金融业数据应用发展报告

一、概述 1二、发展背景 3（一）政策指引 3（二）标准引导 三、发展现状 29（一）数据治理 （二）数据资产管理 34（三）数据运营 37（四）数据要素流通 48（五）流通技术 四、面临的挑战 68（一）政策标准有待进一步完善 （二）数据应用风险管控亟待加强 71（三）数据服务能力评价机制仍需完善 74（四）系统建设与数据应用仍然存在割裂 76（五）数据产品创新能力不足 79五、发展建议 81（一）加大政策支持与标准供给 82（二）推进数据安全体系落地 85（三）构建数据服务闭环 91（四）建设数据友好型系统 93（五）加强数据驱动型产品建设 97六、典型案例 104七、结语 147八、附录 1501一、概述随着数字经济席卷全球，数据作为一种新型生产要素已成为重要战略资源。各行业纷纷增设信息科技部门，加大信息化建设力度，以期利用大数据技术提高服务能力和水平。在我国，互联网、政府、金融是大数据融合产业发展的重点行业。其中互联网和金融行业信息化水平高、研发力量雄厚，在业务数字化转型方面处于领先地位。除此之外，金融数据是大数据商业应用最早的数据源之一，面对如今快速增长的海量网络数据和复杂的网络社群关系，如何从大数据中提取有价值的信息，最大化提高数据服务能力，是金融行业不可避免的难题。在此背景下，中央多次发文表示要加强数据的感知、传输、明确指出要加快构建全国一体化大数据中心体系，建设若干国家级大数据中心集群；激活数据要素潜能，加快建设数字经济、数字社会、数字政府；充分发挥海量数据和丰富应用场景优势，推动数据赋能全产业协同转型；加强数据开放共享，建立健全数据要素市场，开展数据跨境传输安全管理试点。《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见，明确金融数字化转型的总体思路、发展目标、重点任务和实施保障。解决金融科技发展不平衡不充分等问题，推动金融科技健全治理体2系，完善数字基础设施，促进金融与科技更深度融合、更持续发展，更好地满足数字经济时代提出的新要求、新任务。本报告通过对数据应用技术在2021至2023年间的发展进行分析探索，希望能够对大数据在金融行业的应用提供参考。报告一共分为六章。第一章概述，介绍了本报告的研究内容与意义。第二章发展背景，从政策及标准的背景、内容、影响等方面介绍2021年到2023年新出台的对金融行业影响较大的行业政策和行业标准，以及金融行业机构对新政策的解读。第三章发展现状，从数据要素流通、数据资产管理、数据治理、流通技术等角度对金融行业数据应用现状进行详细介绍。第四章面临的挑战，提出了政策标准不够完善、数据应用存在安全风险、数据服务能力评价体系不完善、系统建设与数据应用仍然存在割裂、数据产品创新乏力等数据应用面临的挑战及难题。第五章发展建议，针对第四章提出的挑战进行了逐一分析建议，提出了加强政策引导与制定应用标准、保障数据安全体系落地、形成数据服务闭环、建设数据友好型系统、数据驱动产品建设等对策建议。第六章典型案例，介绍了金融业数据应用的实践案例。第七章结语，总结课题情况及数据专委会重点工作。本报告在北京金融科技产业联盟数据专委会组织下，由农业银行牵头，中国银行、数牍科技、富数科技、浙商银行、平安银行、洞见科技、银行卡检测中心、冲量在线、青岛银行、同盾科蓝象智联等机构共同编写完成。3二、发展背景在数据要素建设全面提速的背景下，数据赋能金融机构数字化转型已成为大数据时代的必然选择，全面加强数据能力建设势管部门也加强了对数据能力建设及数据治理的要求和指引。本章节主要从政策背景、内容、影响等角度对《中华人民共和国数据安全法》《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》《金融科技发展规划（2022—2025年）》《金融数据安全数据生命周期安全规范》《金融数据安全数据安全分级指南》《金融业数据能力建设指引》等政策法规、行业标准进行解读。1.《中华人民共和国数据安全法》2021年6月1日，《中华人民共和国数据安全法》（以下简称《数据安全法》）经第十三届全国人民代表大会常务委员会《数据安全法》是我国首部以规制数据安全为核心内容的专项法案，其施行既有利于弥补我国数据安全保护领域的法律空白，为保护我国数据安全以及维护数据主权提供法律支持，又有4利于推动以数据为核心的数字经济的发展，实现我国产业的数字该法案对于数据采取的治理逻辑为保护加利用，一方面，基于国家安全战略对数据的审查、评估、管理等制定了严格的政策与措施，另一方面，为数据的要素化、充分挖掘数据的巨大潜能提供了重要的制度保障。这是整个数据行业的基本法，更加强调总体国家安全观，该法以数据为核心，对信息社会、数据时代起基础性支持作用，其本质是以安全为基础和起点，终极目标是数据作为生产要素能够加速流通。《数据安全法》不仅回应了国内外重要的数据安全问题，还体现了我国数据安全保护的决心。一方面，进入信息全球化时代以来，数据安全问题频发，世界重要国家与国际组织先后通过立法对数据安全问题进行规制。另一方面，近年来我国产业的数字化转型升级加快，对数据安全保护提出了新的要求。我国当前针对数据安全问题的立法存在空白，法律体系尚不完善，数据安全受到严重威胁。在数字经济蓬勃发展的时代，应当建立起我国统一的数据安全法律体系，提升数据安全保护效力，为推动数字经济发展打下坚实的法律基础。因此，《数据安全法》的出台具有深刻的时代意义。（2）政策内容a.具体内容《数据安全法》是我国在数据安全领域的专门立法，与《网5络安全法》《个人信息保护法》以及其他专项及地方立法共同构成我国数据安全保护法律体系。《数据安全法》主要包括以下四第一，《数据安全法》确立了我国坚持数据安全保护与发展并举的原则。安全是法律保护的秩序价值，发展是法律追求的重要目标。就数据规制而言，需要更好地平衡安全与发展的关系，以实现数据安全与发展的动态平衡。丧失了安全保障，数据发展将失去稳定运行的前提，甚至会由于缺乏监管而带来不可承受的风险与损害。因此，我国坚持数据安全保护与发展并举，在确保数据安全的前提下，鼓励数据依法合理有效利用，促进以数据为核心的数字经济发展。据安全法》出台前，我国多从技术控制的角度对数据安全问题进该法第三章以专章形式规定了数据分级分类保护、数据安全审查、数据出口管制、对等措施以及跨境流动审批等制度，强调以完善的体制机制维护数据安全。《数据安全法》设立的数据安全保护机制，弥补了过去重技术轻制度建设的情况，减少了因制度建设不完善而产生的数据安全问题。第三，《数据安全法》明晰了数据安全保护义务。与该法设立的数据安全保护机制相衔接，数据安全保护义务强调在数据安全保护机制下实行多元主体协作机制。在保护义务的具体实施方面，《数据安全法》第四章规定了数据内部及外部控制、风险监6测、风险评估以及数据交易等机制，明确了各级各类主体应当承担的义务以及采取的必要措施。考虑到政务数据具备的特殊价值，《数据安全法》第五章对政务数据安全与开放问题进行了单独规定。明晰的义务有利于规范数据处理活动，进一步明确数据安全监管责任，降低数据安全风险。第四，《数据安全法》建立了追责制度。针对不同的义务主体，《数据安全法》在第六章规定了不同的法律责任。针对我国有关主管部门，明确了其监管责任以及对违反数据安全保护义务的组织和个人可以采取的措施。对进行数据处理活动的有关组织否则将根据其违法的程度不同，给予警告、停业整顿、吊销营业执照以及罚款等惩戒措施。与上述措施不同，对不履行监管义务的国家机关工作人员以及责任人员主要给予行政处分以示惩戒。《数据安全法》以分级分类的形式明确了不同主体的法律责任，使得《数据安全法》的执行力更强，能够有效预防、制止以及惩罚危害数据安全的各类行为。