党的二十届三中全会审议通过的《中共中央关于进一步全面深化改革、推进中国式现代化的决定》要求“加快建立数据产权归属认定、市场交易、权益分配、利益保护制度，提升数据安全治理监管能力，建立高效便利安全的数据跨境流动机制”。这对加快数据要素市场化配置改革提出了新要求、新任务，为进一步释放数据要素价值指明了方向。快速融入数据要素市场已成为银行的普遍共识，本文分析数据要素资本化对商业银行的影响和启示，为数据要素市场的活跃和银行业务的可持续发展提供理论支持和实践指导。
数据要素资本化背景和内涵
本文中“要素”概念的实质是“生产要素”，源于经济学领域。2016年，在杭州G20峰会上数据作为生产要素的观点被正式提出来。2020年5月，数据作为新型生产要素，被正式写入中央关于要素市场化配置的文件——《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》，这标志着数据已和土地、劳动力、资本、技术要素一起，融入了我国经济价值创造体系，成为数字经济时代的基础性战略资源和重要生产力。数据要素资本化意味着具有清晰产权的数据完成资产认定后，以数据资产及其附属产权形式进入市场流通，从而实现保值增值。数据要素资本化的具体方式，比如以价值化、证券化的数据要素资源为基础，通过市场化交易、抵押、转让、租赁经营、参股控股等各种途径进行优化配置，提高资本运营的效益和效率。
简而言之，数据要素资本化的本质是按照市场化手段对数据要素进行投入产出管理，是释放数据要素活力，提升数据要素价值的重要路径。
数据要素资本化对银行的影响
数据要素市场的瞬息万变影响数据资源的成本、收入结构和业务模式，其影响性会传递到银行，这让银行同时面对机会和挑战。
1.市场竞争愈发激烈
从宏观视角看，数据要素资本化依托全国统一大市场，充分发挥巨大的资源优化配置功能，可以激发创新活力，为新质生产力的形成提供数据保障，催生新型业务模式。与之配套的金融服务被重新定义，直接拉动银行业务模式升级。
数据要素市场快速形成，数据商业变现催生出各类数据供应商、数据做市商、数据中介商、数据交易撮合平台等市场参与主体，众多市场主体已嗅到甚至扎进了数据资源变现的饕餮盛宴之中，并开始逐步向诸多实体产业和消费市场渗透、融合。
在竞争激烈的银行业，战略前瞻性强的商业银行已经整合内外部数据资源与数据要素市场对接，加速数据赋能实体经济，洞察市场供需，分析交易心理，研发出适合市场需求的金融产品（或数据产品），已经在供应链金融、智慧城市等领域提供新式专业化服务，提前抢占新市场份额。
2.客群因素引发银行资产结构变化
数据资本化使得数据定价趋于市场化，数据资产被评估出具体价格并呈现在银行客户的资产负债表中，数据定价直接影响了客户的生产经营策略和效益，导致其资产、负债、成本、收入结构变化，并通过银企业务传递到银行的资产负债表，这将进一步影响到银行资产质量。由此可见，在数据要素资本化的过程中，银行客户的经营效益以及银行传统的优势获客渠道等发生改变，这将影响到商业银行的营收、资产质量和监管指标。
国家实施“数据要素×”整体战略的宏观背景下，在智能制造、交通物流、医疗健康等重点领域，数据市场催生出新产业、新业态、新模式、新应用，这些新兴主体会成为银行的增量客群，这类客群天然带有数据属性，一方面对银行影响更直接，另一方面这些新兴客群亟需银行用更贴切场景的综合金融服务引领，打通数据流通障碍，提升金融服务品质。
3.数据要素重塑了部分市场规则
历史原因，大型银行依靠政策、规模、客群、数据等优势占有了更多市场资源，可以吸纳优质存贷业务，维护高精尖客群关系。但在数据要素市场中，商业价值的驱使下，很多专业化市场主体有动力深挖市场，形成有价值的数据产品（或分析报告）服务于市场需求方，这些数据产品可在数据要素市场上流通，基于大数据分析的客户营销和风险管控变得不再神秘。一些中小银行用合理价格购买到所需的数据产品，再叠加其在专业细分领域的天然优势，能获得更广阔市场空间。
