研究結論：

　　1. 農村獲得的金融服務與他們在經濟中的貢獻率不成比例。因為在傳統金融機構的眼里，無論從風險控制還是成本收益的角度來看，這都不是個好做的生意。

　　2. 農村土地確權和流轉帶來了規?；a。根據我們的初步測算，僅占農地面積三分之一的耕地流轉，就能為互聯網金融創造每年2000億以上的抵押貸款市場。

　　3. 機械化擴張將在未來五年提供另一個千億級的農機市場需求，這是融資租賃業務的利基市場。

　　4. 盡管互聯網公司高調入村，農村金融業務模式仍然在探索階段，定位用戶和按需定制金融產品是需要解決的兩大問題。

　　5.目前主流的農村互聯網金融業務模式有四種：與電商業務配套的綜合金融服務;通過農業產業鏈開展的金融服務;第三方P2P平臺提供的貸款服務;針對農機等利基市場的融資租賃服務。

　　序 情懷產業不等于悲情產業

　　農業的項目，常常讓人產生有關情懷的聯想。在這個情懷已經被玩壞的時代，有關理想、有關追求的純粹，卻染上了悲情般的憐憫色彩。但這絕對是個誤解。

　　今天，中國農村中的大多數地區，早已沒有了余華筆下《活著》的沉重和《在細雨中呼喊》的泥濘。鄉村愛情故事中的嬉笑怒罵似乎更加真實可親。靈敏的人們會發現，變化的背后，正在出現新的機會，而農村互聯網金融可能就是最值得關注的一個。

　　一、困境：傳統金融難以滿足農村需求

　　農村小微金融主要包括提供給農村小微企業和農戶的經營性金融服務，以及農民的個人金融服務。

　　從農業生產過程來看，在一個生產周期中，由于生產投入與收成回款存在較長的時間差，在生產的不同階段對金融服務有很強的周期性需求。

　　但農村獲得的金融服務，與他們在經濟中的貢獻率不成比例。盡管農林漁牧業產業增加值占GDP的比例接近10%，但獲得的貸款占全部金融機構貸款余額的比例不到2%。在以商業價值為主要驅動的金融領域，農村和農民對貸款的認知性和獲得貸款的便捷性都需要進一步提升。

　　傳統金融機構像農村放貸占比偏低還有跟根本的原因：無論是從風險控制還是成本收益的角度來看，在傳統金融機構的眼里，這都不是個好做的生意。

　　從金融機構不良貸款率來看，具有代表性的商業銀行不良貸款率在1%左右。去年有所上升，達到了1.25%。但全部金融機構涉農貸款的不良率接近它的兩倍，高達2.4%。這其中還包括了大型農業企業的貸款，所以農村小微金融的不良率會更高。

　　有一種可能，這也許是因為商業銀行之外的涉農金融機構風控水平不足造成的，那我們拿國有大型商業銀行中具有代表性的農業銀行做一個剖析，就會排除這個理由。

　　以農業銀行的農戶貸款業務為例，2014年和2015年上半年，農戶貸款在農業銀行各項（除了其他）個人貸款業務中，不良率最高，超過3.5%。而這已經是慎之又慎的結果。從放貸量看，農戶貸款的占比僅僅只有全部個人貸款業務的不到7%。在農村小額貸款領域，服務“三農”的專業機構農行，也沒有找到破解之道。

　　即使不考慮風險因素，由于農村經濟活動落后，金融機構在農村開設經營網點往往難以獲得好的收益，農戶基本的存款和支付結算業務需求也很難滿足。還記得每年春節總會看到農民工攜帶大量現金返鄉的報道么，這些錢回到家里多數也是以現金的形式保存。

　　二、機會：留給互聯網的蛋糕

　　面對這些問題，還沒有形成一套普遍適用的解決方案。但從環境條件來看，互聯網金融正在迎來機會窗口。

　　1. 土地確權不僅形成了有價值的抵押物，在此基礎上的土地流轉了規?；a的機會。

　　以耕地為例，截至去年底，我國承包耕地流轉面積4.03億畝，占全部家庭承包耕地面積的比例超過了30%。承包耕地流轉面積近五年來的復合增速為21.3%。

　　土地流轉帶來耕地集中和規?；a。盡管目前小規模分散經營仍占主流，2014年經營耕地規模在30畝以下的小戶比例高達96.1%，這部分農戶的平均每戶經營面積小于3畝。但30畝至50畝的中型農戶在2014年超過了1000萬戶，增幅54%。