总体而言，《数据安全法》明确数据安全主管机构的监管职责，建立健全数据安全协同治理体系，提高数据安全保障能力，促进数据出境安全和自由流动，促进数据开发利用，保护个人、组织的合法权益，维护国家主权、安全和发展利益，让数据安全有法可依、有章可循，为数字化经济的安全健康发展提供了有力b.落地方案7对标《数据安全法》等法律法规和监管要求，金融机构首先要建立健全数据安全管理制度体系，细化数据分类分级机制，补充完善重要数据管理、数据安全风险评估、数据安全审查和出境管理等方面的要求，并加强监督落实。其次要持续完善数据安全技术防护措施，参照有关标准规范和最佳实践，做细做实数据分类分级和全生命周期安全防护建规范数据采集和外部数据使用，加大政务数据的采集和开发利用，同时做好动态管理，针对数据采集、传输、融合、共享、发及时申报数据安全审查。金融机构的数据治理体系建设核心将转向以保护数据主体权益的数据安全治理体系，从组织架构、管理流程、技术工具、人才培养等多个方面自上而下进行推动。重点关注的内容包括管理机构的明确、数据合规机制的建立与运转、数据安全创新技术的引入与研究、培训宣贯与人才培养。为落实《数据安全法》，可以在如下几个方面，进行落地：一是加强数据安全治理，制定数据安全有关制度规范，技术联防联控，共同推进落实数据安全管理。二是构建数据安全纵深防御体系，在传统网络安全防护的基础上，强化一体化运维安全建设和漏洞处置能力，部署沙箱、云桌面、数据脱敏和防泄漏、态势感知等安全产品；同时，加强应8用安全防护，将数据安全要求嵌入业务需求和系统建设各个环节，通过系统固化业务流程，利用认证、校验、加密、脱敏、屏三是强化数据使用安全，通过优化业务流程，进一步规范员工合规操作；通过推进数据分类分级，强化数据精细化管理；通保障数据安全使用；通过开展舆情监测、强化敏感数据监测、组织外包检查等措施，防范供应链安全风险。四是引导数据安全文化建设。一方面，组织开展消费者权益保护、安全保密、个人金融信息安全等方面的培训，开展案例警示教育，营造安全合规氛围；另一方面，利用网点、网站、社区等多种渠道，持续宣传数据安全与个人金融信息保护内容，增强公众安全意识。五是加强审计监督，组织开展年度信息科技风险检查、评估与审计，将网络数据与个人金融信息安全作为工作重点，加大问（3）政策影响信息保护上提出了新要求：第一，对“数据”范围作出界定，既包括“网络数据”，又包括以纸质等其他形式记载的“信息”，将其统一纳入《数据安全法》的规制，有利于法律执行的统一性，也符合数字经济时代下的网9第二，构建国家数据安全基本制度，覆盖数据全生命周期，重点明确了数据分类分级及重要数据保护目录、数据安全风险评估、数据安全审查、数据出口管制和域外管理等方面的要求。第三，规定了数据安全保护义务，要求重要数据的处理者应当明确数据安全负责人和管理机构，落实数据安全保护责任，涵并强化了国家核心数据和重要数据的保护要求和法律责任。第四，提出数据交易安全要求，明确数据交易中介服务机构的主要义务、数据交易的原则性要求和政务数据开放规定。第五，体现数据伦理内容，要求数据的开发利用应充分考虑老年人、残疾人的需求，不得对其造成障碍，充分体现了国家对特殊群体的关怀，有利于增强全民的幸福感和获得感。2.《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》数据作为新型生产要素，具有无形性、非消耗性等特点，可以接近零成本无限复制，对传统产权、流通、分配、治理等制度提出新挑战，亟需构建与数字生产力发展相适应的生产关系，不断解放和发展数字生产力。按照党中央、国务院决策部署，国家赴多地深入调研，并吸纳了各方面有关意见。习近平总书记主持召开中央全面深化改革委员会第二十六次会议，审议通过了“数据二十条”。“数据二十条”主旨是构建数据基础制度，保障数据要素的安全和发展。（2）政策内容“数据二十条”强调探索建立数据产权制度，推动数据产权结构性分置和有序流通，结合数据要素特性强化高质量数据要素供给。在国家数据分类分级保护制度下，建立公共数据、企业数据、个人数据的分类分级确权授权制度和市场化流通交易机制，建立数据资源持有权、数据加工使用权、数据产品经营权的“三权”分置的产权运行机制，健全各参与方合法权益保护制度，推进“共同使用，共享收益”新模式。加大个人信息保护力度，推行匿名化个人数据合理使用，健全数据要素权益保护制度。在流通和交易方面，要完善和规范数据流通规则，构建促进使用和流通、场内场外相结合的交易制度体系，培育壮大场内交易；有序发展数据跨境流通和交易，建立数据来源可确认、使用范围可界定、流通过程可追溯、安全风险可防范的数据可信流充分发挥市场在资源配置中的决定性作用，更好地发挥政府作用。完善数据要素市场化配置机制，扩大数据要素市场化配置范围和按价值贡献参与分配渠道。完善数据要素收益的再分配调节机制，让全体人民更好共享数字经济发展成果。在数据要素治理方面，要把安全贯穿数据治理全过程，构建政府、企业、社会多方协同的治理模式，创新政府治理方式，明形成有效市场和有为政府相结合的数据要素治理格局。在保障措施方面，要加大统筹推进力度，强化任务落实，创新政策支持，鼓励有条件的地方和行业在制度建设、技术路径、发展模式等方面先行先试，鼓励企业创新内部数据合规管理体系，不断探索完善数据基础制度。切实加强组织领导、加大政策支持力度、积极鼓励试验探索、稳步推进制度建设。（3）政策影响“数据二十条”指出数据基础制度建设事关国家发展和安全大局，要维护国家数据安全，保护个人信息和商业秘密，促进数收益分配、安全治理，加快构建数据基础制度体系。这一重要论述，为我们加快构建数据基础制度体系，进一步释放数据要素价值，激活数据要素潜能指明了方向。构建数据基础制度体系，是新时代我国改革开放事业持续向纵深推进的标志性、全局性、战略性举措，有利于充分发挥数据要素作用，赋能实体经济，推动高质量发展；有利于做强做优做大数字经济，应对科技革命和产业变革，构筑国际竞争新优势；有利于统筹分配效率与公平，推动全民共享数字经济发展红利，促进实现共同富裕；有利于提高数据要素治理效能，助力国家治理体系和治理能力现代化。3.《金融科技发展规划（2022—2025年）》在《金融科技（FinTech）发展规划（2019—2021年）》引领下，我国金融科技发展取得举世瞩目的成就，已成为金融数字化转型的核心驱动力，在深化金融供给侧结构性改革、增强金融服务实体经济能力等方面发挥重要作用。人民银行认真贯彻落实党中央、国务院决策部署，从战略全局不断加强顶层设计和统筹规划，接续出台《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见，明确金融数字化转型的总体思路、发展目标、重点任务和实施保障，为新时期金融数字化转型谋定方向、明晰路径。（2）政策内容《金融科技发展规划（2022—2025年）》明确了金融数字化转型总体思路、目标方向和实施路径，系统提出8大类28项重点任务，勾勒“十四五”时期金融科技发展蓝图。金融机构要以重点做好五方面工作。充分激活金融数据要素潜能。一是加强数据治理。建立健全协调一致、涵盖全生命周期的数据治理体系，统一数据编码规则和接口规范，编制企业级数据字典和数据资源目录，做好数据分级分类。二是深化融合应用。建立多元化数据共享和权属判定机制，搭建企业级数据交换技术通道，综合运用隐私计算、联合建模、差分隐私等技术对海量多样化多维度数据资源进行价值挖掘和关联分析。三是做好信息保护。严格落实数据安全保护法律法规与标准规范，建立健全数据全生命周期安全管理机制，运用匿踪查询、去标记化、可信执行环境、随机化等手段严防数据逆向追踪、隐私泄露、数据篡改与不当使用，切实保护数据主体合法权益不受侵害。