如何推动数据要素的共享与流通？

以赋能业务为导向，有序推动数据要素的 共享与流通。

一、构建数据共享能力体系是商业银行解决数据内部共享的“作战图”

商业银行正在逐步转变为数据驱动的机构。随着对数据的重视和技术的不断进步， 商业银行正逐步实现数据的高效利用和深度分析，以提升业务决策能力、改善客户体验， 并探索更多创新的金融服务模式。然而，在数据应用中仍面临着以下困境： 在一些商业银行中，数据应用往往由专门的数据团队主导，负责数据的收集、清洗、 存储和分析，过于专注于理论分析与技术优化，缺乏与业务部门紧密合作的机会，无法 深入了解业务需求和挑战，导致数据应用的解决方案与业务场景不匹配，无法进行有效 的场景落地。由于数据应用与业务场景脱节，商业银行的数据应用赋能效果往往不够理想。 数据团队所开发的数据模型和算法难以真正解决业务问题，无法给出实际可执行的业务 建议。这导致数据应用的价值无法充分发挥，无法对业务决策和流程产生实质性的影响。 因此需以赋能业务为导向进行数据应用，只有不断地进行场景复用、数据复用、模 型复用，才可以最大化地发挥数据资产价值，吸引需求方为数据驱动形成的知识“买单”， 进而产生经济效益；而经济效益的产生也能推动需求方更为主动、不断地探索数据应用， 将业务理念与数据思维紧密地实现结合，形成良性循环。

基于对多家企业的调研论证以及在交通银行的落地实践，数据挖掘、分析结果如果 不能被落地执行，那就是纸上谈兵。只有结果被真正落地执行后，见到了业务提升效果， 才能凸显数据的价值，而是否有价值不是由数据部门来判断的，而是由业务方来判断的。 例如商业银行会做“客户挽留”相关主题的数据应用，大多数银行会做客户流失率的预测， 但客户流失率并没有对应到一个需要业务解决的问题。业务需要解决的问题是“用何种 行动可以对即将流失的客户进行挽留成功”，这就需要数据部门先理解业务需要解决的 问题或需要提升的能力，再与业务一起探讨解决该问题或提升该能力需要有怎样的举措， 进而形成分析主题，而一组分析主题才可能是解决一个业务问题或提升一项业务的数据 驱动力。综上所述，数据挖掘、分析需梳理一个正确的意识：数据应用的目的始终是解 决业务的问题或提升一项业务的能力。

1、数据业务通力合作，打造业务能力地图，形成数据应用能力地图的重要输入 商业银行的业务活动客观存在于业务环节中，必须有一个明确的业务目标和产出物， 并需要创造价值。业务能力地图区别于银行部门级独立的功能性组织架构视角，而是从 另一个视角洞察银行的商业模式和业务行为。业务能力地图是一种工具和方法，通过对 业务活动进行重新归类以形成商业银行模块化和可复用的业务能力，用它可以识别业务改进及创新机会，从而映射到业务提升方向。 使用价值链分析法构建业务能力地图是较为有效的。价值链分析法是由美国哈佛商 学院教授迈克尔波特提出来的，是一种寻求确定企业竞争优势的工具。即运用系统性方 法来考察企业各项活动和相互关系，从而找寻具有竞争优势的资源。价值链思想认为企 业的价值增加过程，按照经济和技术的相对独立性，可以分为既相互独立又相互联系的 多个价值活动，这些价值活动形成一个独特的价值链。价值活动是企业所从事的物质上 和技术上的各项活动，不同企业的价值活动划分与构成不同，价值链也不同。 结合监管的要求，经过多方论证且银行实践形成 28 项银行内部共享的业务能力地图：

