钛媒体注：本文来源于金融时报，作者 | 胡萍，编辑｜袁浩。
在数据被广泛运用的时代，数据要素给各行各业带来的乘数效应日益显现。在金融领域，“数据要素×”金融服务方兴未艾，但从实际推进层面来看，又面临着数据确权困难、部分金融机构能力不足等问题。如何进一步推动“数据要素×”金融服务长足发展，实现数据要素在金融场景中“供得出、流得动、用得好、保安全”？针对上述问题，《金融时报》记者采访了本报专家组成员、中央财经大学中国互联网经济研究院副院长欧阳日辉。
《金融时报》记者：您如何看待数据与金融行业的关联度？
欧阳日辉：由于金融行业的特性，金融数据要素的“技术—经济”特征在一般数据要素的基础上有其行业特殊性。一是广泛互联性。金融行业与各行各业都有所关联，并为各行各业提供资金支持。相应地，各种行业的数据都能为金融机构的金融活动赋能，从而使得金融业能够使用的数据范围较为广泛，并能够从各种数据中挖掘有利于金融活动的信息。二是动态高频性。金融市场瞬息万变，各行各业的动态变化会对金融行业产生或多或少的影响，这就使得频率更高、维度更多的、更及时的动态数据对于金融业来说具有更大的价值。三是网络价值性。金融活动具有典型的网络外部性，客户数量越多、交易活动越频繁，其市场优势越大，这种优势很多时候也是通过数据规模体现的。数据规模会伴随业务规模增加而增加，金融机构的数据优势成为竞争力的重要表现。
《金融时报》记者：金融数据要素怎样赋能金融服务？
欧阳日辉：金融业本身就是数据富集的行业，金融消费者日常的交易、存取款、信贷、保险等各类业务中产生了海量、高频、高维的数据。传统的金融服务中大多依赖纸质单据和人工处理，数据在其经营中发挥的作用有限。随着互联网的普及，数字技术在金融业务中的应用向纵深发展，普惠金融、绿色金融、数字金融等模式相继出现，推动金融业数字化转型。近年来，我国金融机构全面加强数据能力建设，在保障安全和隐私前提下推动数据有序共享与综合应用，充分激活数据要素潜能，有力提升金融服务质效。
金融数据要素从三个层次为金融服务赋能，从而实现数据驱动的新增长极。具体而言，通过金融数据要素的协同效应，可以优化金融业务和资源配置；通过金融数据要素的复用，发挥其倍增效应，提升金融服务的智能化水平；通过将其他行业数据与金融数据融合，激发其创新效应，助力打造新业态新模式。
首先是协同优化过程。在这一过程中，金融机构针对具体场景，搭建数字化平台，通过整合该场景业务相关的物资流、人才流、技术流、资金流等，以数据要素打通各主体、各要素之间壁垒，将金融服务和数字时代的产业新模式有机结合，从而降低金融服务成本、提高金融服务效率、拓展金融服务边界。
其次是复用增效过程。银行、保险、证券、信托等各个领域之间存在诸多共性和密切联系，对客户、金融市场、舆情等数据的复用能够在不同场景中提供多样化价值，加强对于数据要素的精细化分析，从而优化金融服务模型、改进金融服务决策。同时，金融服务数据反映金融行为，对于金融服务数据的复用有利于探索监控常见的违规行为模式、发现潜在的风险点，从而保障金融服务安全稳健。
最后是融合创新过程。这一过程主要有两层含义，第一层是金融数据和其他行业数据的多源融合，第二层是数据要素的开放流通激发自身的金融属性，并通过金融市场形成新的生态。
《金融时报》记者：防控风险是金融工作的永恒主题。数据要素的运用对金融服务安全性能否提供助力？
欧阳日辉：事实上，数据需要与数字技术结合才能发挥作用，主要在两个方面有很好的效果。一方面，金融机构运用人工智能、物联网、大数据等技术，融合利用科技、环保、工商、税务等数据，构建以用户、场景为中心的金融服务体系，提升实体经济金融服务水平。另一方面，金融机构融合分析金融市场、信贷资产、风险核查等多维数据，提升反欺诈、反洗钱能力，提高风险预警和防范水平。
在数字时代，金融机构风险控制的指标愈发多元，向着动态管控、预先管控的方向发展，这种转变依赖于数据要素的充分复用，利用人工智能等技术挖掘隐藏的风险信息。首先，金融机构可以通过对宏观经济数据、金融市场数据的反复挖掘，分析掌握市场动态和风险趋势，做好对宏观风险和危机的提前预警；其次，金融机构可以联合业务相关的具体行业机构，通过分析行业历史数据，判断产业政策调整的冲击；最后，金融机构可以复用业务历史数据和客户行为数据构建违约模型，分析形成违约风险的常见因素，优化风控模型，降低贷款等业务的不良风险，还能够构建风险预警模型，对动态数据进行实时监测和分析，及时发现异常交易、投资项目风险暴露等情况，并采取处置措施，保障金融业务的正常开展。
在金融监管部门层面，通过对数据的复用，可以更好地实现机构监管、行为监管、功能监管、穿透式监管和持续监管，极大地保障金融服务的安全。
《金融时报》记者：对于做好“数据要素×”金融服务的落地应用，您还有何建议？
欧阳日辉：要做好“数据要素×”金融服务，还需要从供给、流通、使用、安全四个层面发力：第一，让数据放心“供”出来，供得出的有价值的数据越多，通过数据的多源融合可以产生的效果越明显。第二，数据“流得动”，数据要素的流通能够促进数据金融价值发现和机构间共享，让金融服务数据更好地复用、融合。第三，数据“用得好”，各金融机构充分地用数据去决策、用数据去管理、用数据去创新，才能实现数据价值的几何级增长。第四，数据安全有赖于数据基础设施建设，保障数据安全是金融业高质量发展的要求，建立健全自主可控安全高效的金融基础设施体系，需要加快建设数据流通基础设施。
目前，上述方面都存在一些瓶颈与挑战，需要进一步突破。比如，数据确权尚存在困难，机构数据“不愿供”；数据要素市场待完善，数据产品“流不动”；金融机构数据能力有差异，数据处理“用不好”；核心技术和关键资源不健全、不完备，数据安全保障不足。
要突破现有瓶颈，金融业应把握三条路径：一是数据应用场景化，金融机构要重视数据要素对于金融服务变革的价值，从自身场景出发，开发利用数据要素，发挥数据要素的协同、复用和融合作用；二是数据要素金融化，通过建立完善数据要素市场，发挥市场的力量促进数据要素产品的流通，使得市场上有充分可用的数据产品供给，金融业可以基于数据要素进行金融业务创新，激发数据要素的金融属性，探索数据要素金融化，但要注意防范风险；三是金融服务生态化，高度重视金融大模型发展和应用，金融企业需要的大模型包括通用大模型、知识处理大模型、工具大模型、决策大模型等类型，用高质量数据保证金融大模型训练效果，沿着“科技—产业—金融”的良性循环的路径，形成支撑数字经济创新发展和做好金融五篇大文章的生态体系。
热门跟贴