另外，从系统性风险监管视角审视，银行使用传统渠道采集的客户信息、抵押品等信息不对称，容易导致金融服务供需不均衡问题，资金过剩供给和过度缺失两个极端同时出现，供给和需求的错位往往导致定价扭曲，容易引发系统性风险。数据资本化使得商业银行的产品开发和价格设计从基于传统财报有限数据统计转化为基于多领域数据融合的精准模型，有利于开发出更多差异化金融产品，弥补市场空白。市场规则的变化，促使银行市场的利益面临再分配。
4.数据的金融属性正加速演化
数据要素资本化可以促进数据的金融属性快速演化，数据的金融属性既有助于激发市场活力，有助于培育数据流通新模式。当前在信贷业务领域，数据资产正逐渐成为一种新兴的投融资工具，企业可以凭借数据资产开展融资、质押等信贷业务。
目前，北京、深圳等地在数据资产、数据知识产权的质押融资或增信融资方面已落地不少实际案例。另外，还有数据资产托管、数据资产证券化业务在不断突破中落地。这些依托数据要素出现的创新性产品已经开始快速占据市场，对一些传统金融产品产生冲击。缺少数据化、市场化思维的银行在市场竞争中会逐渐失去优势，面临被边缘化的风险。
5.市场对银行数据管理能力提出要求
数据要素资本化过程中要求数据的持有权、经营权、使用权必须具有明确的定义，并实现数据定价。商业银行作为内部数据生产者和外部数据采购者，这将影响到银行的权益分配，短期内，银行亟需对数据估值，实现数据资产入表目标。
数据的权属和估值是数据要素市场的敏感神经，直接影响市场参与主体的利得，而银行面对数据市场分配机制、定价、质量、安全的高标准必然将面临更大的挑战。特别是一些中小银行在数据领域成本投入、人才队伍建设等方面力量有限，暂时还无法满足市场的高标准要求。还有一些中小银行，暂时还没有清楚地认识到数据要素资本化对其战略经营带来的影响，前期投入短期未见效果，在是否持续投入的决策上进退两难，极其考验这些中小银行战略定力。
数据要素资本化对银行的启示
数据要素资本化对银行的启示是多方面的，银行需要重视数据资产价值经营，强化自身数据能力，积极参与数据要素市场生态建设，在依法合规前提下对数据资源进行会计核算，实现数据要素价值最大化。
1.系统性建立数据价值认知
银行拥有大量涉客、交易、风险等方面的数据，这些信息不仅是日常经营的基础，更是市场竞争的重要优势来源。
银行高级管理层需要从企业级视角系统性建立数据价值认知，这种认知不应停留在传统信息技术层面。应该从企业价值经营战略为出发点，系统性地建立对数据资源的业务价值认知，加强对数据资源确权、估值、开发、管理、安全管控和分析应用，并将这些具体管理举措落实到各个部门和分支机构的职责清单中，让管理思路彻底落地执行。
2.数据是业务创新的驱动力
银行业正处于数字化转型的深水区，银行需要把数据作为转型的载体，迅速把握时代风口，探索基于数据驱动的业务创新，抢占行业先机。数据要素资本化过程中，市场主体投资数据实现资产的保值增值，主要方式如数据要素相关的债权融资、股权融资、证券化等金融工具，这本身就需要金融创新类产品提供支持服务。
另外，银行需依托数据要素市场，主动深入挖掘和分析潜在商机，可以发现新的业务需求，优化业务流程，提升服务效率，进而实现业务创新和转型升级。目前已有先进银行同业突破性的开展数据资产信贷业务，正在论证数据托管、数据证券化业务等。
3.数据资源会计核算很有必要