各家商业银行数据部门可以与业务部门通力合作，构建适应于自身的企业级或各业 务条线的业务能力地图，并细化每主题向下的业务举措，形成数据应用能力地图的重要 输入。

2、设计与业务能力地图互为关联的数据应用能力地图，实现业务数据一张图 数据应用能力地图是全行范围内的统一的数据分析视图，是反应业务需要解决的问 题与业务能力提升的关联图谱。他根据对业务需求的理解，从全行视角对业务需求用数 据的语言进行一致性表达，是联结业务与数据的桥梁，也是数据部门衡量数据驱动能力对业务价值的评价基础。 银行数据应用能力地图的建设是自上而下和自下而上的结合，设计思路是先自上而 下确定业务对应的数据分析主题域；再确定各主题域的数据需求，建立企业数据需求； 最后结合自下而上确定数据需求与数据的关联关系，形成数据关系图谱。这样逐级细化， 形成层次清晰的企业数据应用能力地图。

数据应用能力地图的形成不是一次性的工作，需要持续优化完善。具体分为建立数 据应用能力地图框架、完善数据需求主题、挂接数据关联图谱三个阶段实施： （1）建立数据应用能力地图框架 以业务能力地图成果为输入，参照业界参考模型，建设数据应用能力地图框，通过 高阶关系图对银行业务需要解决的问题或业务提升点进行清晰、准确的可视化展现，拉 齐业务与数据的统一认知； （2）完善数据需求主题 分析业务能力需求中的所需数据需求以及所需的数据相关能力，形成完整、详细的 企业数据应用能力地图；

（3）挂接数据关联图谱 在数据需求设计实施阶段，依托企业数据资产的分布、流转关系，进行相关数据资 产的挂接，形成业务数据关系图谱。 随着金融产业结构与消费结构的不断升级，客户对银行的需求也日趋个性化、场景 化、多样化和智能化。同时随着数据要素共享与流通从理论研究阶段过度至企业实践阶 段，数据的价值会被进一步强调“数尽其用”，在内部即“数据业务化”。在此过程中， 银行需要贴近业务、场景为先，从业务的视角重新梳理数据价值。 为解决现有“竖井式”的业务和技术架构所带来的部门间壁垒、重复建设、响应周 期长等深层次问题，提升客户体验，交通银行从“一个交通银行、一个客户”的角度出 发，启动了企业级架构项目。通过业务、技术与数据的深度融合，联动治理，将业务服 务能力落实到企业级 IT 架构和业务模型中，形成稳定灵活的产品模型、流程模型、数据 模型，在产品创新与管理、产品运营、业务报告与决策、风险管理等多个方面形成价值 链和业务领域视图，实现“战略 - 业务 - 数据”紧密联动传能力，聚焦提升企业级业务能力， 有效支持全行战略的执行。

二、构建数据要素经营体系是数据资产价值变现的破局关键

提到数据要素流通，绝大多数的机构与组织研究和实践就会着力于数据交易，甚至 有部分机构与组织认为“数据流通 = 数据交易”。如果想厘清该问题，我们需要思考： 数据作为生产要素的作用是什么？是不是只有通过“交易”才能发挥出来？流通是不是 只有“交易”一种方式？ 生产要素是经济学中的一个基本范畴，指进行社会生产经营活动时所需要的各种社 会资源，其作为生产过程中不可缺少的劳动资料和劳动对象，是维系国民经济运行及市 场主体生产经营过程中所必须具备的基本因素。基于商品流通的本质，可以得出数据要 素是以价值创造为目标，完成从数据生产领域到数据消费领域的转移，而数据交易只是 数据要素流通的模式之一。数据作为生产要素的作用包括：（1）促进社会治理的精细化 水平提升；（2）提升行业、产业业态的创新能力；（3）促进相关资源的合理配置与优化。 可以从以下几点来探讨数据要素的流通方式：

