金融数据要素化实现思路和发展方向分析

进入数字经济时代，数据要素成为数字经济发展的核心引擎，也是众多行业的核心资源。

1.金融数据要素化实践方式——市场化

金融数据要素化是指通过一定手段将金融数据转化成为生产要素，并将其投入到社会生产经营活动的过程。这个过程是递进的：金融数据应经过整合梳理后形成数据资源，再将金融数据资源经过法律上的确认以明晰权属关系形成数据资产，最后释放金融数据要素的资本价值。 自党的十八大以来，以数据为关键要素的数据经济加快发展，尤其在“数据二十条”发布之后，围绕数据的基础制度构建取得积极进展。数据的资源属性被认识并且得到共识，这也是金融数据资源化的前提。金融数据作为原始数据而言，本身不具备价值，而且存在着诸多合规风险。金融数据资源化就是将金融原始数据转变为数据资源，使得数据具备一定的潜在价值，本质是提升金融数据质量，形成数据使用价值。

金融数据资源化首要应做到数据合规，尤其是在金融行业强监管的政策下，从数据采集、存储、处理、传输、共享到销毁等各环节都确保数据的安全性和完整性。金融数据资源化的职能以及措施多种多样，应对不同类型的金融数据，以达到不同程度的监管要求和提高企业间数据的互通性。以金融领域数据模型管理为例，证券行业发布多个证券期货业数据模型行业标准，指导企业构建数据模型。

金融数据资产化，即需要在法律上确认金融数据的资产属性，本质上是形成金融数据的交换价值，保障要素价值的实现。金融数据资产化需要金融数据资源通过市场交易给使用者或持有者带来经济利益，那这必然涉及数据确权的问题。“数据二十条”提出探索建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，形成“三权分置”的中国特色数据产权制度。在数据确权的业务平台上，众多公司争相参与，以人民网、新华网、中文在线、顺网科技、安妮股份、浙数文化、视觉中国、中原传媒等等。尤其是作为我国首个数据确权平台“人民数据资产服务平台”已经于2023 年7 月通过中央网信办审核，面向全国提供数据上链、存证、确权、交易服务工作。另外，2023 年 8 月 21 日，财政部发布《企业数据资源相关会计处理暂行规定》，确认“企业数据资源”正式入表。目前，数据确权从法律角度、从管理和使用角度、从会计角度取得重大进展，奠定了数据资产化的基础。

金融数据从原始数据，再到数据资源，又形成数据资产，最后应当转化实现金融数据的资本属性，释放并且创造新价值，即实现金融数据资本化。这也是数据经济发展的核心目标。但当前，不可置否的是很多基础性的工作还存在诸多问题：金融数据的流通共享障碍重重，数据的定价和收益分配无章可循等问题，都有碍于数字经济生态的形成与发展。显然，金融数据能否实现其本身的资本化不能因循既有制度体系，既需要理论创新，也需要实践探索。

2.金融数据要素化制度导向——合规化与开放化

我国对于金融数据要素化的官方支持主要在两方面有体现，一方面是激励并推动金融数据要素开放、分配、利用、流通、交易、与市场化的发展进程，另一方面则是完善对金融数据要素的合规监管、安全保护、法律限制、与风险管理机制。2020 年 4 月 9 日，中共中央、国务院印发了《关于构建更加完善的要素市场化配置体制机制的意见》，第一次将数据要素纳入了市场化配置体制机制，并提出了推动数据开放共享、提升数据价值、加强数据安全保护的三个与金融数据要素化有关的大方向。 在《数据安全法》《个人信息保护法》等法律法规的基础上，国务院办公厅于 2021 年 12 月 21 日印发了《要素市场化配置综合改革试点总体方案》，进一步完善了要素市场化生态周期的布局架构。其中“探索建立数据要素流通规则”主题，明确了在保护数据安全与个人数据隐私的前提下，探索数据要素的使用用途和如何将数据要素进行资产化，以及为数据要素构建从评估、结算、交易撮合、到争议仲裁等各个完整的市场运营体系环节。而“健全要素市场治理”主题则更加侧重于完善数据要素交易平台，支持平台与金融机构合作，形成由价格评估、交易、担保、保险等多方面组成的服务体系，将数据要素进行商品化。以及加强要素交易平台的监管，加入反垄断与反不正当竞争执法机制，创立信用记录管理档案，将违法违规的要素交易行为定性为失信行为，实行追责，对不正当使用与交易数据要素的客体进行惩戒。

