2023金融行业数据要素市场化白皮书

1 9 14 24 44 63 72 135 1党的十八大以来，以习近平同志为核心的党中央高度重视发展数字经济。《“十四五”数字经济发展规划》中将数字经济定义为继农业经济、工业经济之后的主要经济形态，强调数据要素是数字经济深化发展的核心引擎。数字经济的不断发展，催生出海量数据。据IDC预测，2025年全球数据量将高达式增长，数据来源的日益丰富，数据类型的多样化融合，金融数据保护治理的广度、深度和难度与日俱增，金融业主体依据业务运营需要对个人和组织数据2020年3月，中共中央、国务院在《关于构建更加完善的要素市场化配置体制机制的意见》中提出要加快培育数字要素市场，重点推进政府数据开放共享、提升社会数据资源价值、加强数据资源整合和安全保护。2022年12月，中共中央、国务院在《关于构建数据基础制度更好发挥数据要素作用的意见》中，明确指出要推进公共数据、企业数据、个人数据分类分级确权授权使用，标志着我国数据要素市场建设正式进入了从顶层设计到机制落地的新阶段。协同推进技术、模式、业态和制度创新，切实用好数据要素，将为经济社会数字当前，数据要素市场化发展使得金融行业更加全球化，金融机构可以利用数据要素市场化来拓展跨国业务，实现全球风险分散和资本流动，从而提高金融系统的稳定性，然而也会引发跨境数据流动的安全和隐私问题，需要全球协作来解决；数据要素市场化催生了新的金融业务模式，金融科技公司依托数据要素市场，提供创新性的金融产品和服务，如数字支付和区块链技术应用，推动金融行业的变革和竞争激烈化，带来监管挑战，需要不断调整监管政策以平衡创新和风险；数据要素市场化加速金融科技的发展，大数据、人工智能和云计算等技术的普及使得金融机构能够更好地分析数据、识别风险和提供个性化服务；各国政府对数据要素市场化的监管不断演变：一方面，政府鼓励金融科技创新，制定政策支持数据共享和开放银行模式，以促进金融服务的普惠性，另一方面，政府也需要关注数据安全和隐私问题，加强数据保护法律法规，要2能够推动金融行业的创新和竞争，提高金融服务的效率和便利性，但同时也伴随着风险和挑战，需要各方共同努力来实现数据要素市场化的可持续和健康发展，本白皮书梳理了金融数据资产市场化相关内容，以促进经济社会的可持续美国政府对金融行业数据要素的关键政策主要体现在数据治理和跨境数据流动方面。美国政府通过《网络安全信息共享法案》等政策鼓励数据交换与开放。2022年推出《美国数据隐私和保护法案》，在数据价值释放的同时加强对欧盟对数据要素的关键政策主要体现在数据保护和隐私方面。欧盟通过的《通用数据保护条例》（GeneralDataProtectionRegulation，简称GDPR）要求所有收集和处理个人数据的组织必须遵守该条例，加强对个人数据的保护和隐欧美国家亦在积极探索公共数据开放模式，促进数据有序开放和共享也成为国际重要议题。英国等欧美国家致力于促进政府数据的开放、获取、共享和利用，极大地推动了数据的汇聚共享和政府透明度的提升，2000年便已颁布《信息自由法》，开始为公共数据开放构建法律基础；近几年来，英国内阁相继颁布《国家行动计划》《G8开放数据宪章：英国行动计划》《开放数据白皮书：释放潜能》，提出建设国家信息基础设施，在隐私权与数据开放之间寻求平衡，推进建立开放数据评价体系；同时明确提出数据治理的重中之重在于开放数据，并在法规尚不完善的情况下由政府进行先导探索、开放由财政支持日本在其数据战略中，明确数字厅将成为司令部，以实践牵引战略实施。2020年颁布《关于提高特定数字平台的透明性和公正性的法律》，2021年制定《数字社会形成整备法》，2021年发布的《综合数据战略》制定了数据建设、韩国数据政策的模式已经从保守的、政府管理的方式转变为创新的、开放的方式。2020年韩国推出了“数字新政”（DigitalNewDeal），提出通过实施数据大坝（DataDam）项目，扩大高质量公共数据，开放国家关键数据，以推动数据应用创新。2021年韩国通过的《数据产业振兴和利用促进基本法》保障韩国科技部发布《地方数字竞争力强化方案》，以发展领先地区为中心，构筑3人工智能、数字孪生、区块链、Metabus四大新数字技术，到2030年建设5个以上“国家数字革新地区”；到2027年，培养100家以上地区级软件企业和5000家完成高度数字转换的制造企业，通过社会间接资本新补充300家服务地方居民生活和安全的数字企业；将60%的数字经济相关教育课程安排在非首都美国在金融行业数据要素市场建设方面也较为领先，拥有发达的金融市场和数据市场。在数据要素市场方面，美国已建立了多家数据交易所，如NASDAQ（美国的一个电子证券交易机构）、NYSE等，促进了数据要素的交易和流通。此外，美国政府也提出了一系列政策措施，加强跨境数据流动和数字贸易等方面的合作。欧盟在金融行业数据要素市场建设方面也取得了一定的进展。例如，英国的伦敦证券交易所（LSE）提供了数据要素的交易平台，德国的法兰克福证券交易所（FWB）也推出了数据交易服务。德国建立了全国性的数据交易平台——OpenDataMarket，旨在促进公共数据的共享和流通。此外，欧盟极推进跨境数据流动和数字贸易等方面的合作，加强韩国和日本在金融行业数据要素市场建设方面也有一定的成果。韩国政府2019年11月，党的十九届四中全会首次将数据列为生产要素。2020年4月，中共中央国务院印发《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》，首次将数据列为与土地、劳动力、资本、技术并列的第五大生产要素。2021年3月，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》发布，纲要提出要对完善数据要素产权性质、建立数据资源产权相关基础制度和标准规范、培育数据交易平台和市场主体等作出战略部署。2021年至2022年期间，国家相继出台《“十四五”大数据产业发展规划》《要素市场化配置综合改革试点总体方案》《“十四五”数据经济发展规划》《关于加快建设全国统一大市场的意见》等政策，多次提出要加快培育数据要素市场，充分发挥数据要素市场作用。2022年12月，中共4下简称《数据二十条》受到社会各界高度关注。