商业模式，价值变现的流转方式：模式决定了企业将会运用何种盈利方式实现数据 要素的价值变现，包括数据合作、数据交易、数据开放三种，例如通过售卖数据产品实 现盈利、为内部部门提供数据服务，赋能业务实现价值； 经营要素，价值变现的重要基础：经营要素是数据要素流通的重要组成部分，有了 经营者、经营对象及经营权才能明确数据要素经营的主体、客体及权属划分，是数据要 素对外流通的基底； 经营活动，价值变现的实现过程：经营活动是将数据从研发至投身于数据要素市场 中进行流通的实现过程，以此构建以数据要素为核心的“研发 - 定价 - 流通 - 评价”四大 经营活动；

经营载体，承载价值变现的组织：作为数据要素的市场主体，承载着各类商业模式 下的相关活动的开展与运营，不同的经营载体承担着不同的责任，同时，在数据要素市 场培育过程中，不同经营载体的相互组合也会呈现出多种数据要素市场形式的涌现； 经营原则，价值变现的底线规则：原则是数据要素在进行流通时的底线，任何流通 活动、方式都需在遵循隐私保护与安全合规的前提下进行，才能构建有序的数据要素市场。 数据要素经营体系以价值变现为目的，打通数据要素流通的“最后一公里”，对企 业所拥有的数据进行战略性规划与部署，形成数据要素对外流通的一套体系，通过合理运作和协同作用，这五大板块相互支撑和促进整个数据要素经营体系的运行。商业模式 提供了盈利的方向和途径，经营要素为实现商业模式提供了基础和支持，经营活动在经 营载体的支持下开展并用以商业模式的实施，而经营原则则确保数据要素经营的合规性 和安全性。这种相互关联和相互支撑的关系使得数据要素经营体系能够有效地推动数据 的流通、实现价值变现。

1、基于产业金融的数据合作是商业银行数据要素流通的核心商业模式 彼得·德鲁克说：" 当今企业之间的竞争，不是产品和服务之间的竞争，而是商业模 式之间的竞争。" 足以见得商业模式在企业经营中有着至关重要的地位。商业模式是企 业与企业之间、企业的部门之间、乃至与顾客之间、与渠道之间都存在各种各样的交易 关系和连结方式，商业模式组织管理企业的各种资源如原材料、人力资源、销售方式等， 形成能够提供消费者无法自力而必须购买的产品和服务，因而占据市场优势地位的特性。 数据要素流通的商业模式明确了企业如何利用数据资产来创造价值，在价值链中如 何选取上下游合作伙伴以及怎样与客户达成交易或合作、为客户提供价值。作为数据资 产价值变现的方式，常见的商业模式包括数据合作、数据交易和数据开放。 数据合作。是指互为供需双方，相互提供数据，没有货币媒介参与的数据双向流通 形式。即企业以数据生态、产融结合等模式与其他主体进行数据合作，通过隐私计算平 台等安全合规手段进行数据交换，实现双方数据资产价值变现。如商业银行与消费行业 进行数据合作，了解客户消费习惯，推出更合适的金融产品以实现变现。

数据交易。即企业将自持的数据资产进行封装，通过数据交易平台或进行自主交易， 以此产生货币化经济收益。提供方有偿提供数据，需求方支付获取费用，主要以货币作 为交换媒介的数据单向流通形式。如将已脱敏的数据标签通过数据交易平台售卖给其他 企业。例如，商业银行作为需求方，从市场上的数据提供商购买各类外部数据，应用于 自身业务管理，这也是银行参与数据流通的最为传统的模式。 数据开放。即指公共、行业数据资源开放，提供方无偿提供数据，需求方免费获取数据， 没有货币媒介参与的数据单向流通形式。对于企业而言，数据开放主要是指披露企业运 行情况、推动政企数据融合，或以发布形式进行披露的各类报告。商业银行作为金融市 场的重要主体，在数据开放方面也有不少的尝试。例如，交通银行和中央结算公司联合 推出了“中债 - 交行长三角 ESG 优选信用债指数”，该指数体现长三角区域优质企业的 ESG 表现，助力长三角一体化发展。

