q：推出FIDE产品的契机是怎样的？
A：面对现在越来越精细化的趋势，中小型银行的转型压力日趋明显。在和银行的沟通过程中，我们发现银行其实也有兴趣与自动化放贷的产品合作。而且，银行在本地已有获客优势，有大量的客户经理，对本地的熟悉程度高，所以我们推出了面向银行的解决方案FIDE。
Q：FIDE目前连入了哪些金融机构？
A：从今年春节后正式推出FIDE以来，我们已经接入5家银行和10家小贷公司。从连接意愿来看，小贷公司比银行连接得更快。
Q: FIDE主要采集哪些数据？怎么采集？
A：撇开信用数据，从经营数据来讲，主要是交易数据和支付数据，比如银行流水数据、结算卡的数据等。目前，我们接入了主流的20多家银行的数据，还有一些平台数据比如支付宝、外卖平台等，通过银联和通联获得的POS机数据，可以有效打破数据孤岛的问题。
采集数据主要有两种形态，一种是和接口谈，另一种是小B商户自己授权，商户提供后台授权后，我们的系统可以自动抓取。小B客户注册登入APP，填写基础信息、提供数据授权后，元宝铺的后台模型可以自动计算授信额度。
Q:采集数据主要不是通过核心企业，而是对接到银行?
A：如之前所说，采集数据主要是两种形态。首先要看核心企业的意愿，有合作心态的平台就会把数据开放给我们。而且现在有一个趋势，原来很多手中有数据的小B及有客户的平台机构，都想自己做信用，但经过市场一年多的验证，平台意识到自己做纯信用并不经济，而趋向于直接与我们合作。
Q： FIDE需要承担坏账风险吗？
A:FIDE作为技术输出，不承担风险。和其他一些给银行做系统的公司不同，FIDE扮演了系统公司、数据公司、风险金融公司、金融产品咨询和设计的角色。
如果银行想做小微信贷，传统的方法论是行不通的，需要有自动化的方法和新的工具来支持。从微贷模式发展的三个阶段贷款抵押阶段、IPC技术阶段和自动化阶段来看，其中最关键的阶段是自动化、在线化。
每个地方银行的风险偏好和放贷的目标客群都不相同，FIDE所要做的事就是给它们提供定制化的信贷服务。
Q：FIDE如何给当地银行做定制？
A：主要看银行在本地主推哪种产品，银行推的产品不同，所需要的数据源也不同，产品定制完了数据源就定制了。又比如像滴滴司机贷和旅馆贷/民宿贷，虽然在产品上不一样，但数据模型结构的大框架是一样的，所以调整参数即可。
Q：不少征信公司遇到最大问题是，逾期数据没法回流。元宝铺会有类似问题吗？
A：我们切入银行业务，所以数据可以回流。很多征信公司数据无法回流是因为只给银行提供数据评级，并没有与银行业务真正融合。
比如某城市银行的小微部负责人，只要有客户经理和资金，通过FIDE提供的全方位服务，就可以直接开展业务。而征信公司的数据还不能真正支撑授信，只能为银行业务提供参考依据。比如芝麻分，可以作为参考权重的一个环节，但银行不会只凭芝麻信用就进行放贷。
Q:FIDE现已连入15家金融机构，也就是要同时推出15个模型？
A：从大逻辑上来看，在电商贷推出时，就已经完成基本建模了。就零售行业来说，虽然具体产品不同，但都是卖实体商品，主要看成本结构、库存及周转等指标，所以说大的框架体系已经存在。
由于“电商贷”已经把风控模型的框架基本设定，在延伸到不同行业时，只要根据毛利、库存周转、淡旺季及不同区域等因素做调整就可以了，像女装和保健品的店铺库存周转率、毛利率完全不同，我们给的授信也相应不同。
Q：预期今年FIDE能做到什么程度？
A：FIDE的发展程度主要看接入银行的速度。目前市场还处在早期阶段，很难断言今年能切入多少市场。
FIDE在推动过程中，遇到最大问题是银行的业务部门非常赞成，极力推动，但其他相关部门以及体制上的推动并没有那么快速。所以有的银行积极，相应推动的比较快，有的银行则相对慢一些。
可以确定的是，这个市场我们是一定会切入的，目前FIDE已经上线了几家银行，还有几十家银行在谈，相信未来可以实现与上百家银行的合作。