《数据二十条》结合当前我国数据要素市场的发展形势和要求，从数据产权、流通和交易、收益分配以及安全治理出发，明确了数据要素市场制度规则、管理与创新，对于加快推进全局的角度对数字中国建设进行布局和规划，指出建进中国现代化的重要引擎，是构筑国家竞争力新优势的有据资源相关会计处理暂行规定》（以下简称《暂行规定》《暂行规定》是贯彻落实党中央、国务院关于发展数字经济的决策部署的门规定规范企业数据资源相关会计处理、发挥会计基础作行规定》回应了各方对于数据资源是否可以作为资产确认和计量以及如何进行相关信息披露等相关会计问题的关注产化的重要依据，对推动数据要素市场建设具有重要意义表示国家数据局将围绕发挥数据要素乘数作用，与相关部务、医疗健康等若干重点领域，加强场景需求牵引、打通质量，推动数据要素与其他要素相结合，催生新产业、新除国家层面的政策外，政务、工业、能源、医疗、交通、民航、金融等各行业或领域也陆续出台相关政策支持行业数据要素市场发展。在政务领域，国家出台了《“十四五”推进国家政务信息化规划》《国务院关于加强数字政府建设的指导意见》《全国一体化政务大数据体系建设指南》等政策文件，推进数字政府建设，提出要整合构建标准统一、布局合理、管理协同、安全可靠的全国一体化政务大数据体系，加强数据汇聚融合、共享开放和开发利用，促进数据有序流动，充分发挥政务数据作用；在工业/能源领域，工信部印发《关于工业大数据发展的指导意见》《工业互联网创新发展行动计划（2021-2023）》等政策文件，国家能源局印发《国家能源局关于加快推进能源数字化智能化发展的若干意见》，提出要建设国家工业互联网大数据中心，汇聚工业数据，支撑产业发展，针对电力、煤炭、油气等行业数字化智能化转型发展需求，要充分激活数据要素潜能，通过数字化智能化技术融合应用为能源高质量发展提供5有效支撑；在医疗行业，国家卫健委、国家中医药管理局等部门印发《“十四五”全民健康信息化规划》《“十四五”中医药信息化规划》等文件，提出以数据为关键要素，促进行业转型升级，建设健康中国；在民航领域，国家民航局印发《关于民航大数据建设发展的指导意见》，提出要加强数据质量管理，推进数据要素流通等具体任务。除此之外，交通运输、城市时空、人工智能、数字乡村、数据安全等行业或领域也都发布了数据要素市场发展的相关政策文具体到金融行业/领域，有关主管部门也印发多个政策文件，支持金融行业数据要素市场发展。2022年1月，中国人民银行印发《金融科技发展规划（2022-2025年）》，提出新时期金融科技发展指导意的总体思路、发展目标、重点任务和实施保障；中国银保监会办公厅发布《关于银行业保险业数字化转型的指导意见》，强调银行保险机构要加强顶层设计和统筹规划，科学制定数字化转型战略，统筹推进工作。为加快保险业数字经济建设，全面推进银行业和保险业数字化转型，推动金融高质量发展，更好服务实体经济和满足人民群众需要。除数据要素市场发展外，金融行业数据安全也是监管部门关注的重点。2022年11月，中国证券监督管理委员会发布《证券期货业数据安全管理与保护指引》，从数据安全管理基本原则、组织架构、保护投资者合法权益，促进证券期货业稳定健康发展，证监会发布《证券期贷中国人民银行发布关于《中国人民银行业务领域数据安全管理办法（征求意见稿）》，强调中国人民银行业务领域数据安全管理。除政策法规外，《多方安全计算金融应用技术规范》《个人金融信息保护技术规范》《金融数据安全数据生命周期安全规范》等有关金融行业数据流通和数据安全的标准规范也相继发布，更好地指导和规范金融机构安全有序地开展数据要素流通和共享相关工厦门等超40个省市相继出台数据要素相关政策法规，定数据要素市场化发展。如北京市委市政府在2023年6月20日印发《关于更好发挥数据要素作用进一步加快发展数字经济的实施意见》，提出深入实施《北京市数字经济促进条例》，培育发展数据要素市场，加快建设全球数字经济标杆城市；中共广州市委全面深改委印发《关于更好发挥数据要素作用推动广州高质量发展的实施意见》，提出促进数据合规高效流通使用，建设具有全球影6响力的数字经济引领型城市；福建省政府印发《福建省加快推进数据要素市场化改革实施方案》，提出推动构建数据基础制度，激活数据要素潜能，加快推首先，各地在数据要素市场化建设中重点发力公共数据的开放共享利用。譬如，北京在《北京市数字经济促进条例》中提到加强数据资源安全保护和开发利用，通过探索建立数据目录管理、建立全市公共数据共享机制、设立公共数据专区等方式，促进公共数据开放共享；武汉提出组建武汉数据集团，探索开展公共数据授权运营，初步搭建起数据要素市场化整体框架；广州通过制定《广州市公共数据开放管理办法》进一步规范和促进全市公共数据开放和开发利用，以提升政府治理与公共服务水平；苏州对公共数据作出探索性规定，在《苏州市数据条例》中提出要建立公共数据授权运营机制，支持政府把公共数据授权给符合安全监管条件的单位进行运营、加工、处理，形成数据产品和服再次，各地将数据发展与安全并重。作为共同关注的关键内容。各地也作出创新规定，如北京在《条例》中明确强化数字安全的制度设计，将安全作为发展的基本前提；《厦门经济特区数据条例》聚焦数据安全管理，在个人信息采集、授权等方面作出明确要求；南昌在《南昌市数字经济促进条例》中指出应建立数据安全管理制度，明确数据质量和安全责任主体，处理数据应遵守网络安全、数据安全、密码安全等相关法律、法规；广州明确将依据安全可控的第三方服务机构等作出规定，探索建立数据交易流通规则，加快培育数据交易市场。