　　在土地所有權、承包權和經營權“三權分置”的基礎上開展的土地流轉，使農戶可以用經營權作為抵押物進行貸款。解決了長期以來農戶貸款缺少抵押物的困境。

　　根據企鵝智酷的測算，經營30畝以上的農戶所管理的土地占全部耕地面積的40%以上。假設其中50%的耕地經營者有借貸需求，按照一般糧食作物每年2000元/畝的收入進行保守估計，如果抵押率40%，僅耕地土地部分就會產生超過2000億的抵押貸款需求。而農村土地改革范圍包括約 44 億畝農地，其中家庭承包耕地只占13億畝。

　　但這依然是傳統金融機構難以覆蓋的市場。因為按照同樣的測算方式，一個經營50畝土地的農戶，一年抵押貸款額度在4萬元左右。

　　需要說明的是，上述簡單的測算，并不是想制造有關“千億市場”的噱頭，只是希望對理解市場空間建立一個思考的基準線。投資人和從業者要考慮的因素還有很多，比如地區因素，平原地區和山地丘陵的規?；瘽摿筒豢赏斩Z。還有行業區別，不同經濟作物的風險和收益測算差異會很大。

　　2. 規?；癁闄C械化生產提供了基礎，農機分期（或者融資租賃）是相對容易標準化、風險可控的金融產品。

　　2014年，我國農業機械化水平約為61%，但不均衡性明顯。

　　一方面是不同地區機械化水平差異較大，全國只有9個省份的機械化水平在70%以上，還有4個省份低于40%，貴州不到20%。另一方面，我國耕地種植不同環節的機械化率差異加大，耕中的機械化水平高于耕前和收割。此外，不同農產品機械化水平差異較大，小麥超過90%，而多數產品都在50%-70%之間。

　　雖然山地丘陵地區機械化率的提升會受地形限制，但相同地區不同耕種環節和不同作物的機械化不均衡，意味依然存在較大的提升空間。

　　農業部在今年8月發布了《關于開展主要農作物生產全程機械化推進行動的意見》。指出要在2020年爭取實現68%的農業機械化率。公開的數據顯示，2010年到2013年，農業機械化率從51%提升到59%，在此期間，規模以上農機企業收入從2768億元提升到3779億元，提供了1000億元的市場增量。那么未來五年機械化率從61%提升到68%，同樣會帶來巨大的市場空間。

　　3. 農村網絡滲透率提升，提供了互聯網金融產品觸達農戶的機會。

　　今年5月CNNIC發布的農村互聯網發展狀況研究報告顯示，截至2014年底，農村互聯網網民數1.78億。年均增速穩定在25%到30%之間。村民使用的上網工具以手機為主。

　　從網民平均上網時間來看，農村網民周平均上網時間與城市網民差異已經很小。而且從網民職業構成上看，除了學生之外，個體戶和農林漁牧勞動者是占比最高的上網群體。他們正是農業金融服務的目標群體。

　　三、先行者：定位用戶和按需定制是努力的方向

　　盡管規?；a一定程度上解決了農戶借貸需求過于小額分散的難題;農機分期提供了農村金融的一個利基市場;移動上網解決了農戶的觸網問題。但互聯網金融產品大規模向農村市場推廣依然存在一些典型問題。

　　一是缺少農戶的線上信息，很難通過網絡方式定位目標用戶;二是農業生產的非標準化特征，需要按需定制的金融產品。此外，還有征信數據積累和農民的用戶教育問題。

　　在痛點中尋找機會，這是互聯網的天生驕傲。不同公司在應對這些問題時采用了不同的方式，我們按照不同的業務邏輯將其分為四類。

　　1. 電商+綜合金融：依托支付和電商獲得數據和用戶

　　以阿里巴巴、京東為代表的具有電商基因的公司看中了農村消費升級的機遇。它們進入農村市場時，將金融作為整體戰略布局的一個部分。無論是去年10月，阿里提出的“千縣萬村”計劃，還是今年京東推出的“3F”戰略，做的都是消費品下鄉、農產品進城、金融協同。

　　它們的優勢在于金融業務發生在交易閉環內，農戶的生活消費、農資購買信息在網站上的留存就是判斷風險的依據，如果農戶通過網站銷售產品，風險會跟容易衡量。

　　目前大家都在農村開設線下站點。京東計劃2015年農村網點達到500個，阿里計劃3-5年內覆蓋1000個縣、10萬個行政村?，F階段很多地區農戶網絡購物還需要幫助，因此，這些站點除了承擔物流中心的任務，還需要進行業務推廣，必要的時候也可能成為風控中心。

　　除了借貸類產品，他們金融投資業務的另一個重頭在于農戶資產管理。在缺少銀行網點的鄉村，移動支付工具的到來簡直是雪中送炭?？梢灶A期農民一旦用上了支付工具，理財業務也是順理成章的事情。但網絡公司開展這項業務最大的障礙可能是“信任背書”。