着力打造数字化经营新动能。在战略部署方面，建立健全企业级数字化转型组织架构和治理机制，通过数字化能力成熟度评价等方式科学衡量转型质效，构建涵盖规划、生产、管理等职能的特色化发展矩阵。在敏捷创新方面，探索数字化工厂、创新实决策与执行高度统一的创新协同网络。在中台建设方面，采用低提纯加工、建模分析、质量管控、可视交互等功能的综合型数据中台。在业务赋能方面，运用知识图谱、机器人流程自动化等技构建覆盖用户全生命周期、业务全流程的数字化经营能力。不断深化关键核心技术应用。一是加强核心技术应用攻关，聚焦金融科技应用前沿问题和主要瓶颈，通过行业组织、孵化平台、专项合作等方式加大关键软硬件技术金融应用的前瞻性与战略性研究攻关。二是切实保障供应链稳定可靠。强化关键核心技术标准符合性和安全性把关，确保技术路径与自身需求高度匹配。三是构建开放创新产业生态。以金融机构为主体，广泛联合高等院校、科研院所、高新技术企业等搭建金融科技产用对接平台，加强共性技术、资源和服务的开放合作、互惠共享，推动技术共研、场景共建、标准共商、成果共用、知识产权共享。加快推动金融服务智慧再造。在惠民方面，运用5G、虚拟现实、智能物联网（AIoT）等技术推动实体网点智慧升级与线上服务渠道迭代优化，深化跨界合作、消除渠道壁垒，不断扩展金融在公共缴费、社保服务、医疗保障、交通出行等领域的应用场景。在利企方面，有序推动跨领域、跨地域信用信息互联互通和归集共享，打通金融机构与实体企业融资对接的数字通道，在绿色金融、农业金融、供应链金融、小微金融、科创金融等领域打造精细化、定制化数字信贷产品。切实加强金融科技审慎监管。一是强化金融科技创新行为监管。加快出台符合国情、国际接轨的金融科技伦理制度规则，不断扩大金融科技创新监管工具应用的广度与深度。二是筑牢金融安全评估和运行监测，着力提升算法可解释性、透明性、公平性和安全性。三是加快数字化监管能力建设。深化监管科技在金融市场、支付结算、征信、消费者保护等领域的应用，打造权威专业化风控基础设施。（3）政策影响《金融科技发展规划》明确了治理体系、数据要素、基础设施、核心技术、激活动能、智慧再造、审慎监管、发展基础等八组织统筹等五个方面提出要求。金融机构需要做好整体规划，完善相关的配套细则，推动金融科技深度应用，加快全方位数字化转型。在发展金融科技的过程中，金融机构需要着重关注数据风险管理、模型风险管理、场景风险管理，在风险可控的前提下创确立培养目标，来应对金融科技未来的挑战。（二）标准引导1.《金融数据安全数据生命周期安全规范》随着大数据、人工智能、云计算等新技术在金融行业深入应用，金融数据逐步实现从信息化资产到生产要素的转变，其蕴含的极高的商业价值和重要性日益凸显。同时，数据泄露、滥用、篡改等安全威胁的影响也在不断增加，逐步从机构内转移扩大至机构间和行业间，甚至影响国家安全、社会秩序、公众利益和金融市场稳定。如何在满足金融业务基本需求的基础上，强化数据金融数据复杂多样，对数据实施生命周期安全管理，能够进一步明确数据生命周期各阶段的保护要求，有助于金融业机构合理分配数据保护资源和成本，建立完善的数据生命周期防护机制。为指导金融业机构合理制定和有效落实数据生命周期安全管理策略，进一步提升金融业机构的数据管理和安全防护水平，确保金融数据安全应用，2021年4月，中国人民银行发布并实施JR/T0223—2021《金融数据安全数据生命周期安全规范》。（2）标准内容《金融数据安全数据生命周期安全规范》规定了金融数据生命周期安全原则、防护要求、组织保障要求以及信息系统运维保障要求，建立了覆盖数据采集、传输、存储、使用、删除及销毁过程的安全框架，适用于指导金融业机构开展电子数据安全防护工作，并为第三方测评机构开展数据安全检查与评估工作提供《金融数据安全数据生命周期安全规范》建立的安全框架如图1所示。首先，为防范和抵御金融数据安全风险，要求金融业机构在开展业务和日常经营管理过程中，遵循以下数据安全基本原则：合法正当原则、目的明确原则、选择同意原则、最小够用原则、全程可控原则、动态控制原则以及权责一致原则。数据安全分级是建立完善的数据生命周期安全防护体系的基础，对机构的数据资产进行全面梳理，按照JR/T0197—2020相关要求，根据数据安全性遭到破坏后的影响范围和影响程度，将金融数据安全级别从高到低划分为5级、4级、3级、2级、1数据生命周期包括数据采集、传输、存储、使用、删除和销毁等环节，《金融数据安全数据生命周期安全规范》针对各个环节，依据不同数据安全级别的安全保护需求，对数据安全防护做出了详细的规定。在金融业机构数据安全防护实践中，各个环节均有其侧重的关键技术。在数据采集环节，数据源的真实性至关重要，需根据采集的数据安全级别，采用不同的技术措施如口令密码、设备指纹、数字签名等对数据源进行鉴别和认证；在数据传输环节，存在着数据传输中断、篡改、伪造及窃取等安全风险，需根据不同的数据传输模式和数据安全级别，采用相应的技术措施如加密传输、身份认证、可信物理信道和通信协议约定等篡改、丢失、不可用等安全风险，数据加密、权限控制和备份恢复是保障数据安全的重要手段；数据使用环节包括数据的访问、窃取、泄漏、篡改、损毁等安全风险，需采用访问控制、身份认证、数据脱敏、数据加密、多方安全计算以及跟踪溯源等技术保障数据安全；在数据生命周期的结尾，通过数据清理和数据介质销毁形成闭环。最后，《金融数据安全数据生命周期安全规范》对数据安全组织保障和信息系统运维保障进行了详细规定，如要求金融业机构建立健全包括决策层、管理层、执行层以及监督层的数据安检查评估、应急响应与事件处置等过程中的数据安全风险防控能力等，构成了数据生命周期安全防护机制能够有效落实和严格执行的基石。（3）标准影响一方面，《金融数据安全数据生命周期安全规范》为金融业机构开展金融数据生命周期安全防护提供了具体实施指导，其发布推动金融业机构逐步落实金融业数据安全管理要求，提升金融业数据安全保护工作的规范化和标准化程度，为金融业机构有效防范数据安全风险及应对数据安全事件提供科学依据和指导，为金融数据的应用和流动提供有力保障。另一方面，《金融数据安全数据生命周期安全规范》的发布能够促进金融科技的安全发展，明确了整个金融数据生命周期的安全要求，使金融业机构在数据安全治理方面的需求得到快速提升，从而推动一系列安全技术的发展。近年来，以多方安全计算、可信执行环境、联邦学习等为代表的隐私计算技术为数据交换共享过程中数据的“可用不可见”提供了解决方案，并已在金融、政务、医疗等领域开始推广应用。另外，一些传统技术如数据脱敏、基于角色的数据授权方式等也在效率和适用性等方面面临着升级压力，从而催生出敏感信息自动识别、动态鉴权等新技术，为金融数据提供更加有力的安全保障。2.《金融数据安全数据安全分级指南》为落实中共中央、国务院加强数据资源整合和安全保护相关工作要求，指导金融业机构合理开展金融数据安全定级工作，有效落实金融数据生命周期全过程安全管理策略，进一步提高金融业数据管理和安全防护水平，确保金融数据的安全应用。2020年9月，中国人民银行发布《金融数据安全数据安全分级指南》（JR/T0197—2020）金融行业标准（以下简称“分级标准”），有助于金融业机构明确金融数据保护对象，合理分配数据保护资源和成本，是金融机构建立完善的金融数据生命周期安全框架的基础，能够进一步促进金融数据在机构间、行业间的安全流动，有利于金融数据价值的充分释放和深度利用。（2）标准内容a.分级分类管理细则制度出台为规范管理和使用数据，保障数据安全，参考“分级标准”中给出的金融数据安全分级的目标、原则和范围，数据安全定级的要素、规则和定级过程，以及金融业机构典型数据定级规则，并基于单位的实际组织机构和业务情况等，制定并发布自己的分分级分类新增与修订等做出管理说明。