展望下一个五年，国务院在 2022 年 1 月 12 日印发了《“十四五”数字经济发展规划》。为了激发数据要素这一数字经济深化发展的引擎，需要大力推动金融领域数字化转型，探索数据要素的新应用蓝海，使其赋能。为了产出更多高质量要素的供给，其前提是需要提升数据资源的预处理能力，合理规范数据要素的处理流程，使得数据要素有人采集，有人分级，有人管控，有人处理。推动大数据在银行、证券、保险等领域的应用，并促进跨越部门、跨越地区、跨越领域的要素整合共享与开放。 为了使数据要素的生产、分配、流通、消费等各交易环节更加畅通无阻，降低市场交易成本，使国内市场与国际市场联通，中共中央、国务院在2022年4 月 10 日提出了《关于加快建设全国统一大市场的意见》。其目的就是为了打破市场的地域性，减少地方保护、地方垄断等不利于竞争的现象发生，保证了金融数据要素化的健康发展。

2022 年 12 月 19 日，中共中央、国务院印发了《关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”）。“数据二十条”展现了促进数据合规高效流通使用、赋能实体经济这一主线，坚定以充分实现数据要素价值、促进全体人民共享数字经济发展红利为目标。作为金融数据要素化的纲领，“数据二十条”将进一步帮助完善金融数据产权界定，完善金融数据市场体系建设等制度和政策，激活金融数据要素潜能，做强做优做大金融要素数据经济。 财政部于 2023 年 8 月 1 日制定了《企业数据资源相关会计处理暂行规定》，且将于 2024 年 1 月 1 日起施行。《暂行规定》将数据资源确认为无形资产，且将无形资产达到预定用途所发生的数据脱敏、清洗、标注、整合、分析、可视化等加工过程的费用，以及数据权属鉴证、质量评估、登记结算、安全管理等费用都归属为有关支出。《暂行规定》还指出要加强数据资源无形资产的信息披露，包括重要单项数据资源存货的内容、账面价值和可变现净值，以及所有权或使用权受到限制的数据资源存货，以及用于担保的数据资源存货的账面价值等情况。

为保护资产评估当事人合法权益和公共利益，中国资产评估协会2023年9月 8 日印发了《数据资产评估指导意见》。《指导意见》指出执行数据资产评估业务，需要关注数据资产的“三属性，四因素”，其中包括数据资产的信息属性、法律属性、价值属性，以及影响数据资产价值的成本因素、场景因素、市场因素和质量因素。《指导意见》列举了准确性、一致性、完整性、规范性、时效性，以及可访问性共六种数据质量要素特性相对应的共15 种指标，以及3种评估方法的相关模型，为数据资产评估方式指明发展方向，引导市场主体积极参与数据资产入表的探索。

3.金融数据要素化市场建设——多元化与资产化

金融数据要素化的市场建设离不开商业银行的参与。商业银行在业务发展过程中积累了海量金融数据，作为数据持有者，可以多种方式参与金融数据要素化的市场建设中。从金融数据的全生命周期谈起，商业银行采集、整理和标准化各类金融数据要素向数据市场提供了大量的金融数据产品；商业银行具有完善的数据保护机制与信息安全系统，可以提供可靠的金融数据存储环境；商业银行积极参与数据要素质量和标准的制定，促进金融数据要素的互操作性；商业银行可以建立数据共享机制，能够提供数据场外交易服务，可以为金融数据要素市场提供平台；商业银行本身具有丰富的人才储备，其具备深厚的专业知识和数据分析技术可以为数据要素市场参与者提供有价值且有针对性的数据市场洞察服务。当然，金融数据要素化市场建设不能仅依靠商业银行，独木难支。商业银行与其他金融机构、科技公司或数据交易所合作共同推进数据要素市场建设。