如深圳出台《深圳市数据交易管理暂行办法》和《深圳市数据商和数据流通交易第三方服务机构管理暂行办法》，对数据交易主体、数据交易标的、数据交易行为和交易安全、数据交易所数据商和数据流通第三方服务机构作出明确规定；天津、上海、贵阳、德阳等地也出台了数据交易相关规定，为本区表1-1我国数据要素市场发展相关政策《中共中央国务院关于构建更加完善的要素市场化首次将数据列为与土地、劳动力、资本、技术7《中华人民共和国国民经济和社会发展第十四个五年规划和二〇三五年远景提出加快数字化发展，建设数字中国，建立健全数据要素市场规则，统筹数据开发利用、隐私保护和公共安全，加快建立数据资源产权、交易流通、跨境传输和安全保护等基础制度和标准规范，培育规范的数据交易平台和市场主体，发展数据资产评估、登记结算、交易撮合《关于构建数据基础制度更好发挥数据要素作用的结合当前我国数据要素市场的发展形势和要求,从数据产权、流通和交易、收益分配以及安全治理出发，明确了数据要素市场制度规则、管理与创新，对于加快推进我国数字经济发展《数字中国建设整体布局对数字中国建设进行全局的布局和规划，指出建设数字中国是数字时代推进中国现代化的重要引擎，是构筑国家竞争力新优势的有力支撑,要推动数字技术和实体经济深度融合，在农业、工业、金融、教育、医疗、交通、能源等《企业数据资源相关会计贯彻落实党中央、国务院关于发展数字经济的决策部署的具体举措，专门规定规范企业数据资源相关会计处理、发挥会计基础作用的重要（2022-2025年）》提出新时期金融科技发展指导意见，明确金融数字化转型的总体思路、发展目标、重点任务《证券期货业数据安全管从数据安全管理基本原则、组织架构、制度、《中国人民银行业务领域数据安全管理办法（征求意见稿）》《北京市数字经济促进条提到加强数据资源安全保护和开发利用，通过探索建立数据目录管理、建立全市公共数据共享机制、设立公共数据专区等方式，促进公共《深圳市数据交易管理暂明确规定数据交易主体、交易标的、交易行为、交易安全及交易所运营机构等数据交易内容8《广州市公共数据开放管进一步规范和促进全市公共数据开放和开发利《福建省加快推进数据要提出推动构建数据基础制度，激活数据要素潜能，加快推进数据要素市场化改革，助力做大数据交易所是数据要素市场化的核心机构，第一、初创阶段。在数据要素市场建设初期，一些先导性的数据交易所开始涌现。这些交易所主要为特定领域或行业提供数据要素交易平台，如金融数据交易所、能源数据交易所等。交易规模相对较小，交易对象多为少数专业机第二、增长阶段。随着数据要素市场化的推进，数据交易所逐渐增多且规模扩大。这些交易所不仅提供特定领域的数据要素交易服务，还逐渐扩展到跨领域的数据要素交易。行业协会、政府机构以及科技公司等纷纷参与其中，促各国的数据交易所逐步建立起来，这些交易所大致可以分为两类：大型互联网数据交易所开始推动数据要素的标准化，统一数据格式、交易流程和安全权限等，提高数据要素的可流通性和交易效率。全国已经建立了多个数据交易所，包括上海数据交易所、北京大数据交易所、华东江苏大数据交易中心等。这些交易所主要负责数据的交易、存储、共享和应用等，为政府和企业提供了数据第四、多元化阶段。数据交易所不再仅限于提供数据要素交易平台，而是数据共享平台等，以满足用户对数据要素的更多需求。当前数据交易所专注助力企业数据资产化，通过数据资产的运营来为企业创造新的价值，这种资产化运作需要建立一个完善的价值评估体系和资产管理模式，以确保数据的可持续随着数字化转型的加速，企业对数据要素的市场需求日益增长。具体表现第一、个性化需求。企业需要更精细化的数据来了解消费者需求和行为，9第二、业务决策支持。企业需要通过获取各类数据要素，进行深度分析和竞争对手情况、财务数据等等。比如，金融机构需要大量的市场数据和风险模第三、创新研发需求。企业需要获得更多的创新研发数据要素，以促进产品和服务的创新。这些数据包括新技术应用、新市场趋势、新业务模式等等。例如，科技公司需要获取行业趋势数据、用户行为数据等，以指导产品迭代和第四、数据资产管理。企业需要有效的数据管理方案来解决数据孤岛、重第五、跨界合作与生态建设。企业需要通过数据要素的共享和交换，实现跨界合作和共同建设生态系统。合作伙伴可以通过数据要素的交互，实现资源第六、数据驱动的营销。企业借助数据要素，实现精准的市场营销和用户服务。通过了解用户需求和行为，企业能够更好地定位目标市场、精确投放广第七、合规与安全需求。随着数据法规和隐私保护的加强，企业对数据要素的合规性和安全性提出更高要求。合规性包括获取数据的合法性、使用数据总体来说，企业对数据要素的市场需求是多方面的，而且随着数字化转型的深入推进，需求还将不断增长。因此，建立一个完善的数据要素市场是当前金融行业是典型的数据密集型产业，数据资源和数据资产非常丰富，包括客户交易数据、市场数据、风险数据等，且涉及个人和机构的财务、交易和身份等敏感信息，具有大量多样、价值高、时效性强、敏感隐私程度高的特点。数据要素市场化推进了金融行业数据要素转化为具有经济价值的生产资料，一是基础设施层面对技术进步、政策开放、合规监管、数据隐私和安全保护机制提出更高适配要求。二是在市场机制层面通过金融行业数据、信息和知识等作为产品和服务通过市场机制进行买卖、交换和利用拓宽应用场景、迭代优化产通过市场化的数据要素交易，金融机构可以更快速地获取、整合和分析大量的数据，从而提高决策的效率和准确性，如高频交易需要实时获取市场数据进行快速决策；在数据流通共享的过程中，开发出更多创新的产品和服务，提供个性化的客户体验，针对性设计风险管理和反欺诈措施，也能够促进数据共享和合作，加快金融科技的发展和应用，提升管理决策和生态化合作；在数据交易过程中，通过购买或交换数据要素来提高数据的追溯能力、透明度、合规性和风险控制能力，如风险管理需要实时监测和多方舆情响应风险事件数据用于金融风险控制；在配合监管机构的过程中，提高监管机构对金融机构的监管总体而言，金融行业数据要素市场化可以促进金融行业业务运营、产品创新、管理决策、监管合规具有重要意义，提高金融机构的创新力、竞争力和可金融数据要素市场化促进了金融业传统业务运营模式转型和业务场景效率升级。金融数据要素市场化促进业务运营模式转型，即从体验、流程到渠道的智慧化创新再造。例如积极运用人工智能技术动态评估和深度优化业务流程，灵活编排业务流程，重塑组织形式，例如存贷款、清结算、风险控制、客户关系管理、投资研究等；运用大数据技术、金融科技服务，精准化用户偏好打造情景感知式金融服务优化业务体验；运用物联网、虚拟现实等技术推动实体网金融数据要素市场化促进业务场景的效率升级。