b.分级分类台账形成根据数据分级分类细则，形成《数据分级分类台账》。台账主要依据数据的重要程度以及数据发生丢失、泄露、被篡改、被毁损事件的影响范围和程度将数据划分为5、4、3、2、1共五个安全级别。定级规则。5级数据：涉及国家秘密的数据，依据国家和中国人民银行涉密相关标准和规定执行；4级数据：一旦丢失、泄露、被篡改、被毁损会对金融市场稳定、上级单位业务造成严重影响的数据，在非涉密数据中安全控制等级最高；3级数据：一旦丢失、泄露、被篡改、被毁损会对社会公众、单位本身、单位客户利益造成影响的数据，应实施较强安全控制；2级数据：一旦批量丢失、泄露、被篡改、被毁损会对社会公众、单位本身、单位客户利益造成影响的数据，对安全控制不作要求。定级考虑因素。一是从数据应用场景初步梳理数据使用概要情况，根据概要情况，初步判断数据安全级别。比如可以广泛公开的数据定为1级，可以公司范围内公开或者不宜广泛公开的定为2级，仅针对特定人员公开的定为3级。二是参照“分级标准”中的数据安全级别，将涉及单位核心业务相关数据内容安全级别设置为对应的级别。三是分析各项业务内容发生数据丢失、泄露展实际情况，对数据进行定级。定级步骤。一是数据资产盘点，对相关业务数据进行盘点、梳理与分类，形成统一的数据资产清单。二是参考统一数据资产清单，根据数据业务属性和特征进行数据分类，形成多级数据目录，便于后续台账使用查找和管理。三是按照业务条线、业务环节、业务形态和业务数据可公开范围，划分数据类别并按照类别设置默认的数据安全级别。四是参照“分级标准”中的“金融业机构典型数据定级规则参考表”调整数据安全级别。五是其余数据内容综合数据影响范围和影响程度分析判断数据安全级别，形成台账初稿。最后，综合业务部门对台账初稿意见完善数据分类和级别，形成待评审稿。（3）标准影响在数据发展成为重要生产资源的当下，数据处理活动日益复杂，数据处理涉及的主体和环节越发多样化，企业内部数据可能存在各种被泄露、滥用、篡改的安全风险。对数据进行分类分级保护，有利于企业对其持有的数据“摸家底”，对不同重要和敏感程度的数据采取不同的管控和保护措施，建立、完善数据风险管理内部流程，对企业控制、处理的数据按照分类分级结果采取适当的安全措施。除此之外，实施数据分类分级保护亦有助于企业应对各类业务场景下的网络安全与数据合规义务。3.《金融业数据能力建设指引》数字技术的快速发展和新冠疫情的全球肆虐深刻改变了经济发展、社会治理和个人生活的方方面面，全球经济逐步由工业经济向数字经济转型，“十三五”以来，我国高度重视数字经济发展，先后出台一系列政策文件，以促进传统经济与数字经济深度融合，实现数字化转型。为做好金融业数据安全防护，充分释放金融业数据要素潜能，推动金融行业数据规范共享和综合应用，中国人民银行组织编制并发布了《金融业数据能力建设指引》，进一步明确了金融业数据能力建设遵循用户授权、安全合规、分类施策、最小够用等五大基本原则，同时也为金融机构开展数据工作指明方向、提供依据。通过数据能力建设提升金融数自上而下推动金融业数字化转型。（2）标准内容a.具体内容《金融业数据能力建设指引》规定了数据战略、数据治理、数据架构、数据规范、数据保护、数据质量、数据应用、数据生存周期管理能力域划分，明确了相关能力项，提出了每个能力项的建设目标和思路。《金融业数据能力建设指引》能力域主要分为以下八个方面：一是数据战略，包括数据战略规划、数据战略实施、数据战略评估三个能力项。数据战略规划是基于金融机构对数据的需求，经相关方充分协商达成一致后拆解出可评估、可衡量、可操作的目标，最终形成数据战略内容的过程。数据战略具有一定前路径等要素，做到内容全面、目标合理、范围明确、路径清晰，可操作性强，能够指导未来一段时间有效开展数据管理工作。数据战略实施是按照既定目标和路线持续执行数据战略工作任务确保达成预期目标。数据战略评估是在数据战略实施期间和实施后，对照目标和实施情况全面综合评价数据战略实施的效果，并二是数据治理，包括组织建设、制度建设、流程规范、技术数据责任等内容，是各项数据职能工作开展的基础。其目标是对数据管理和应用进行职责规划与控制，指导各项数据职能的执行，以确保有效落实数据战略目标。制度建设是数据管理和数据应用各项工作有序开展的基础，是数据治理的依据。制度建设分层次设计，遵循严格的发布流程，并定期检查和更新。技术支撑是指为开展数据治理工作而建设的相关系统或平台。三是数据架构，包括元数据管理、数据模型、数据分布、数据集成四个能力项。元数据管理是关于元数据的创建、存储、整合、控制等一整套流程的集合。数据模型使用结构化的语言将收集到的业务经营、管理和决策中使用的数据需求进行综合分析，并按照模型设计规范将数据需求重新组织。数据模型分为企业级数据模型和系统应用级数据模型。企业级数据模型包括主题域模型、概念模型和逻辑模型，系统应用级数据模型包括逻辑模型和物理模型。指标数据四个能力项。数据元是由一组属性规定其定义、标识、表示和允许值的数据单元。通过制定核心数据元的统一规范，提升数据相关方对数据理解的一致性。参考数据是一组增强数据可读性、可维护性、可理解性的数据集合。借助参考数据可实现对其他数据的合理分类。主数据是企业中需要跨系统、跨部门共享的核心业务实体数据。主数据管理是对主数据规范和内容进行管理，实现主数据跨系统、跨部门的一致、共享使用。明细数据是日常生产经营等活动中直接产生或获取的未经任何加工的初始数据。指标数据是在经营分析过程中衡量某一个目标或事物的数据，由明细数据按照统计需求和分析规则加工生成，一般由管理属性、业务属性、技术属性等组成。五是数据保护，包括数据保护策略、数据保护管理、数据保护审计三个能力项。数据保护策略是数据保护的核心内容，在制定的过程中结合企业管理需求、行业监管要求以及相关制度规范等统一制定。数据保护管理是通过开展数据保护等级划分、数据访问权限控制、用户身份认证和访问行为监控、数据安全风险防护、数据隐私保护等管理工作，满足数据保护的业务需求和监管要求，实现对数据生存周期的安全管理。数据保护审计是一项控制活动，负责定期分析、验证、讨论、改进数据保护管理相关的并且审计人员独立于审计所涉及的数据和流程。六是数据质量，包括数据质量需求、数据质量检查、数据质量分析、数据质量提升四个能力项。数据质量需求是根据业务、数据需要制定的一种衡量数据质量的规则，是度量和管理数据质量的依据，包括技术指标、业务指标以及相应的校验方法。数据质量需求符合相关规范，依据数据管理目标、业务管理需求和行业监管要求统一制定和管理。数据质量检查是根据数据质量规则发现问题并及时反馈的一种方法。数据质量分析作为数据质量提升的参考依据，通过对检查过程中发现的数据质量问题及相关信息进行分析，找出影响数据质量的原因，并定义数据质量问题的优先级。数据质量提升针对数据质量分析结果，制定实施数据质量改进和数据问题预防方案，确保数据质量改进工作有效落实。七是数据应用，包括数据分析、数据交换、数据服务三个能力项。数据分析是对企业各项经营管理活动提供数据决策支持而进行的数据挖掘、建模、成果交付推广等活动，有助于促进业务发展。数据交换是指数据在企业内外部的流转交互，包括按一定策略引入外部数据供内部应用以及有选择地对外提供企业内部数据等。数据交换的主要目的是通过及时高效获取外部数据和安全合规分享内部数据，从而更好地发挥数据价值。开展数据交换需建立明确的交换目录和策略，并做好交换合作方的管理。数据服务是通过对企业内外部数据的统一加工和分析，结合公众、行业和企业的需要，以数据分析结果的形式提供服务。