　　月初，阿里巴巴牽手中國郵政。合作方式并不是大家想當然的電商與物流，而是郵政集團入股螞蟻金服。郵政儲蓄的網點固然很多，但在鄉村級市場同樣促襟見肘。螞蟻更看重的可能還是郵政儲蓄銀行能給他們的金融業務提供需要的信任背書。

　　另外，順豐是支潛力股。它依托于物流基礎設施，鏈接農村和外部的物產。一方面農村購物習慣的貨到付款方式讓他們掌握了農民的消費信息，另一方面順豐優選掌握的農戶銷售信息。雖然目前順豐金融業務還沒有布局到農村，但這可能是水到渠成的事情。

　　這個領域還有一些垂直網站，比如做農資電商的趕街網，苗木電商苗聯網。

　　2. 農業產業鏈金融：依托產業鏈信息化獲取數據和用戶

　　大型農業企業，結合農業生產信息化，也在布局農業金融。他們建立的業務體系主要有三個模塊，一是向農戶提供經營養殖信息系統，實現云端管理;二是開拓網上農資產品商城;三是金融服務。此外還有一些增值服務，例如養殖教育、市場

　　由于農戶的經營養殖信息都被平臺掌握，可以向優質客戶提供農資貸款。貸款形成的債權在P2P平臺上銷售。新希望集團推出的“福達計劃”和大北農的“智慧大北農”都采用了這種方式。由于本身在農資市場掌握了大客戶資源，又能和自身農資銷售業務形成協同，他們導入這種模式容易形成競爭壁壘。

　　3. 第三方P2P貸款：依托線下信貸員，建立農業生產標準數據庫

　　第三方P2P平臺既沒有產業鏈資源可以依托，又沒有電商渠道獲取信息用戶消費和收入的信息，要獲取優質的借貸資源就要辛苦得多。

　　為了獲取用戶、按需提供借貸方案，他們幾乎都在線下建立了網點，依靠當地信貸員開展業務，但具體方式略有差異。

　　一些創業企業則希望將農村市場的“knowhow”用數據庫積累的方式沉淀下來。比如沐金農和貸幫。

　　沐金農CEO王曾告訴企鵝智酷，為了在放貸前核定貸款的額度，業務員通常需要對收成之后的收益、種（養）殖周期做估算。但是不同地區、不同農產品的特征差異很大。不僅需要實地核實，還有很多Knowhow是不懂農業生產的人很難知道的。

　　他們曾經遇到過一個為玉米種植戶設計貸款的案例。放貸員按照玉米地的面積、種植密度和每株玉米結包裹的數量測算了產出。但是后來才知道，同塊地中中間位置的玉米結包量只有外圍的不到一半，如果按照在田邊看到的數量計算，就會成倍地高估農戶收益。此后，沐金農開始意識到建立農業生產曲線的重要性。王曾認為，做農村小微金融，第一步應該是積累這些數據——他們稱為刻畫“行業標準曲線”。

　　這與貸幫的思路不謀而合。貸幫創始人尹飛在談到早期放款經歷的時候，曾提到因為不了解農村經營吃過不少虧。他們認為農戶經營的產品信息是對農戶資信進行評級的重要信息基礎。為此，貸幫從很早階段就開始了農業數據庫的積累。

　　他們都認為數據積累的過程很慢，至少需要3-5年。

　　宜信把對農業細分場景中的知識依托于招募優秀的業務員。CEO唐寧在接受企鵝智酷采訪時表示，公司在農村市場最缺的就是既懂養殖業務又懂金融業務的人才。他認為，這正是決定未來宜信農村市場開拓速度的關鍵。宜信從2009年開始探索農村市場業務模式，到目前為止建立了100多個網點，其中非公益性質的農商貸網點有60多個。

　　4. 利基市場：分期/融資租賃

　　前文分析了農業機械化帶來的農機市場空間，這吸引了一些公司對利基市場的關注。比如宜信“農租寶”和農機分期服務平臺“農分期”。他們都采用與經銷商合作的方式開拓市場。一方面解決風控中對農戶背景不了解的信息不對稱問題，另一方面一旦農戶違約，抵押的農機取回之后，可與經銷商合作再銷售。

　　宜信在2012年推出農機融資租賃業務，是較早進入市場的互聯網金融機構。他們主要在黑龍江、山東、吉林、遼寧、內蒙古等糧食大省與經銷商合作開展業務。目前已經服務了近萬例客戶。

　　在從事農機租賃業務的同時，宜信發現了農業租賃市場的另一類潛在需求——活體租賃。他們在河南向原先的農機租賃客戶提供了200頭奶牛的售后租回服務。這是農資租賃的有一種嘗試。

      文章：工控中國