例如风险控制场景中，由于金融机构可以获取更多样化的市场数据、行业数据、企业数据的支持，并能够多方协同、信息共享，则可通过数字化智能化手段透过复杂业务表现，实时感知风险，从而更好地把握市场机遇和风险水平，将风险归类分级并深入分析关联关系，准确研判影响范围和危害程度，实施联动式处置，使风险早发现、辨得清、管得住；在投资研究方面，数据要素市场化可以提供更标准化、规范化、高可信度和具有业务深度的数据支持，投资者可以获取更多样化的数据，包括财务数据、经济数据、社会数据等，从而更全面地了解投资对象的情况，帮助投资者更好地进行投资决策；在营销方面，数据要素市场化可以提供更精准、个性化的数据支持，帮助金融机构更好地进行客户定位和营销策略制定，金融机构可以获取更多样化的客户数据，包括个人数据、行为数据、偏好数据等，从而更好地了解客户需求和行为。同时，数据要素市场化也可以促进数据的整合和分析，提供更精准、个性化的营销方案，提高客户满意度和市场竞争力。数据要素市场化进程推动金融行业业务运营基于数字化“精耕细作”，提金融数据要素市场化能够推动金融行业数据深度应用和产品绿色发展。数据要素市场化能够推进金融行业数据应用，对于产品创新具有重要意义。通过对公共数据、企业数据、个人数据等多维度数据金融数据进行分析和挖掘，金融机构可实现深度的客户洞察、市场趋势研判和风险特征识别，金融机构可以发现新的市场机会和产品创新点，从而开发出独特的金融产品，例如通过可信智能风控反诈、智能投顾、智能核保理赔等金融科技创新产品；通过融通企业信用经营等公共数据和金融评级数据和小微企业经营数据，为其提供随借随还的便捷在线信贷服务；通过对低收入人群的消费数据和还款记录进行分析，评估低收入人群的金融需求和信用状况，为他们提供更适合的消费贷、装修贷、三农贷等普惠金融产品；通过区块链、物联网等技术，对供应链上下游的核心企业信用数据、物流数据、仓储数据的各个环节进行数据采集和分析，可以提数据要素市场化亦能推动金融行业产品向善向绿创新。通过数据维度的丰富、信息和算法的共享融合，将碳中和、绿色发展理念融入产品创新，使绿色金融、转型金融常态化发展，例如通过云计算赋能普惠金融在金融服务设施落后地区发展线上银行，为区域气候投资项目的客户提供服务，精准分析用户需能源数据和碳减排数据进行分析，评估其环境风险和绿色发展水平，开发绿色信贷管理模型，使绿色项目识别评级、业务流程贴标、项目库、贷后风险预警管理融入金融产品，提高绿色金融效益；借助物联网、大数据、人工智能、量化计算等数字技术建立ESG数据库和评价体系，统计监测计算企业碳排放量及环境效益信息，提升二级市场披露能力；通过区块链、NFT技术建立中心化、企业通过对数据资源的获取、加工、分析，能够揭示数据资源蕴含的内在规律和关系，赋能金融行业管理、风控、运营等管理决策分析领域的智能化、数据驱动管理，发挥倍增作用。作为企业数字化管理能力的集成平台，“智慧大脑”在满足企业内部用数需求、实现全流程数据治理与管理的同时，还能够通过深度挖掘数据价值，助力企业内部经营升级转型的智能化决策和数据应用服务的智能化创新。作为智慧大脑管理决策流程的源头输入，数据资源的全面性、准确性和时效性对企业的管理水平升级、转型方向锚定和市场竞争力提升具有重要意义。数据支撑风控，实现风险可视。从传统风控向智慧风控的转型是金融机构实现智能化管理决策的必由之路，其中数据要素的市场化流通在风险大数据基大数据是企业风险管理的核心基础，个人客户风险数据、反欺诈数据、合作机构数据等内外部数据的完整性和覆盖度对风险模型指标的迭代计算和企业风险的准确识别具有重大影响；在产品创新方面，通过对各类数据的融合分析，推数据赋能运营，重塑运营机制。企业内部数据的协同共享支持业务人员运用数据进行自助分析并对分析结果进行复用，提高了企业内部运营效率和运营决策的敏捷度；在内外部数据及企业智慧风控系统的支撑下，借助互联网技术优化业务流程，将部分业务流程从线下人工办理转移到线上自助办理，如线上贷款申请、额度测算、在线审批、在线提款等功能，实现运数据的来源、格式、标准等存在很大差异，导致数据交换难以实现。而在标准化后，数据能够更方便地被传输、识别和分析，从而更好地满足市场需求。针对这一现状，监管机构出台了相关标准和规范，包括数据格式规范、数据通信协议、数据安全性管理等。同时，通过建立数据标准化的认证和评估机制，可另外，监管部门还在推动一表通等创新服务的开发和应用。一表通是一种基于区块链技术的数据共享和交换平台，其可以有效解决数据交换中的信任问数据验证者等在内的多方参与模式，实现了数据的共享和流通。监管机构将通过支持和引导这类创新服务的应用，促进数除此之外，监管部门关注数据隐私保护等问题。在数据交易中，部分敏感需要对这类数据进行特殊性管理，在全面保护数据隐私的基础上，促进数据的总体而言，监管与合规是数据要素市场健康发展的关键要素之一。应该加强数据隐私保护和授权管理，确保数据的安全性和合规性，推动数据要素市场第2章金融行业数据要素概况2010年由中国人民银行发布的《金融机构编码规范》（以下简称“《编码规范》”）确定了金融机构涵盖范围，对金融机构具体组成做出界定。依据《编码规范》，金融机构可分类为货币当局、监管当局、银行业存款类金融机构、银行业非存款类金融机构、证券业金融机构、保险业金融机构、交易及结表2-1金融机构分类除金融管理部门外，上述机构区分业务方向可分类为银行业金融机构与非银行金融资源为银行业金融机构在经营管理中收集获取的全部数据资源，依据数据来源不同，可包括自行收集的数据信息（如客户身份信息、财产信息、交易信息等）及经加工处理的数据信息（如银行贷款规模及增速、存款规模及增速、不良贷款及不良贷款率等）。银行业金融机构日常业务运营中涉及非银金融资源为非银行业金融机构收集获取的数据资源，包括投资规模、以信息内容为区分，金融数据资源可以划分为个人金融信息、业务信息、依据中国人民银行发布的《金融数据安全数据安全分级指南》（JR/T0197-2020），个人金融信息是指“金融业机构通过提供金融产品和服务或者其他渠道获取、加工和保存的个人信息，包括账户信息、鉴别信息、金融交易信息、个人身份信息、财产信息、借贷信息及其他反映特定个人某些情况的信息。”