就金融数据场内交易而言，其市场建设已经初步成型，但仍处于起步阶段未形成规模交易。从金融要素场内交易产业链构成来看，主体包括数据提供方、数据商、数据需求方、交易撮合方以及第三方专业服务机构，各司其职，各尽其责。但我们也应认识到处于起步阶段的场内交易，所占数据交易的份额必然不会很高。目前，受限于数据确权、数据价值互认等原因，数据交易所处于引进数商联盟和生态搭建的阶段。当然不能止步于此，针对数据交易痛点，从数据定价、数据登记、数商管理、数据安全等方面，各地的数据交易所都在积极寻找破解方法。上海数据交易所通过大量的场内交易形成稳定、公允的定价机制；北京国际大数据交易所搭建了基于“数据可用不可见”的隐私计算平台；深圳数据交易所对数商进行分级分类，推动参与主体精细化分工；山东数据交易所推出数据登记制度，引导数据产品登记流通。 未来，金融数据要素化的市场建设将加快步伐。随着一系列新政策的落地，数据资产入表以及数据资产估值等业务将显著增长，推进金融数据要素市场化配置以及推动数据资本化的发展。就数据资产入表的情况，浦发银行进行创新探索，根据数据资产能否直接产生价值，将数据资产划分为基础型和服务型两类，并尝试编制数据资产经营报表，作为资产负债表、现金流量表和利润表之外的第四张表。而当前，数据资产纳入会计报表已然成为现实，必然给金融数据要素市场提供强大的内生动力。就数据资产估值的情况，作为国有大型商业银行的工商银行积极创新，在 2021 年发放“首单基于数据资产凭证的融资”。未来随着金融数据要素不断聚集，应用场景也会更加多元化。

4.金融数据要素化基础设施支撑——智能化与精细化

金融数据基础设施以支撑数字化发展为根本目标。从广义上讲，金融数据基础设施是以支撑数字化发展为目标，以挖掘数据价值和保障数据安全为基本点，以实现数据要素的采集、传输、汇聚、存储、处理、开发、应用等为主要内容的制度体系和系统设施。从狭义上讲，金融数据基础设施是指支撑数据要素流通的各类硬件设施和软件平台。

设施层是金融数据要素化基础设施中的根基，是产生数据、储存数据、分析数据和应用数据的载体，既包括计算设施、存储设施、网络设施等硬件设施的建设，也包括共享交换平台和开发利用平台等软件平台的建设。目前，社会上有很多设施层硬件设施和软件平台的成熟产品，金融机构可以直接使用他们提供的工具和服务。设施层具体体现为：如全国中小微企业融资服务平台等。资源层建设的方向和重点，一方面金融机构都有数据，怎么样把数据作用发挥出来，对内部副产品的数据变成新的要素，变成生产资料。另一方面，有效整合相关联的社会数据资源，如企业和个人的不动产、社保、公积金、税务、司法等数据，形成数据集中分析模型，才能更好地发挥金融数据要素化的价值。另外，资源层需要特别关注数据治理和数据安全问题。资源层具体体现为：如各地市征信公司数据产品等。 流通层建设重点是解决数据互联互通和流通交易的问题。包括共享交换、开发利用和交易流通三方面建设。其中共享交换既包括金融机构内部所有数据的共享交换，也包括金融机构与外部机构之间数据的共享交换。开发利用的重点是如何把资源层治理好的数据充分地进行开发利用。交易流通的重点是安全合规高效。目前数据流通交易市场缺乏标准规范、交易价格不健全、交易安全难以保障等问题，建议通过有资质牌照的交易场所，合法合规开展金融数据流通交易活动。流通层具体体现为：各地市征信公司与本地金融机构合作进行数据模型开发等。