数据服务一般需经过需求分析、服务开发、服务部署、服务监控、用户管理数据维护管理、历史数据管理四个能力项。数据需求是指企业在业务运营、经营分析和战略决策过程中产生和使用数据的分类、含义、分布和流转相关要求的描述。数据开发是指设计实施数据解决方案、提供数据服务并持续满足企业数据需求的过程。数据解决方案包括数据结构设计、采集存储、整合交换、挖掘探索、可视化（报表、用户视图）等内容。数据维护是指数据服务上线投入运营后，对数据采集、数据处理、数据存储等日常的运行维行业监管要求，以及业务、技术等方面的需求对历史数据进行归档、迁移、销毁等。b.落地原则下基本原则开展金融数据能力建设：用户授权。明确告知用户数据采集和使用的目的、方式以及范围，确保用户充分知情，获取用户自愿授权后方可采集使用，严格保障用户知情权和自主选择权。安全合规。遵循国家法律法规、管理制度，符合国家及金融行业标准规范，建立健全数据安全管理长效机制和防护措施，通过技术手段将原始信息脱敏，并与关联性较高的敏感信息进行安全隔离、分散存储，严控访问权限，严防数据泄露、篡改、损毁与不当使用，依法依规保护数据主体隐私权在数据管理与应用过分类施策。综合考量国家安全、公众权益、个人隐私和企业合法利益等因素，根据数据的保密性、完整性、可用性等属性受到破坏后的影响对象和影响程度，对数据进行分级分类管理。对不同级别数据进行分类施策，采取差异化控制措施，实现数据精细化管理。最小够用。规范数据使用行为，严控数据获取和应用范围，切实保障数据主体的数据所有权和使用权。可用不可见。建立数据规范共享机制，在保障原始数据可用不可见的前提下规范开展数据共享与融合应用，保证跨行业、跨机构的数据使用合规、范围可控，有效保护数据隐私安全，确保数据所有权不因共享应用而发生让渡。（3）标准影响《金融业数据能力建设指引》明确了金融业数据能力建设要遵循的5大基本原则和金融业数据工作的相关能力域和对应的《金融业数据能力建设指引》明确了从战略规划到实施再到评估的建设过程，数据战略内容覆盖数据管理的工作愿景、目标、原在数据治理方面，综合考量国家安全、公众权益、个人隐私和企业合法利益等因素，根据保密性、完整性、可用性等属性对数据进行分级分类管理，对不同级别数据进行分类施策，采取差异化控制措施，实现数据精细化管理。《金融业数据能力建设指引》的制定为金融机构开展数据工作指明方向、提供依据，引导金融机构加强数据战略规划、着力做好数据治理、强化数据安全保护、推动数据融合应用，充分释放数据要素价值，为金融机构加快数字化转型发展夯实数据基础，打造适应数字经济时代发展的金融核心竞争力。另外，《金融业数据能力建设指引》的出台也有助于引导金融机构深挖数据要素潜能，全面提升数据管理和应用水平，切实将数据规划好、治理好、应用好、保护好。三、发展现状本章从数据要素流通、数据资产管理、数据治理、数据流通技术、数据运营体系等角度对数据应用发展现状进行详细介绍。1.数据治理现状根据金融行业信息化发展的现状，结合当今数据治理的要求，金融机构现阶段数据管理方面存在以下的不足：（1）多系统分散建设，没有规范统一的数据标准和数据模型。金融机构的各个业务部门为满足业务的需求，各自建立独立的信息系统。各部门站在自身的立场使用和管理数据，从不同的角度关注数据，使得同类型数据分散在不同的信息系统中，数据口径不统一，逻辑不一致。缺少一个从全局视角对数据进行管理的需求，缺乏统一的数据规划、可信的数据来源和数据标准。从而导致数据不规范、不一致、冗余、无法共享等问题出现。（2）缺少统一的主数据。金融机构核心系统主要信息并不是存储在一个独立的系统中，或者不是通过统一的业务管理流程在系统间维护。缺乏对主数据的管理，就无法保障主数据在整个业务范围内保持一致、完整和可控，导致业务数据正确性无法得（3）缺乏完善、统一的数据质量管理体系。目前的数据质量管理主要由各部门分头进行，跨部门的数据质量沟通机制不完善，缺乏清晰的跨部门的数据质量管控规范与标准。很多金融机构数据的产生、使用、维护、备份、销毁的数据生命周期管理规范和流程还不完善，非结构化数据未纳入管理范畴。组织机构的数据考核体系也尚未建立，无法保障数据质量管理标准和规程的有效执行。2.数据治理核心领域数据治理领域包括但不限于以下内容：元数据管理、数据模型、数据标准、数据分类分级、数据质量管理、数据生命周期管理、数据分布和存储、数据交换以及数据安全。元数据管理是语义工具，其重要性在于能够为数据治理建立一套数据资料库，存储治理范围内的数据定义、负责人、来源、转换关系、目标、质量等级、依赖关系、安全权限等。这些信息对于商业整合、数据质量、可审计性等数据治理目标的实现至关元数据管理是实施数据治理的核心技术，有效的元数据管理将为数据质量、数据集成等技术的实施，以及数据治理目标的最终实现奠定坚实的基础。（2）数据模型数据模型包括概念模型、逻辑数据模型和物理数据模型，是数据治理的关键、重点。数据模型必须在设计过程中保持统一的业务定义。为满足将来不同的应用分析需要，逻辑数据模型的设计应支持最小粒度的详细数据的存储，以应对各种可能的分析查询，同时保障逻辑数据模型能够最大程度上减少冗余，保障数据结构具有足够的灵活性和扩展性。（3）数据标准数据标准是金融机构建立的一套符合自身实际，涵盖定义、操作、应用多层次数据的标准化体系。包括基础标准和指标标准（或应用标准与数据治理其他核心领域具有一定的交叉，比如元数据标准、数据交换和传输标准、数据质量标准等。商业银行的数据标准一般以业界的标准为基础，如国家标准、相关部委制定的标准，结合商业银行本身的实际情况对数据进行规范化，一般会包括格式、编码规则、字典值等内容。良好的数据标准有助于商业银行数据的共享、交互和应用，可以减少不同系统间数据转换的工作。（4）数据分类分级不同敏感级别、重要性级别的数据，需要采取不同的保护措施，在数据汇集、传输、存储、加工等各环节均有不同要求，因此对数据资源目录进行梳理，并根据国家和各领域的管理要求进行分类分级，是保障数据安全的前提条件。（5）数据质量管理数据质量管理已经成为银行数据治理的有机组成部分。高质量的数据是商业银行进行分析决策、业务发展规划的重要基础，只有建立完整的数据质量体系，才能有效提升银行数据整体质量，从而更好地为客户服务，提供更为精准的决策分析基础。数据质量问题会发生在各个阶段，因此需要明确各个阶段的数据质量管理流程。从技术层面上，首先要完整、全面地定义数据质量的评估维度，包括完整性、时效性等。在系统建设的各个阶段都应该根据标准进行数据质量检测和规范，及时治理不合规的部分，避免事后的清洗工作。（6）数据生命周期管理数据生命周期管理一般包括数据生成及传输、数据存储、数据处理及应用、数据销毁四个方面。数据要按照数据质量标准和发展需要产生，在数据产生阶段需要保证数据的准确性和完整性。在数据传输阶段需要考虑保密性和完整性，对不同类型的数据采取不同的措施防止数据泄露或者被篡改。在数据存储阶段除了关注保密性、完整性外，还有数据的可用性。为了降低存储成本，可以实行分级存储策略。分级存储就是根据数据的重要性、访问频次等指标将数据存储在不同性能的存储设备上。在数据处理及应用阶段，为了保证过程数据的安全性，一般采用联机处理。在数据销毁阶段，主要涉及数据的保密性。应该明确数据销毁流程，对数据销毁的过程有完整的记录，确保进行可靠销毁。（7）数据分布和存储数据分布和存储主要涵盖了数据如何划分和存储、总行系统以及总分行数据如何分布、主数据及参考数据（也称为副本数据或者辅数据）如何管理。只有对数据进行合理的分布和存储，才能有效地提高数据的共享程度，才能尽可能地减少数据冗余带来（8）数据交换数据交换是银行进行数据交互和共享的基础，合理的数据交换体系有助于银行提高数据共享程度和数据流转时效。