银行需要深入分析数据资源会计核算可行性，参照现行会计准则，对数据资产的确认条件、核算规则、价值摊销与处置，以及信息披露等方面进行标准化制定，开展对数据资源系统化盘点，并完善组织保障，划分工作职责，优化工作流程等，确保建立数据资源会计核算长效工作机制。
数据资源会计核算涉及以下四个要点。一是需要完善现有的会计制度，加强对数据资产的确认和计量，建立科学的数据资产管理体系，提高数据资产的价值创造能力和利用效率。二是需要对现有的数据资产进行系统化盘点和财务分类，制定可行的数据资产入表操作方案。三是需要与监管机构和税务机构提前沟通、报备，防范法律合规风险。四是需要加强监管和审计，保障数据资产的安全性和合规性，防止数据资产的流失和滥用。
4.积极融入数据要素市场
数据要素资本化强调数据的共享与流通，共享和流通可以最大化释放数据价值。银行需要积极参与数据要素市场建设，推动建立数据共享与流通机制，提高数据驾驭能力，深挖数据潜能。同时，也需加强与政府和企业的数据合作，找到创新亮点，抢占商机。
我国大多数商业银行资本充足率较高，风险承受能力较强，在软硬件成本投入上具有可持续性，这些优势使得银行在对接数据资产认定、估值定价、数据交易资金划转和清算等领域，具有天然的业务契合度和专业性。这些有利条件均可以支持银行准确探索出融入数据要素市场发展路径，更有利于带动银行业务的可持续发展。
5.以数据价值最大化为导向，推动数据治理与安全管理
客观的讲，有一些银行在内部数据治理领域存在数据确权意识淡薄情况，存在内部数据垄断、闲置等极端现象，这大大降低了数据共享成效。另外，银行内部大量“碎片数据”需要进一步整合，大量“沉睡数据”需要进一步激活，大量“低质数据”需要进一步治理。此外，银行在数据泄露、滥用等方面一直长期面临风险挑战，数据安全问题极易造成系统性风险。银行需要以数据价值最大化为目标导向，加强数据治理与安全管理，保障数据的安全性、完整性和可用性，规避数据要素的安全合规风险。
商业银行的举措
经对5家商业银行的调研总结，有以下几类举措建议。
1.围绕数据要素制定三年工作规划
全面考量自身禀赋、市场环境和内部诉求，制定未来三年的工作规划，列明每一个关键时间节点的工作目标。主要包括优化银行内部数据管理体系，有效夯实数据软硬件基础，依托数据基础设施推进数据领域核心技术攻关，强化数据安全和治理工作等，深度挖掘数据价值，赋能业务场景。
2.重塑内部数据权责结构
银行需要结合经营战略和管理偏好，明确银行数据管理在内部组织架构中的职能定位，为银行内外部数据资源的统筹管理和应用建立组织保障，进一步优化责任体系和制度规范，切实地让数据在监管合规、产品创新、风险管理和决策支持等诸多领域发挥效用。这需要银行管理层有高瞻远瞩的管理智慧，对数据管理工作做精准的业务定位，而非信息技术定位。
3.培养数据要素专业化人员
银行高级管理层应该深刻认识到银行业的竞争本质是人才的竞争，应制定符合银行业特点的数据化人才培养规划，明确数据化人才的培养标准、目标和路径，通过加强人才结构顶层设计，制定全面系统的数据化人才培养战略，培养一批懂数据、懂金融、懂科技的复合型人才，为银行的数据要素价值释放提供人力支持。
4.落实数据资源会计核算
银行需要完善现有的会计制度，加强对数据资产的确认和计量，建立科学的数据资源核算体系。需要对现有的数据资源进行系统化确权、安全分类分级、财务分类，制定数据资源核算操作方案。需要精细化管理数据开发人员工时、外购服务投入、数据治理投入、数据安全投入、基础设备折旧信息、基础软件摊销等信息，为数据成本计量创造条件。此外，需要与监管机构和税务机构提前沟通、报备，防范法律合规风险，还要加强监管和审计，保障数据资产的安全性和合规性。
注：文章仅代表个人观点，不代表供职单位意见。
（此文刊发于《金融电子化》2024年10月上半月刊）
热门跟贴