可做进一步细化，如存款业务信息、贷款业务信息、信用卡业务信息、非银行经营管理信息是金融机构自行经营管理期间产生、存储的数据信息，可能包括金融产品信息、运营管理信息、风险管理信息、技术管理信息及综合管理监管信息指金融机构在接受监管机构监管时，向金融监管机构报送的数据表2-2金融数据资源分类（以信息内容为标准）如账户信息、鉴别信息、金融交易信息、个人身份信息、财产如存款业务信息、贷款业务信息、信用卡业务信息、非银行支付业务信息、保险业务信息、信托业务信息及其他金融业务信如金融产品信息、运营管理信息、风险管理信息、技术管理信金融行业的数据来源涵盖了多个方面。金融机构内部的各类业务系统之间的交互会产生大量的数据，且金融行业与其他相关行业之间也存在着复杂的数据交互和共享，例如与监管机构、商业合作伙伴以及第三方数据提供商之间的数据交流。这导致金融行业的数据涵盖了数据来源多和数据格式多的特性。以付款金额等相关数据，用户的信用卡消费记录，包含消费场景、商户分类、交易金额等维度数据，用户在网络理财中公基/保险产品详情页点击量和浏览时间数据，客服中心的客户服务电话记录内容数据，客服聊天机器人对话记录数据以及APP个性化推荐点击率及转换率数据等，涵盖了内部各个业务系统和外部金融业是使用数据信息最早，也是对数据依赖最重的一个行业，其业务的复杂性决定了金融数据的规模非常庞大，包括众多金融交易、客户信息、市场行情等，尤其是股票和外汇市场，高频交易会产生巨量的实时数据流。并且，金融机构为进行风险评估、市场分析和合规审计等工作，通常也需要存储和处理长期的历史数据。总之，金融业对数据依赖非常大，数据越用范围越大，由相较其他行业，金融行业存在天然的数字化需求，因其强监管性质，对数据治理更是提出高要求。首先，金融数据治理是一项复杂的系统性工程，涉及众多环节和部门，需要从战略高度进行顶层设计和规划，但是一些银行及金融机构在建设金融数据系统时往往各自为战，缺乏必要的统筹和沟通。其次，数数据管理较为熟悉，但是在金融数据体系构建、质量管控等方面的进展工作相对较为滞后。最后，随着大数据和人工智能技术的发展，金融数据的潜力得到侵犯个人隐私、数据垄断等现象在全球各国普遍存在，这也成为金融数据治理金融数据是现代金融业必须正视的、在可见的未来最大最重要的新资产类别，也将成为实体经济和现代金融业大多数客户的核心资产。因此，在金融领域，对数据的准确性、实时性、完整性和安全性有着极高的标准，这些数据不仅是金融机构内部决策的重要依据，也是监管机构对市场进行有效监管的关键信息，如果数据存在虚假、缺失，将直接导致业务风险，所以为了确保市场公平、公正、透明，保护投资者利益，金融业务高度依赖高价值数据以维护金融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、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、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”。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（图2-1所示）。从狭义上讲，金融数据基础设施图2-1金融数据要素化基础设施示意图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），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第3章金融行业数据要素市场化发展现状我国金融行业数据要素化相关的政策出台一直在逐步深化，从只强调个人隐私权与保护个人信息的《中华人民共和国消费者权益保护法》和《中华人民共和国民法典》，到明确提出数据要素市场化与建立数据要素流通规则的《关于构建更加完善的要素市场化配置体制机制的意见》，再到提出建设全国统一数据要素大市场。金融数据的分类分级标准也从早期的《证券期货业数据分类分级指引》，到2020年的《金融数据安全数据安全分级指南》，再到2023年7月中国人民银行起草的《中国人民银行业务领域数据安全管理办法（征求意见稿）》。为落实金融数据元素的安全保密流通，全国金融标准化技术委员会在2019年即启动了多方安全计算、联邦学习等助力金融数据元素市场化的行业标准制定。随着十四五发展规划的印发，我国数据要素市场发展势头强劲，国信息安全已上升到国家安全的战略地位，保证安全最根本的方法是基础软数据安全作为信息安全的重要组成部分，如何保障安全传输就成为了一个重要一方面，随着金融安全上升到国家安全高度，近年来国家有关机关和监管机构站在国家安全和长远战略的高度提出了推动国密算法应用实施、加强行业增强我国行业信息系统的“安全可控”能力显得尤为必要和迫切。为此，国家密码管理局为了保障商用密码的安全性制定了一系列密码标准，包括SM1、不断凸显，金融业是产生和积累数据量最大、数据类型最丰富的行业之一，数据安全与个人信息保护在新时代也面临新的风险与挑战。根据《中国银行保险报》与亚信网络安全产业技术研究院发布的《金融行业网络安全白皮书金融数据是关乎组织核心竞争力的重要资产，数据信息一旦泄露，不仅会给客户造成直接经济损失，也会给金融业的声誉带来负面影响，甚至会导致金融机构承担相关的法律责任，支付巨额的罚款。而针对金融数据，中国人民银行发布的《金融数据安全数据安全分级指南》（JR/T0197-2020）认为金融数据是指金融业机构开展金融业务、提供金融服务以及日常经营管理所需或产生的各类数据，该类数据可用传统数据处理技术或大数据处理技术进行组织、存储、计算、分析和管理。2023年7月24日，中国人民银行为落实《中华人民共和国数据安全法》有关要求，加强中国人民银行业务领域数据安全管理，起草了《中国人民银行业务领域数据安全管理办法（征求意见稿）》。《办法》分成总则、数据分类分级、数据安全保护总体要求、数据安全保护管理措施、数据共五十七条。此外，《中华人民共和国数据安全法》明确，开展涉及国家秘密的数据处理活动，适用《中华人民共和国保守国家秘密法》等法律、行政法规金融数据有着高广泛性、高敏感性的特点，各行各业，且一旦泄露就有可能对国家、公众、个人此，金融数据的分类分级就显得极为关键。其中，数属性、不同特征、与不同体量的影响对象进行的分类个已经划定的标准，对相同类别对象所遭受的影金融交易信息、个人身份信息、财产信息、借贷信息析形成的支付习惯等各类信息。