根据国家“十四五”规划以及金融监管的相关政策分析，就商业银行而言，在三种 主要的数据要素流通模式中，数字产业金融是商业银行数字化转型新动能。数字经济的核心在于与实体产业融合渗透，金融资源的精准配置在数字经济的背景下，本质上就是 通过银、政、企数据到要素的融合形成产业的数字信用与数字担保，从而实现金融资源 的精准配置，助力制造业高质量发展。利用金融杠杆推动各产业数字化、智能化齿轮转 动，形成“产融结合”。数据的爆发式增长与新型技术的发展将加速实体产业在生产要 素、创新理念、商业模型等方面的变革和突破。实体产业利用数字经济带来的产出增长， 将构成数字经济的主要部分，成为驱动数字经济发展的核心引擎，最终实现“数据 - 金融 - 产业”的正向循环。

2、商业银行以资源整合优势打造产融生态圈，有效扶持实体经济高质量发展 数字产业金融是在新一代数字技术支撑和引领下，以数据为关键要素，以价值释放 为核心，以数据赋能为主线，对垂直产业的产业链和内部的价值链进行重塑和改造的过程。 随着当前经济环境的不断发展和变化，产业金融已成为推动经济增长和创新的重要 方式。传统的金融服务模式无法满足企业的多样化的需求，也无法在经济下行的时代推 动经济的发展，因此产融结合模式的应用变得越来越重要。产业金融不仅仅是简单的融 资支持，而是通过深度整合金融资源和实体经济活动，在政策的扶持与鼓励下，达到资 源共享、风险共担、互利共赢的目标，需要商业银行超越传统的金融模式，拓宽自己的 认知和服务范围，积极探索适应当下经济需求的新模式和新方法。 通过对商业银行的大量调研与实践，从数据视角出发，我们将产业金融的模式总结 为三种常见形态：数据支撑、数据赋能、数据驱动。

（1）产业金融 1.0：数据支撑的点到点金融服务 数据支撑是一种基于点对点服务的服务模式，其核心是商业银行通过数据分析和创 新技术提高金融服务的效率和质量。这种模式主要围绕银行自身的业务发展展开，是现 行业务模式的优化与提升。例如围绕科技企业、税务信息打造的企业贷款产品，基于绿 色金融政策制定的产品价格策略等。 （2）产业金融 2.0：数据赋能的金融业务生态圈 数据赋能是一种关键的产融结合模式，它以提供金融增值服务、打破传统服务模为 核心，通过拓展客户群体，进行以金融业务为中心的生态圈锻造。 增服务。通过充分利用数据资源，增加金融服务的范围和深度，以提供更多元化、 个性化的服务。通过数据赋能，商业银行可以更好地了解客户的需求和偏好，进而推出 更加精准和有针对性的泛金融产品和服务，满足不同客户群体的需求，提升客户满意度 和忠诚度。 创模式。传统的金融的业务模式是标准化和统一的，在与产业结合时往往停留在单 一服务上，通过新型技术的引入，在“互联网 +”文化下进行商业模式的革新，抓住客 户痛点及需求，可以更加快速切入银企合作。 拓客群。通过对客户群体的个性化数据分析，商业银行可以发现潜在客户群体，了 解他们的需求和行为特征，进而开发针对性的产品和服务。这样能够吸引更多的客户， 增加市场份额，为商业银行带来更多的业务增长机会。 造生态。基于上述三个方面的革新，商业银行可构建金融业务的生态系统，实现与其他企业、机构的协同合作，形成良好的合作生态环境。以数据赋能合作方，实现互惠互利， 激发创新活力，推动产业链协同发展。