一般商业银行会对系统间数据的交换规则制定一些原则，比如对接口、文件的命名、内容进行明确，规范系统间、银行系统与外部机构间的数据交换规则，指导数据交换工作有序进行。建立统一的数据交换系统，一方面可以提高数据共享的时效性，另一方面也可以精确掌握数据的流向。（9）数据安全数据安全管理的主要目的是解决数据在保存、使用和交换过程中的安全问题。主要体现在以下六个方面：一是数据使用的安全性，包括基础数据的保存、访问和权限二是数据隐私问题，系统中采集的证件号码、银行账号等信息在下游分析系统和内部管理系统中，是否要进行加密，以避免数据被非法访问；三是访问权限统一管理，包括单点登录问题及用户名、数据和应用的访问授权统一管理；事后进行审计和责任追究；五是制度及流程建立，逐步建立数据安全性的管理办法、系统开发规范、数据隐私管理办法及相应的应用系统规范、在管理决策和分析类系统中的审计管理办法等；六是应用系统权限的访问控制，建立集团级权限管理系统，增加数字水印等技术在应用系统中的使用。（二）数据资产管理1.数据资产管理概述良好的数据资产管理是释放数据要素价值的基础。数据资产管理包含数据资源化、数据资产化两个过程。数据资源化通过将原始数据转变成数据资源，使数据具备一定的潜在价值，是数据资产化的必要前提。数据资源化以提升数据质量、保障数据安全为工作目标，确保数据的准确性、一致性、时效性和完整性，推动数据内外部流通。数据资源化包括数据模型管理、数据标准管理、数据质量管理、数据安全管理、数据开发管理等活动职能。数据资产化通过将数据资源转变为数据资产，使数据资源的潜在价值得以充分释放。数据资产化以扩大数据资产的应用范围、厘清数据资产的成本与效益为工作重点，并使数据供给端与数据消费端之间形成良性反馈闭环。数据资产化主要包括数据资产流通、数据资产运营、数据价值评估等活动职能。2.数据资产管理现状我国数据资产管理能力整体处于发展初期。数据能力成熟度评估模型（DataManagementCapabilityMaturityAssessmentModel，简称DCMM）是我国在数据管理领域正式发布的国家标准（GB/T36073—2018旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力。中国电子信息行业联合会通过计算历年来评估企业的DCMM能力分布，大部分贯标企业的数据管理能力均在二级（受管理级）及以下水平，占全部贯标企业的80.1%；三级（稳健级）占总量的15.6%，四级及以上（量化级和优化级）不足5%。其次，行业间数据资产管理能力差异分布显著。根据中国信通院2023年1月发布的《数据资产管理实践白皮书6.0版》，软件和信息技术业、工业和制造业、医疗行业、教育行业等传统行业仍处于初级阶段，数据资产管理处于大数据平台建设阶段，主要针对核心业务开展数据标准化、数据质量管控等工作。而金融行业、互联网行业、通信行业、电力、零售等行业较早享受到了“数据红利”，持续推进业务线上化，开展数据分析和数据服资产管理实践案例可参考附录案例11-15。3.数据产品与服务随着企业数字化进程发展，数据资产管理不再局限于数据资源本身，对数据进行加工后的数据产品或数据服务也要加以管理。数据产品与服务是数据资产管理的重要组成部分，涵盖了从数据存储、数据交换到数据应用的全过程。在数据资产管理中，数据产品和服务不仅负责提供高质量的数据产品，如数据分析报告、数据模型和预测算法等，而且还承担着提升数据资产价值和效率的关键任务。大数据服务迎来了爆发期。与此同时，企业开始对数据的存储和分析处理有了更高的需求，为了解决这些需求，研究人员相继提出相关的数据服务。其中近几年提出了数据仓库、数据湖等新型数据平台，这些新型数据平台在企业的数据服务建设中起到了重要作用。当然数据仓库、数据湖在后继的生产使用中仍然存在问题，如数据仓库数据存储需要大量资源；数据湖缺乏结构性，一更好地支撑各种数据需求，研究者融合数据仓库和数据湖各自特点的新型数据平台，提出了数据湖仓。数据湖仓可以更好地挖掘数据价值，消除数据孤岛，减少数据冗余，降低存储成本，避免数据沼泽。近几年随着AI的兴起，数据湖仓一体是未来的发展数据服务终将成为企业下一代数据平台的方向和目标，只有让业务把数据用起来了，才能反向推动数据治理和数据标准等诸多工作。而数据治理的推进也会让数据服务化更好，让业务更好地使用数据，这其实也是企业数字化转型的重要方向和目标—让数据用起来。（三）数据运营1.数据运营的背景数据要素化就是要将数据转化为可用于社会化大生产的资源，发挥出生产要素的作用和价值，促进数字经济和国家经济的发展。数据要素化过程中，需要经过数据资源化、数据资产化、数据资本化三个阶段。数据资源化涉及原始数据的采集、清洗、数据处理和数据价值识别，是数据资源形成阶段。数据资产化则是将实现数据资源价值的过程，通过数据流通将数据资源应用在合适的场景中，完成数据资源的价值传递，并体现在主体的资产核算中，成为主体资产的一部分。数据资本化阶段将进一步促进数据价值的变现，通过金融衍生品的创新，将高价值数据资产进行抵押、委托等方式，扩大数据资产价值的发掘能力，促进数据经济的活跃和发展。金融行业是数据资源密集型行业，每时每刻都在产生和应用着海量数据，面向营销、征信、业务管理进行全面的信息化、数字化管理实践，并进一步向智能化业务应用转变。然而，金融业往往是数据要素市场最大的买家，海量数据流入金融业并通过金融业务体系实现价值变现。传统情况下，金融业的大型集团公司或企业内部之间，通过建立统一数据资产目录、实现数据的物理汇聚等方式实现金融数但在《个保法》的新规下，个人数据在没有单独同意授权的情况理地利用数据资源，开始探索通过隐私计算的方式来建立数据统一管理体系。数据价值实现除了内循环的有效应用外，还可以通过外循环将数据资源向其他单位、其他行业进行赋能，以此实现数据价值的充分挖掘。但金融行业数据的外循环却相对匮乏，金融业沉淀的数据资源鲜少被流通出来。因此，在讨论金融业数据运营体系时，不仅要考虑金融业机构数据内循环运营管理方式，也需要考虑如何推动和构建数据外循环的运营实现方案，通过数据流通从数据要素市场的买方向数据要素市场的卖方转变，充分参与到数据经济的建设中，实现金融行业沉淀和积累的数据资源的价值挖掘。另一方面，金融行业自身的金融业务属性，也需要在数据经济中承担起金融服务商的使命。从服务实体产业向服务实体产业和数据产业转变，增加面向数据资产的金融服务能力，实现数据资产的资本变现模式创新。因此，金融行业数据运营，不仅需要针对数据要素本身的固有特点进行运营管理，还需要结合金融业自身的行业使命进行针对性地思考，从而搭建起具有金融业特色的数据运营管理体系。2.金融业数据运营的现状我国金融行业在信息化、自动化、智能化建设上，起步早、应用程度深、成熟度高、规范化好，通过技术与业务的融合，极大提高了金融服务实体经济和人民生活的效率和质量。金融行业也在持续的科技创新中，汇聚和应用了海量的数据资源，同时也沉淀和积累了丰富的行业数据。金融行业也在科技的推动下，从数字金融、网络金融向数据驱动决策的智能金融和数据开放融合方向转变，这对金融数据运营提出了全新的要求。随着金融行业数据应用程度的不断加深，金融机构汇聚的数据规模、衍生的数据资产、数据类型也在快速地增长。传统的数据治理模式在效率和效果上都难以支撑新形势下的快速发展。同时，《个人信息保护法》《数据安全法》《网络安全法》的整体要求下，金融机构在合规性建设上，也大举投入，构建个人数据采集的授权同意管理体系和基于个人用户同意的数据应用控制能力。因此，自动、智能的数据发现、数据识别、数据治理、分类分级管理能力，也成为金融机构运营管理实践的重要内容。