《个人金融信息保护卡磁道数据、卡片验证码、卡片有效期、银行卡与网进行的安全检查和评估应是对该标准定义的生命周期全过南》中，将影响对象与影响程度这两个因素作为依据，其中影响对象包含了国家安全、公众权益而影响程度则被分为了严重损害、一般损害、轻微综合影响对象与影响程度，再结合数据的保密级的5级数据通常为金融业大型机构在交易过程中被关键业务所使用的重要数据，且在数据安全性遭到破坏后会对国家安全造成影响个人隐私或企业合法权益造成严重影响，但不影响国家成轻微影响，或对个人隐私或企业合法权益造成一般影破坏后，对公众权益造成轻微影响，或对个人隐私或企而不是强制措施。分类分级的目的在于防止安全系数高的数据遭到泄露的基础上，筛选出剩余安全系数低的数据进行数据处理、交易、公开。《金融数据安全数据安全分级指南》中已给出了若干类几百项的数据定级规则参考，随着《中国人民银行业务领域数据安全管理办法（征求意见稿）》的出台，以及2023年9月8日中国资产评估协会印发的《数据资产评估指导意见》，金融数数据安全程度、数据敏感程度这几项指标还没有一个明确的分级标准，只能依金融数据生命周期是指金融业机构在开展业务和进行经营管理的过程中，对金融数据进行采集、传输、存储、使用、删除、销毁的整个过程。针对不同安全级别的数据，明确其在采集、传输、存储、使用、删除以及销毁等数据生命周期各个环节的安全防护要求，《网络安全法》《数据安全法》和《个人信息保护法》各有侧重，是金融机构开展数据合规的重要基石。金融机构为更好开展数据合规活动，《个人金融信息保护技术规范》（JR/T0171-2020）、《金融数据安全数据生命周期安全规范》（JR/T0223-2021）、《金融大数据平台总体技术要求》（JR/T0237-2021）等也是不容忽视的重要规范基础。除此之外，金融行业与第三方合作的网络安全管理也不容忽视，国家金融监督管理总局办公厅在2023年6月向各银保监局、银行保险机构等下发《中网络和数据安全管理的通知》（下称《通知》要求各银行保险机构对照金融数据生命周期管理正在不断深入，金融行业如银行、证券、信托、保险等都在积极围绕自身的实际情况制定数据处理合规方案、落实数据处理合规措施，但数据不合规的现象仍时有发生。以银行为例，因未落实数据生命周期要求导致银行需要承担法律责任的事件层出不穷，例如2021年3月19日，中国银行保险监督管理委员会作出银保监罚决字〔2021〕5号，中信银行被罚款450万元，其主要违法违规事实包括“客户信息保护体制机制不健全”“对客户敏感信息管理不善，致其流出至互联网”、“违规存储客户敏感信息”等；建分行因存在“违反个人金融信息保护规定”“违反金融消费争议解决的相关网络安全、数据安全、个人信息保护规范的过程，这一机构自身的顺利健康发展，也有利于促进消费者的权益络生态，营造个人信息保护的良好氛围，落实习近平总2018年是金融机构数据治理元年，《银行业金融机构数据治理指引》的出台旨在指导银行等金融机构加强数据治理，赋能经营管理能力的提升。《关于银行业保险业数字化转型的指导意见》进一步明确“要大力推进业务经营管理数字化转型，加强金融市场业务数字化建设，强化数字化风控能力建设”。2022年12月《关于构建数据基础制度更好发挥数据要素作用的意见》指出，鼓励企业积极参与数据要素市场建设，先从解决企业内部数据流通问题开始，围绕数据来源、数据产权、数据质量、数据使用等，基于业务场景需求逐步由内而外开展数据流通和交易场景探索。因此，商业银行等金融机构作为重要数字经济参与主体，一方面，利用技术工具挖掘、分析数据，通过知识发现，助力数据蜕变，实现价值倍增；另一方面，针对数据使用过程中可能存在的风险做好预案，防范隐私数据泄露，亟需处理好金融数据安全与数随着大数据、云计算、人工智能等金融科技在金融领域广泛应用，数据在助力金融机构实现精准客户营销、优化客户服务、创新智能产品、完善风险防然而，高质量且可持续开展数据治理是金融机构实现健康发展的重要途径。数据治理是指通过对数据生命周期实施全面、有序的规范化治理和监管，促进数据合理流动、开放、优化配置与价值潜能的最大释放。数据治理是银行业金融机构系统性地抓好数据管理，进而赋能业务经营管理的动态过程；强调在数据全生命周期管理过程中保障数据的有效管理与数据价值实现。2021年5月，以数据资产全生命周期管理的“责权利”和数据资产运营的“量本利”为主线的《中国南方电网有限责任公司数据资产管理办法》正式公布，是企业层面对于数据资产化的一种探索，虽然名字叫数据资产管理办法，但其中明确提到了要围绕“定责、确权、享利”主线，将数据融于资产管理，健全数据资产全生命周期管理体系；要围绕“拓量、优本、创利”主线，以运营流通释放价值，创新构建数据资产交易流通运营体系。该办法中对数据资产化的探索经验值得借根据数据流转物理形态上的全生命周期，并结合数据安全和数据价值释放两个要件，总结出金融数据领域的数据全生图3-1金融数据领域的数据全生命周期模型其中数据安全是数据治理的前提，数据质量是数据治理的目标。《银行业金融机构数据治理指引》对金融数据治理作了基本指引，内容可划分为：基础建设图3-2金融数据治理的基本指引示意图键信息基础设施的范畴之中。根据《网络安全法》给出设施是“公共通信和信息服务、能源、交通、水利、金务等重要行业和领域，以及其他一旦遭到破坏、丧失功为信息和电信部门，但随着网络的普及与发展，以及基安全保护条例》中指出，“关键信息基础设施，是指公源、交通、水利、金融、公共服务、电子政务、国防科域的，以及其他一旦遭到破坏、丧失功能或者数据泄露安全保护根本，是为了保护上述设施，防止其受到网络件，给国家安全带来极大隐患的威胁。除了网络恐怖袭网络战争的烈度也在加剧，且发生频率也在逐年升高。全与社会稳定，关键信息基础设施必须得到为保障关键信息基础设施安全，《信息安全技术关键信息基础设施安全保始实施。该标准中提出了关键信息基础设施安全保护以关键业务为核心的整体防控、以风险管理为导向的动态防护、以信息共享为基础的协同联防的3项基本原则，还从分析识别、安全防护、检测评估、监测预警、主动防御、事件处置等6个方面提出了安全要求。其中在分析识别方面，包含了关键业务和关键对关键业务链开展安全风险分析的风险识别要求，以及在关键信息基础设施发生较大变化时重新识别的重大变更要求。