（3）产业金融 3.0：数据驱动的银政企产融生态圈 商业银行要增加金融与产业的融合效应，可借鉴平台思维，搭建开放、共享、共赢 的产融平台，构建出多方共赢的数字经济生态圈，在政府机构的扶持下，通过数据链接 金融与实体产业，驱动生态发展。 政府引导、监管、支持、保护产业金融发展。政府通过制定相关政策，鼓励金融机 构支持实体经济，推动金融资源的优化配置和流动；对金融机构和产融平台进行监管， 确保其合规运作，保护消费者权益，维护金融市场的稳定和健康发展；引导金融机构和 实体企业参与产融平台，推动 " 数据 - 金融 - 产业 " 模式的落地和推广。 金融机构搭建产融平台，建立数字信用。收集、跟踪实体企业在平台上的数据，为 企业建立数字信用、数字担保、提供贷款等，减少传统担保方式带来的成本和风险；同 时通过分析数据，帮助企业提高生产效率、降低成本、优化供应链等，实现流程的优化 和效益的提升；同时将实体企业与供应商、分销商、客户等产业链各环节进行有效地对接、 链接、打通产业上下游。

实体企业通过产融平台，沉淀数据资产。通过平台实现日常经营活动的线上化，获 得资金和政策的支持，累积、沉淀的数据能够帮助企业“降本增效”；同时也可与其他 企业进行商业合作和利用产融平台提供的增值服务，帮助实体企业实现更多的商业机会 和增长潜力。 金融与产业的有效结合为商业银行“三升两降”（即提升新客户获取能力、提升业 务量、提升业务效率，同时降低金融服务风险、降低经营成本）带来的价值增益。通过 纵向拓展客户层级，拓展核心企业上下游客户，甚至终端消费者，提升新客户获取能力。 横向串联公司业务、普惠业务、贸金业务和零售业务等多条线，促进业务协同，交叉销售， 提升业务量。强化自动化、数字化作业，减少人工参与，让金融服务更高效，提升业务效率。 依托“四流合一”产业链闭环生态，确保交易真实，资金封闭运作，降低操作风险，降 低金融服务风险。同时通过自动化、系统化实施，长期看可降低经营成本，降低经营成本。 商业银行通过构建产融生态同时可为不同客户提供价值赋能：对核心企业，可帮助 其提升产业链控制力，优化产业数字生态，投入低成本，提升数字化水平，释放授信额度； 对小微企业，可通过产业链融资，积累数据资产，解决小微企业资信差，授信可得率低 的问题，扩大生产，提高收入，加快资金周转，通过金融渠道融入产业生态；对消费者， 充分开发个人自身资信，逐步建立数据信用，拉低融资、消费门槛，同时提供随借随贷服务，缩短放款周期，减轻资金压力，灵活还款、消费，提高生活品质。

3、通过数字产业金融成果转换沉淀数据赋能解决方案，促进数字经济发展 在产业金融数据合作中，银行可以通过数据分析、探索背后的行业特性与挑战，提 出可行的解决方案，推进产业转型，重塑产业生态环境，提升企业的生产力和竞争力。 亦可在为企业提供金融及泛金融服务的同时，围绕企业经营特点，输出成熟的数据产品 与服务。例如，为企业提供数据赋能解决方案中，通过对企业自身和上下游的行为分析 和挖掘，为企业提供客户需求和市场趋势等研究产品，帮助企业优化产品设计和生产计 划，提高市场竞争力。总而言之，在产业金融生态圈中，持续地将数据赋能成果进行转化， 提供数据赋能的增值服务和商业机会，能够使得银行更好地融入国家数字经济的生态系 统，并为经济发展注入新的活力和动力。

目前商业银行在产业金融的认知仍然停留在传统型的数据支撑模式，而市面上的产 融结合也以这种模式为主导。然而我们必须认识到这种模式并不足以构建一个全面的产 融生态系统，在未来经济下行的进程中，产融结合需要更广泛的认知和实践，才能实现 银行与实体经济的深度融合和共同发展。商业银行未来还应以数据赋能、数据驱动的模 式为主，通过强大的资源及数据优势进行资源整合，帮助企业有效存活，构建一个更全面、 多元化的产融生态圈，才能在政府指导下扶持实体经济，实现数字经济的繁荣昌盛。