金融行业的数据运营，还要兼顾数据内循环和数据外循环的两方面要求。内循环是在集团或企业范围内，构建统一的数据标准、数据汇聚管理能力和数据开发利用能力，面向内部全业务链自身沉淀、汇聚的数据资源，通过标准化、规范化建设形成数据资产，向其他单位或行业进行赋能，寻求金融行业数据的价值变现。在这个过程中，数据价值的评估、数据资产的定价以及数据流通的计费管理和收益分配，成为数据价值变现的重要考量因通过数据流通印证数据资产的价值，为金融机构带来收益的同时，金融行业也在探索将金融赋能实体经济的业务内涵扩展到数字经济中。通过向已经存在数据采购合同的数据标的进行融资支持，金融机构通过金融产品创新有一次参与到数字经济浪潮中，探索和推动着数据资产向数据资本的转变，从数据要素化的全过程中深度探索金融行业的主体角色和能力边界，全面塑造着金融行业在新时代的崭新形象。3.金融业数据运营的目标金融业即可作为数据要素市场的普通参与主体，又身兼数据要素市场金融服务商的天然使命，金融业数据运营的目标就需要符合金融业的两种核心角色要求。一方面，需要通过数据运营建立高效、统一、合规的数据价值挖掘和应用机制，建立对内流通和对外流通双循环运营管理体系，发挥数据的价值并降低数据价值实现的整体成本。另一方面需要聚焦金融行业的业务特点，从数据资本运营的角度探索金融行业数据运营的价值实现路径。4.金融业数据运营体系数据资源化阶段是指将有含义的数据信息集聚到一定规模，形成可被使用的资源的阶段。主要包括数据采集、数据清洗、数据加工、数据存储、数据价值评估几个方面。在数据资源化阶段，数据运营管理需要解决数据的标准与合规性问题，并将数据资源进行探索挖掘，形成可被理解和使用的数据产品，内容涉及数据标准和制度规范、数据质量、数据分类分级、数据资源目录、数据开发利用、成本管理和数据价值评估等。总体上来看，数据资产价值评估需要从多维度上进行统一考虑和周期性监测，以此建立数据资源价值的持续评估能力。（2）数据资产化阶段运营要求《数据资产管理白皮书（4.0）》将数据资产定义为“由企业拥有或控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等”。根据该定义，数据资源可以为企业或单位带来价值的情况下，才会变成数据资产。也就是说，数据资产诞生于数据资源的变现环节中，通过交换、交易等方式为企业或单位产生收益的数据资源，就变源的变现。数据资源变现离不开数据要素市场，市场化要素配置是数据经济的基础规则。结合数据资源的价值，结合市场配置资源的机制，按照“市场评价贡献、按贡献决定报酬”的价格生成机制，根据市场供求关系最终形成数据资产的市场化价格。但由于数据资源的特殊性，数据资源的价值贡献难以事先获得、数据交易双方对数据价值的判定存在信息不对称等情况，使得数据资源的定价复杂程度大幅提升。目前市场主流的数据定价依赖真实性、收益最大化、公平、无套利、隐私保护和计算效率的六大基本原则。而定价方法则集中于预定价、固定定价、拍卖定价、实时定价、协议定价和免费增值六类。针对大规模数据要素流通的市场定价，黄倩倩等人也提出了基于“报价-估价-议价”相结合的数据交易价格生成路2)数据商品目录数据商品目录有别于数据资源目录，是针对已经具备数据资产化条件的数据产品的统一管理清单。数据商品目录包含数据资源化阶段的部分内容，比如元数据信息，还要包括数据权属、数据产品合规要求、数据价格、数据面向场景的行业贡献情况、数据交付要求等面向数据变现过程中的其他信息。数据商品目录集中呈现了某一数据流通平台范围内具备对外提供的数据资产范围。3)场景撮合数据资产的运营即利用最小的成本和资源，将数据资产服务在最有价值的地方。其中，寻找合适的地方分为两部分，其一就是数据资产的场景挖掘，另一部分，则是场景下需求主体的开拓数据资产在不同的场景中，能够发挥的价值亦不相同，主要表现在数据资产对特定场景的影响程度不一样。且由于行业差异、市场主体差异、目前客户群体差异等多维度因素的影响，这种数据资产的影响程度呈现出复杂的变化。另一方面，由于不同场景中，场景背后的价值不同，需求方对于数据资产的采购意愿也存在差异。因此，面向数据要素市场，纷繁复杂的行业形态，挖掘适宜场景，推动数据要素流通，是数据资产化阶段运营的关键任务。4)主体管理寻找到合适的场景，下一步就是围绕场景拓展有需求的客户。客户的来源可能存在多种情况，包括直接挖掘客户、代理人引入客户、集采分销引入客户等等。不同客户来源也带来了不同因而数据资产的有序流通，需要能够面向数据要素市场的多角色、多主体提供全面支持。5)数据交付数据资产化阶段核心任务是实现数据资源的变现。数据资源的成功交付使用，是变现前提条件。根据《数据安全法》规定，需要“建立数据分类分级保护制破坏、泄露或者非法获取、非法利用，对国家安全、公共利益或者个人、组织合法权益造成的危害程度，对数据实行分类分级保因此，数据要素流通过程中，建立跟数据资产安全保护等级相匹配的数据交付方式，是数据要素安全流通的基础。人工智能数据等将数据进行分类分级管理，并通过引入数据沙箱、隐私计算等多种数据交付工程解决方案并结合区块链等技术实现方式来搭建数据要素流通底座，实现金融领域数据要素的安6)数据贡献评价基于场景的贡献度、数据源服务能力、数据产品使用评价。通过生态内的数据资产评价标准，帮助降低数据资产变现过程中的信息不对称性，促进数据要素市场的健康发展。数据资产顺利交付后，需要根据数据流通过程中涉及的关联方，依据主体角色，或者主体贡献，完成收益的最终分配，以此完成整个数据要素市场的资源配置。数据要素有别于传统商品，对数据要素在不同场景中的共享情况需要针对性进行测量和评估。因此数据资产变现过程中的收益分配也要根据数据资产交付的不同形式进行穿透式管理和针对性支持。（3）数据资本化阶段运营要求数据资本化是指通过数据交易流通将数据资产转变为数据资本的过程，通过数据交易，将数据资产在一定价值基础上投入到新的生产关系中，从而在更高层次上实现数据资本价值。数据技术的迅猛发展正在消除金融资本、实物资本与数据资本之间的鸿沟，巨大的颠覆性创新正在逐步将数据引入资本市场。数据资本需要通过金融产品的创新，实现对数据资产的融资、数据资产的信托、数据资产的权益保障等方式，构建基于数据资产的全新价值变现体系，实现数据的资本化运营。（4）穿透式审计数据运营管理需要具备支持平台审计或第三方审计的能力，建立起针对数据生命周期的全过程进行穿透式监管。穿透式监管是指不仅需要针对传统数据链路中的上下游链路、数据处理方式、数据处理对象进行监督和记录，还需要面向数据处理过程进行合规检查。针对中高保密数据运营过程中的数据来源合规性、数据应用方式合规性、数据流通过程合规性等进行识别和审查能力，才能切实保障平台运营工作的合规性、有效性。（5）数据存证和纠纷解决为了支持平台或第三方进行合规性审计，也为了支持数据资源化、资产化、资本化运营过程中产生的纠纷解决，除了需要做好穿透式追踪和记录机制外，还需要建立可信的数据存储和管理行业范围内通过区块链来解决数据存储的不可更改问题，并通过联盟链的方式，利用智能合约机制建立统一、共识的可信数为了保证平台存证数据满足纠纷解决的证据线索要求，平台还需要对存储的数据范围、数据内容进行管理。行业范围内可通过行业标准、引入公证机构、加入司法联盟链的方式来建立存证管理的标准体系。5.数据运营体系待解决问题数据合理运营，离不开数据权属的确认。完善的数据产权制度是充分发挥数据要素作用的前提，是实现资源有效配置和经济发展的保障。于构建数据基础制度更好发挥数据要素作用的意见》，提出要统筹推进数据产权、流通交易、收益分配、安全治理，加快构建数据基础制度体系的总体要求。数据流通领域和法律界人士从实践应用和法律体系完善等方面，同步推进，为构建中国特色数据产权制度先行先试。