安全防护方面则强调了针对安全管理机构、安全管理人员、安全通信网络、安全计算环境、安全建设管理、安全运维管理、供应链安全以及数据安全防护共8个对象，落实国家网络安全等级保护制度。要求还表明了需要每年自行或委托网络服务安全机构至少进行一次安全检测评估，定期组织或参加跨运营者的安全检测评估，部署检测预警系统、进行主动防御、并对安全事件进行妥善处置。金融数据要素交易所同样也需要近年来，在政策引领和市场需求推动下，金融数据要素市场呈现出快速发展的趋势。在金融领域，金融行业数据要素助力的人工智能技术广泛应用也正在不断推动行业的变革和发展。于2023年3月，OpenAI宣布其GPT-4技术与摩根士丹利的财富管理部门达成一项重要合作。GPT-4这一款新型大型语言模型在处理金融领域任务方面具有显著优势，其准确性、处理大量数据的能力以及在回答问题方面的速度均为行业领先，这些特性使得GPT-4在金融领域具有广泛的应用前景。在合作的具体内容方面，GPT-4将为摩根士丹利的财富管理部门提供全球公司、行业、资产类别、资本市场和不同地区不断更新的最新信息。此外，这次合作还旨在利用人工智能技术优化客户服务，简化业务流程，发布了专为金融界打造的大型语言模型——BloombergGPT，这是一款基于其几十年来收集数据的AI系统。BloombergGPT的训练数据库由一系列英文金融信息组成，包括新闻、文件、新闻稿、网络爬取的金融文件以及提取到的社交媒体消息。彭博称，BloombergGPT将协助彭博改进现有的金融NLP任务，如情感分析、命名实体识别、新闻分类和问答等，其准确性和可靠性都比较突出。在数据要素资产化方面，光大银行取得了以下几个方面的成果：数据资产管理平台的构建，数据资产目录的建立，数据资产共享与流通，以及数据资产价值评估。光大银行在数据资产管理平台上进行了大量投入，建立了一套行之有效的管理体系。该平台具备数据整合、数据存储、数据计算、数据分析、数据应用等功能，能够实现数据全生命周期的管控。光大银行还建立了完整的数据资产目录，对所有数据资源进行了分类、编码和标准化。该目录能够清晰地展现数据的来源、含义、关系和价值等信息，为内部用户提供了便捷的数据查找和利用服务。通过构建数据服务总线，光大银行实现了数据资产的内部流通和共享。不同的业务部门之间可以方便地共享和交换数据，从而降低了数据冗余和提高了数据利用效率。在数据要素资产化过程中，通过引入专业的评估方法和工具，对各类数据资源进行量化评估，从而为银行带来了更加全面和准确的数据价值认知。通过建立完善的数据资产管理体系，光大银行实现了数据的高效整合、存储、计算、分析和应用。同时，通过数据共享与流通和价值评估等工作，充分挖掘了数据的内在价值，并为银行业务发展提供了有力的支撑。系创新项目。中国农村的金融服务长期以来一直存在覆盖面不广、服务质量不高、授信难度大等问题。许多农村用户无法享受到正规金融机构的服务，导致他们在生产、生活等方面面临诸多不便。为了解决这一问题，蚂蚁金服通过大并提供信用贷款、支付、保险等金融服务。蚂蚁金服乡村信用自推出以来，已经在中国的许多农村地区得到推广和应用。通过大数据技术的支持，该项目成功地将现代金融服务引入到农村地区，使更多农村用户享受到便捷、优质的金融服务。同时，蚂蚁金服乡村信用也有助于提高农村金融服务的竞争力和创新谈到金融数据要素市场上的应用，我们把其分为个人金融数据要素和产业金融数据要素，近几年国家出台的《数据安全法》及《个人信息保护法》等法律法规对金融数据要素涉及个人信息的要求，在各类金融机构内已经做到了严格的监管和监控。我们主要来看产业市场中的供应链金融涉及的产业金融数据使供应链金融越来越受到关注。中共中央、国务院高度重视供应链金融工作，各部委围绕供应链金融发展问题制定出台了一系列政策措施大力支持供应链金融创新、提升服务实体经济效率等。供应链金融业务以其强场景化属性、与产业链紧密结合，可服务到核心企业上下游企业等特性，得到金融机构、核心企但多数供应链金融业务，在开展过程中仍面临风险控制难、操作效率低、实施成本高等问题。随着以人工智能、区块链、云计算、大数据、物联网等为代表的信息技术逐步深入应用，实现了从风险控制、效率提升、成本降低等方面对传统金融业务进行优化升级。供应链金融的本质是金融，而金融经营的是风险，科技不能杜绝风险，但可以识别风险、监测风险、量化风险，并提供金首先，在新一轮科技革命和产业变革的背景下，伴随互联网、人工智能、大数据、云计算、物联网、区块链等信息技术与金融业务深度融合，金融领域的科技应用逐步从信息化建设往数字化发展。金融行业的数字化转型可以分为其次，对于供应链金融而言，宏观经济、行业趋势及企业管理层面不确定性一直在。对大数据、云计算、人工智能、物联网、区块链等整合运用并形成综合性分析工具及解决方案，可以解决较多供应链金融领域的痛点问题。根据贷中资产审核、贷后运营监管三个环节，实现供应链金融的风险控制、效率提从技术应用及数据要素的角度具体包括业务信息化建设、信用评估数据支撑、商业信用数据评估、交易审核的AI支撑、风险监控的物联网数据首先在业务信息化建设方面，信息化建设是金融科技运用于供应链金融场景的基础，也是积累金融数据要素的基础。供应链金融参与主体及所涉环节众物流、信息流四流进行最大程度管控，业务环节包括客户准入建档、主体信息收集、信用风险评估、交易风险评估、资产审核可视、发票核验、中登登记、对账管理、回款管理、押品管理、资产池循环等，需要尽可能将所有作业环节实现信息化，所有的业务数据都入库入表，完成金融其次在信用评估阶段，金融数据起到了越来越大的作用。在主体信用评估方面，核心企业信用是供应链金融的展业基础，供应链金融需要重点评估核心人工智能等方式，对被评估主体及其法人相关信息进行数据采集、数据挖掘，包括工商、司法、税务、财务、舆情、失信等信息，并通过数据建模、评分卡模型等方式，实现对企业主体的大数据信用进行量化评估，进而提升信用评估再次在交易风险评估方面，供应链金融领域的交易风险评估也可称为债项交易年限、供应商集中度、金融的应收账款集中度、关联交易等进行数据获取并交叉验证分析，以确定贸易双方的交易真实性、合理性及稳定性，最大限度从商业信用评估中，利用金融数据要素进行穿透式评估，完成核心企业信用对上下游企业的传递。