FinTechが切り拓く新しい金融サービスのかたち：第7回：ビッグデータ・ICT活用により新たな資金需要を取り込むレンディングビジネス

従来の金融機関では、企業や個人に融資をする際、企業であれば財務諸表、個人であれば申込時情報を取得し、さらに外部信用情報機関を通じて過去の融資実績を確認・審査することで、貸付可否を判断しています。その結果、設立間もない新興企業や財務体質の脆弱な中小企業、融資実績に乏しい個人などは、金融機関の融資基準をクリアし難いという側面がありました。

ところがビッグデータ時代に突入し、従来の審査業務では使われていなかった様々な種類のデータを収集し、審査に活かそうという動きが出始めました。今までは過去に融資実績の存在しない申込者は否応なく融資不可とみなすケースもありましたが、ビッグデータからプラスの情報を引き出すことによって、より多くの企業や個人の融資ニーズに応えることができる可能性が拡がりました。

トランザクションレンディングにおける代表的なプレイヤーを図表2に示します。図に示されているように、トランザクションレンディングは、想定する借り手の違いにより、BtoB型とBtoC型の二つのビジネスモデルに分類されます。

BtoB型のレンディングは、銀行以外の事業者が、本業を通じて繋がりをもつ特定の事業者を対象として、融資サービスの提供を開始するという事例が多いことが特徴です。

もっとも代表的なのが、米Amazonが2014年にスタートした「Amazonレンディング」でしょう。「Amazonマーケットプレイス」の参加事業者を対象に事前審査を実施し、審査基準を満たすと、出品管理ツールのトップページに融資の案内が表示されます。申込から契約まで全てオンラインで完了します。事前審査時には事業者の販売実績や行動履歴等のデータを分析し、在庫には担保を設定します。さらには、返済も売上から自動的に相殺することで未納リスクを回避するといった具合に、チャネル・商流（決済を含む）・データをフル活用したビジネスモデルとなっています。

もう一つの事例としては、米の決済事業者Squareが2014年より自社の加盟店に対して始めた融資サービス「Square Capital」があります。同社の主要加盟店となっている中小規模のリアル店舗を対象に、収集した売上データを基に審査を行い、最短で翌日に融資する仕組みとなっています。サービス開始1年で、累計2万の加盟店が利用したとのことです。こちらも自社の本業の強みを活かした好事例であると言えます。

国内の事例としては、楽天が2013年に、楽天市場の出店事業者向けに「楽天スーパービジネスローン」を開始しました。独自の判定基準を基に、融資申込者の顧客評価や取引情報等のデータを活用し、ほぼ全自動での審査を実現しています。

以上の事例のように、レンディングビジネスのKSF（成功要因）は、本業を通じて事業者のチャネル・商流・データを掌握・活用することにより、勧誘・審査・回収といったレンディングビジネスの各業務の効率化を実現していることです。これらの事業者は、レンディングビジネスをいわば副業として行っていると言えます。しかしながら、事業者の資金ニーズに応えることができれば、本業への波及効果も見込めることから、積極的な事業展開を行っています。