北京、上海、深圳、贵州等地的国家级新型数据交易中心，从数据流通实践的角度进行探索和尝试。比如北京国际大数据交易所（下称“北数所”）在2021年上线的IDeX系统，实现了数据产品上架登记的功能，并结合区块链数据不可篡改的特性进行记录；深圳数据交易有限公司则通过引入第三方评估机制，通过数据准入评估对数据权属和合规性进行监督和管理。法律界则提出优先从搭建以数据使用权为核心的产权制度体系出发，通过对数据进行分类分级，进行针对性的制度设计和业务实践，促进数据的使用和价值的释放。金融行业数字化实践起步早、成熟度高，数据标准等基础相对完善，可以率先探索行业数据权属的应用实践。在《金融数据安全数据安全分级指南》的基础上，探索金融数据确权的行业解决方案，推进数据确权规则的成熟和完善。（四）数据要素流通在法律法规、监管合规要求下，数据高效流通交易、数据要素市场规范发展，有赖于行之有效的流通模式等规则机制和安全可靠的技术能力支撑。针对现阶段市场发展面临的挑战，提出包含规范体系、规则机制、支撑体系三层的金融数据流通体系框架，如图2所示，自上而下指导和促进、自下而上支撑和推进，以保障数据来源可确认、使用范围可界定、流通过程可追溯、安全风险可防范。在规范体系的顶层指导下，通过规则机制和支撑能力体系双轮驱动，形成场内外多层次数据流通服务模式，共同推动金融数据流通市场高质量发展。2.规范体系：战略规划、法律法规、标准规范国家战略规划、法律法规和行业标准规范整体构成金融数据流通体系框架中的规范体系，提供顶层指导和合规保障，促进建立良好的数据流通市场环境。首先，在战略规划方面，“数据二十条”指出构建数据基础制度，保障数据要素的安全和发展，《金融科技发展规划（2022—2025年）》明确了金融数字化转型总体思路、目标方向和实其次，法律法规是保障数据要素流通合法、有序进行的重要基石，《数据安全法》与《网络安全法》《个人信息保护法》并行成为网络空间治理和数据保护的三驾马车，《网络安全法》负责网络空间安全整体的治理；《数据安全法》是数据安全领域的基础法律，负责数据处理活动的安全与开发利用；《个人信息保护法》负责个人信息的保护。最后，标准规范的制定和实施是推动数据要素流通的关键环据安全分级指南》和《金融业数据能力建设指引》等文件为金融数据采集、分类分级处理、传输、存储和使用等各个环节提供了详细的操作指南和安全标准。基于金融数据流通现状和当下国内各地数据交易所的发展，提出数据流通服务模式体系。一方面，在跨行业跨机构间，根据数据安全分类分级的不同，可以对应匹配数据集、数据API或隐私计算流通服务模式；在同领域或同行业机构间，可以通过数据共享与交换实现数据流通。另一方面，现如今各地数据交易所积极创新，不局限于供需撮合，根据金融数据流通交易的场所可分为场内、场外交易。综合金融业数据流通诉求、数据交易所模式以及数据要素市场外以及数据集、API服务、隐私数据服务等模式交互融合，建立多层次、多样化的数据流通服务模式体系。4.规则机制体系：管控、管理、市场数据流通规则机制体系分为管控机制、管理机制、市场机制三个层次，分别规范和促进金融数据流通的可行、能行和易行。管控机制是金融数据有序流通的前提，保障数据流通源头的合法合规；管理机制是金融数据流通的核心基础，促进数据安全和数据质量的把控，以及数据用途与流通模式的合理匹配；市场机制是金融数据流通的关键，合作生态和定价收益等体系的建立有助于催化数据流通市场的高效发展。管控机制层面由数据登记和公证体系、数据信用体系等组登记和公证体系：建立数据登记和合规公证体系，保障数据合法合规。登记构成要件包括登记机构、数据来源说明、数据授权书、安全等级和保密要求等，由数据公证机构对材料进行核查和确认，出具公证证明，确保数据主体与数据来源合法合规，保障交易数据真实可靠以及数据承载的数据主体权益，为数据要素交易流通提供参考依据，有助于维护数据交易市场秩序，促使其稳定、健康、快速发展。数据信用体系：建立数据信用体系，加强数据流通监管。打造数据交易市场社会信用体系，逐步完善数据交易中失信行为认定、失信惩戒、异议处理和信用修复等机制。加强与社会信用体系的同步建设、协同联动、相互促进，强化数据从创建到流通再到应用的全生命周期的全过程信用监管，维护市场主体权益。制定交易数据“负面清单”，明确国家秘密、商业机密、个人隐私领域不能或严格限制交易的数据项。建立交易诚信“黑名单”机制，将违规操作的市场主体纳入黑名单，限制数据要素交易活动并责令限期整改。（2）管理机制管理机制层面由安全管理体系、质量管理体系、流通规则体系等组成。强调数据交易的可追溯性，记录、追溯数据交易的事前磋商与验证、交易流程和数据触达情况等。建立数据要素流通使用全过程的合规公证、安全审计、算法审查、监测预警机制，促进不同场景下数据要素安全可信流通。根据数据内容、应用场景等制定数据分类分级的保护标准，以实现针对性、分等级、差异化的数据隐私保护和安全防护。大力推进金融数据标准化建设，统一金融数据的规则和技术要求，促进金融数据规范定义、规范标识、规范使用，增强数据的可用性。加强金融机构数据的质量管理，进一步完善金融数据质量监管规则，将数据质量情况作为金融机构、公司治理风险管控的重要考量因素，加强评估考核和监督检查。流通规则体系：建立统一规范的流通规则体系，构建在使用中流通、场内场外相结合的交易制度。数据流通应体现为多层次的市场交易体系，并根据具体的类型和场景，适用不同的交易规交换、交易等场内和场外的流通方式。建立数据用途和用量控制制度，实现数据使用“可控可计量”。（3）市场机制市场机制层面由合作生态体系、定价收益体系、需求管理体系等组成。合作生态体系：构建以交易所、数据服务商和第三方机构共同构成的数据流通合作生态体系。交易所可以夯实数据要素治理数商可以提高数据要素应用水平，负责对多源异构数据的汇聚对接、清洗加工、质量管控、可信流通，将非标准化数据转化为标准化产品；第三方机构可以释放数据要素流通活力，提供数据集成、数据经纪、数据评估、数据审计、数据公证等市场服务，加快构建数据要素社会信用体系。定价收益体系：构建数据定价体系。推动数据要素由市场评价贡献、按贡献决定报酬的相关机制。充分发挥市场在资源配置中的决定性作用，扩大数据要素市场化配置范围和按价值贡献参与分配渠道，完善数据要素收益的再分配调节机制，保护数据要素各参与方的劳动收益，促进劳动者的贡献和劳动报酬相匹配，强化基于数据价值创造的激励导向。通过数据产权制度保障数字权益、保障各相关主体基于数据市场评价贡献决定报酬分配。需求管理体系：建立需求管理体系，以选择实现数据应用为导向，梳理应用所需数据，开展专项数据治理。再通过迭代的方同时也涵盖监管要求的数据价值实现。加快培育供求匹配高效、标准制度统一、市场运行规范、产品质量可控的数据要素市场。支撑能力体系：从广义数据流通来看，实现数据流通全流程流通技术、数据运营、服务创新等多方面的能力支撑，共同构成金融数据流通的支撑能力体系。府机构、企事业单位等）合法拥有或控制的数据，以电子或其他方式记录，例如文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据，可进行计量或交易，能直接或间接带来经济效益和社会效益。在组织中，并非所有的数据都构成数据资产，数据资产是能够为组织产生价值的数据，数据资产的形成需要对数据进行主动管理并形成有效控制。从企业应用的角度，数据资产是企业过去的交易或事项形成的，由企业合法拥有或控制，且预期在未来一定时期内为企业带来经济利益的以电子方式记录的数据资源。数据资产管理（DataAssetManagement）是指对数据资产进行规划、控制和供给的