在此过程中，利用区块链技术和物联网技术，通过算法遍历并验证交易网络中融资的各级数据，包括各节点的计算机系统、操作现场、社会信用系统等获取的数据和中间件、硬件等获取的节点数据，实时、动态、多维度地实现数据交叉验证，提高数据的可靠性，例如采购数据与物流数据匹配、库存数据与销售数据印证、核心企业数据与下游链条数据的可靠性对比，以降低信息不对称所造成的流程摩擦。在存货融资领域，区块链技术联合智能仓储、智慧物联网、人工智能和大数据分析等技术能力，通过密钥与数字证书可以确保业务参与方以真实身份通过区块链实现线上多方协议并签署电子合同，并可支持电子仓单的流转，最终有效解决传统仓单质押融资过程中的身份信任、风险管控以及效率低下等问题。区块链技术的运用，较好地实现了核心企业信用转化为数字资产，并在不同的参与方之间高效传递，加速了整个供在金融类交易审核过程中，数据要素结合人工智能大数据及云计算，完成自动化的智能审核，效率通常是人工审核的几十倍。基于以上技术的自动化审核为合同、发票、履约证明等供应链金融交易单据的准确、高效审核提供了极大便利。供应链金融在交易审核环节，需要对合同、发票、履约证明等信息进行审核，应用图像识别、OCR（光学字符识别）、NLP（神经语言程序学）、智能语音识别等人工智能技术，可极大地提高审核效率。此外，通过交易信息数据化，还可通过大数据校验方式进行交易比如物流供应链金融场景下，可借助物流运输车辆的GPS地图运输轨迹，对交易真实性进行核验。在大量图像、在金融贷后风险控制方面，金融数据要素的评估应用既涉及对主体信用变化的监控，也可能涉及其他对融资回款有影响的因素监控，如存货货值、交易异动，甚至行业风险变化等风险监控以大数据信息采集、分析为主，并结合物联网、人工智能等技术，对核心企业舆情、上下游交易异动变化、货品市场行在动产融资监管场景下，在抵质押期间如何有效对押品进行监控，确保不发生盗货、损货等情况是需要重点关注的问题。重点借助物联网RFID（电子射频识别技术），以及智能车牌识别、标签识别、电子围栏等技术，生成物联网电子仓单，并可对货物实现实时监管及预警，极大地提升了人工监管的效率及信息胶东供应链在山东青岛港实施的案例中，充分体现了区块链、大数据、云计算、物联网、人工智能在金融数据要素在金融贷前、贷中、贷后阶段起到的重要作用。其为青岛当地某港口仓储企业运用打造了供应链综合服务平台，支持仓单融资、应收账款融资、海外贸易代理采购三种供应链金融业务模式。在仓单融资场景中，该平台基于区块链开展仓单融资业务，通过配合智能仓设施与仓储运营管理系统，融资用户完成质押品入库后，品种、重量、数量等押品信息可自动化传输至区块链平台，根据数据对接传输的结果，平台生成对应链电子仓单，融资用户持有区块链电子仓单，通过供应链综合服务平台向资金融最后，在基于供应链金融为基础的产业链金融领域，通过具体的产业互联网的发展与产业链金融服务互为促进。产业互联网对行业的智能化、数据化、可视化改造，将主体情况、产业链情况、大数据信息等更加全面、持续地展示监测信用，为金融机构提供更加优质的业务场景及安全资产。而产业链金融服务，可更加贴近场景，为产业生态注入有氧血液，更好地促进产业生态高效、数据从“资源”到“资产”到“要素”的转变，关键在于流通，然而，数据流通共享将导致数据安全形势更为严峻，威胁个人隐私、商业秘密，甚至国家机密。隐私计算对保障数据安全流通和发挥数据资源价值具有重要意义。隐私计算可以从三个方面赋能数据要素流通：一是隐私计算“数据可用不可见，数据不动价值动”的特性可有效保障数据安全和用户隐私；二是隐私计算可提供监管接口实现“数据可监管可追溯”，保障数据全生命周期安全；三是隐私计算可有效分离数据所有权与使用权，让数据交金融业是数据密集型行业，金融业借助隐私计算技术，基于内外部数据进行联合建模，可实现智能风控、精准营销、保险联合营销、金融反欺诈、反洗钱、中小微企业金融服务、存量客户运营，解决金融数据利用过程中面临的数据安全问题、数据孤岛障碍和金融监管限制隐私计算不是单一的技术，而是一个技术体系，主流技术路线可以分为三类：基于密码学的多方安全计算、基于分布式机器学习的联邦学习和基于可信硬件的可信执行环境，三大技术经常协同融合，优势互补，以满足不同场景下多方安全计算（MPC）是指在无可信第三方情况下，多个参与方协同完成计算目标，并保证每个参与者除计算结果外均不能得到其他参与方的任何输入多方安全计算可在不泄露A、B财富值的情况下，完成计算分析任务，不仅能够实现数据的共享和协作，还能够确保数据在计算过程中的保密性和完整性，多方安全计算具有“去中心化”“计算高效”“输入隐私”三大特点，适在金融领域，多方安全计算可在风险控制、联合营销、供应链金融等方面发挥重要作用。基于多方安全计算技术可实现不同主体多维度数据融合，横向打通银行同业、政务、互联网、运营商等多维数据，实现海量数据资产的价值转化，助力金融业数据生态建设。目前，众多金融机构正在积极探索多方安全计算技术在智能风控、精准营销、保险联合营销、金融反欺诈、反洗钱、金融保险黑名单安全查询、金融监管等场景下的应联邦学习（FL）指在多个参与方在不交互原始数据的情况下，通过安全机制交互模型参数，从而达到协同训练效果的分布式机器学习方法，可实现在保器学习模型的场景为例，A、B、C各自拥有一定数据，通过加密样本或特征对齐确认共有数据样本或特征，再利用加密模型训练完成三方模型参数的计算与更新，形成联邦学习模型。在此过程中，A、B、C各方的数据均保留在本地，联邦学习可分为横向联邦学习、纵向联邦学习、联邦迁移学习。横向联邦学习的本质是样本的联合，即联合多个参与者的具有相同特征的多行样本进行联邦学习。纵向联邦学习本质是特征的联合，即在两个数据集的用户重叠较多而用户特征重叠较少的情况下，将已有的数据集进行纵向维度的切分。联邦迁移学习强调在任何数据分布、任何实体上，均可以进行协同建模学习，但落地联邦学习具有隐私保护、数据共享、训练效率高、灵活性强、模型质量无损等优点。同时，联邦学习也面临着安全威胁、性能瓶颈等问题，行业从业者在普通联邦学习技术基础上，克服原有的弊端和风险，提出了安全联邦学习技近年来，国内外部分金融机构已积极开展联邦学习应用，主要用于风控、营销、反洗钱