5.金融数据要素化技术创新——数字化与中台化

进入数字经济时代，数据要素成为数字经济发展的核心引擎，也是众多行业的核心资源。金融作为现代经济的核心、服务实体经济的血脉，也是信息化建设的引领者，正在新一轮数字经济浪潮中驱动数字化转型和激活数据要素，并通过实现资产数字化到数据资产化，旨在让社会经济各参与主体深刻认识到数据要素的现实意义和社会价值，推动实体经济数字化及高质量发展。数字技术应用为金融机构释放数据价值提供了更多可能性。而数字技术的持续发展及融合，也推动金融软硬件基础设施的数智化升级，更为银行沉淀并管理业务过程中的数据资产。例如，基于云计算的应用，简便了数据的流转和生产；基于大数据的应用，海量数据的采集、治理、建模、开发、分析与服务得以更加精准和有效；基于人工智能的应用，为解读并应用数据提供有力支持等。 传统模式下，技术和业务模式制约着银行金融服务。依托“数字技术+数据要素”双轮驱动，能帮助银行实现业务深度及服务能力的扩展，也能使金融服务延伸至小微等金融缺乏群体所在的场景，构建基于数据要素的信用价值体系，于此强化服务能力、完善产品体系，让更广泛的群体享受到平等、便捷的金融服务。

RPA 的全称是 Robotic process automation（机器人流程自动化），它是基于软件机器人或人工智能概念的进程自动化技术，以机器人作为虚拟劳动力，依据预先设定的程序与现有用户系统进行交互并完成预期的任务，代替人工去做一些低价值、高重复性的数据处理工作。近几年 RPA 在国内是不折不扣的“技术风口”，凭借“流程自动化”核心优势及帮助企业迅速应对变化的业务需求及实现增效降本，使其在全球市场热度屡创新高。值得一提的是，RPA的出现，让正在经历着应用创新技术赋能行业转型关键期的金融机构，找到了多年来苦苦追寻的效率、成本、风险控制的多方平衡点。此外，RPA 还可以提高数据的准确性和一致性。在金融行业，数据的准确性至关重要。通过RPA，金融机构可以实现数据的自动抓取、清洗和更新，从而减少了人工错误的可能性。RPA还可以将不同系统中的数据进行整合，确保数据在不同系统之间的一致性。从效率层面来看，针对金融机构中高频、重复、有规则的操作行为，RPA都可以替代人力执行处理，降低运营成本的同时还能实现高数据量下的不同系统、平台等对接，有效解决金融机构各系统间衔接、协同薄弱等所产生的信息孤岛问题，最终实现金融机构核心效率的大幅提升。从风控层面来看，在人工业务流程中，员工直接对数据或系统进行操作，既有可能因为操作不当或操作不合规导致敏感信息泄露的风险，也让对员工的系统权限管理成为一个工作难点，尤其是对业务中敏感数据的操作。而 RPA 技术就像是在员工和敏感数据之间建立了一道“隔离墙”，员工通过操作 RPA 平台“间接”完成对系统或数据的操作，这有利于将员工的系统权限合理分配，实现权限最小化，同时确保流程的每一步均在监控之下。

在小微金融领域，“RPA+AI”技术应用不断深入，加快了小微金融信贷服务业务场景的拓展。众所周知，在传统的金融风控模式下，小微企业更多依靠有限且维度较为单一的数据以及从业者主观经验判断等风险评估技术，因此风控难度大、成本高。而通过利用“RPA”对财税票数据进行采集处理，能通过企业财税票数据，更好地对小微企业信用进行多维评估，优化金融机构业务流程以及降低信贷管理风险。作为专业独立的财税数据技术服务商，微风企以“RPA+AI”为基础，开发“企业经营数据采集系统”，能够对企业财务、发票、工商、司法等多维度数据进行采集、分析，自动评估企业的经营情况，一键生成企业画像分析报告，为金融机构、企服机构、科技公司等客户经营决策提供智能化分析服务。 微风企企业经营数据采集系统，主要对企业工商、司法、税务、发票等多维数据进行自动采集并智能加工分析。发票数据包含：销项发票数据、进项发票数据及机动车销售发票数据。以交易行为为核心，通过交易对象、产品、金额、频次等，针对性发现异常交易风险、经营风险、反欺诈风险等。税务数据包含：纳税基本信息、申报缴款信息、纳税风险信息三大类。以税务数据为核心，通过对增值税、企业所得税、企业变更信息、违法违章等信息进行综合分析，对企业经营稳定性、信息完整度、企业发展潜力、违约信用等级进行判断。