“数据要素x金融服务”融入数字化产投赋能

国家数据局4日发布消息，国家数据局、中央网信办、科技部、工业和信息化部、交通运输部、农业农村部、商务部、文化和旅游部、国家卫生健康委、应急管理部、中国人民银行、金融监管总局、国家医保局、中国科学院、中国气象局、国家文物局、国家中医药局17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》（简称“计划”），旨在充分发挥数据要素乘数效应，赋能经济社会发展。

行动计划强调坚持需求牵引、注重实效，试点先行、重点突破，有效市场、有为政府，开放融合、安全有序等4方面基本原则，明确了到2026年底的工作目标。行动计划选取工业制造、现代农业、商贸流通、交通运输、金融服务、科技创新、文化旅游、医疗健康、应急管理、气象服务、城市治理、绿色低碳等12个行业和领域，推动发挥数据要素乘数效应，释放数据要素价值。

计划中明确提到提升金融服务水平，支持金融机构融合利用科技、环保、工商、税务、气象、消费、医疗、社保、农业农村、水电气等数据，加强主体识别，依法合规优化信贷业务管理和保险产品设计及承保理赔服务，提升实体经济金融服务水平。提高金融抗风险能力，推进数字金融发展，在依法安全合规前提下，推动金融信用数据和公共信用数据、商业信用数据共享共用和高效流通，支持金融机构间共享风控类数据，融合分析金融市场、信贷资产、风险核查等多维数据，发挥金融科技和数据要素的驱动作用，支撑提升金融机构反欺诈、反洗钱能力，提高风险预警和防范水平。

目前对于数据要素X金融服务的应用，更多解读是在于银行业的风险把控新手段，将数据要素用于提升金融抗风险能力，推进数字金融发展，在依法安全合规前提下，推动金融信用数据和公共信用数据、商业信用数据共享共用和高效流通，支持金融机构间共享风控类数据，融合分析金融市场、信贷资产、风险核查等多维数据，发挥金融科技和数据要素的驱动作用，支撑提升金融机构反欺诈、反洗钱能力，提高风险预警和防范水平。

计划不仅对各行各业对数据要素的应用进行了展望，同时明确指出对于数据要素X相关领域的基础设施投资建设，总结下来将主要通过强化保障支撑和做好组织实施进行支持。其中，强化保障支撑的手段主要包括以下几点：

1） 提升数据供给水平

强调了对大语言模型等数据集的建设，鼓励建设公共数据库、数据开放授权，同时鼓励企业开放数据，进一步完善的数据标准体系及激励机制。除却我们熟知的互联网数据外，我国大量数据为政府管控的公共数据，以《杭州市公共数据授权运营实施方案（试行）》（征求意见稿）中列举的十大领域为例，公共数据包含医疗、金融、商贸物流、工业生产，涉及社会生产生活各方面，并均有广阔的应用场景。

2） 优化数据流通环境

强调企业间数据流通的合规、高效，避免依靠灰色产业进行数据的流通，培育出一批产业化的数据流通服务企业，应用新技术、新理念促进数据流通环境的建设，推进数据流通与国际接轨。同时提到了政府、监管等机构加强服务意识，利用自身禀赋，对数据流通环境的建设起到引导、规范、支持地作用。

3） 加强数据安全保障

结合已有的法律法规，如全国人大颁布的《国家安全法》《数据安全法》以及《个人信息保护法》等，上海出台了《上海数据条例》，其中对个人数据与公共数据进行了区分，关于数据要素市场、数据安全等问题都有相应规范。《深圳市数据交易管理暂行办法》积极探索数据交易规则体系，对数据主体权利界定、数据隐私保护、数据要素分类、数据交易所交易规则体系建设等方面进行规范。在鼓励、促进数据流通的同时，又提到了对数据确权、信息安全、个人信息保护地重视。

计划中指出目前对于做好组织实施的举措，主要包括发挥数字经济发展部际联席会议制度作用、重点行业及领域开展政策性试点、聚焦重点行业和领域搭建专业竞赛平台推动以赛促用、统筹利用中央预算加强资金的支持力度、加强典型案例宣传。总结下来，数据要素X的推广完全遵循国内战略驱动型市场的发展规律，通过计划的意见征询完善顶层设计，并逐步推进政策配套，利用配套基础设施进行范式培育、生成，经过一定的验证之后，对成型的范式进行进一步推广，集中团结更多的社会力量完成数据要素赋能产业的战略实施。

计划中针对数据要素流通市场的构建中，提到了数据要素流通服务商，其实一个成型的产业，可能不仅会出现流通服务商，同时会不断涌现出新的业务模式，但需要警惕不合规的数据流通形成灰色产业链。首先基于战略驱动型市场的特性，数据要素能够构建并实践数据要素的有序流通，过程中一定会面临新的法律挑战，因此顶层设计需要对该领域具备前瞻性，完善数字金融法律保障体系，发挥司法鼓励创新、规范引领的功能作用。

对于数据要素能够确实发挥生产作用，我们认为要经过数据要素价值化、数据要素合规流通、数据要素投入生产。基于柯布-道格拉斯生产函数，从宏观的层面生产要素主要包括了劳动力、资本、土地等自然资源、企业家智慧、以及技术进步等等，但随着生产模式的变化，数据要素也已经列入重要的生产要素，与其他要素形成乘数效应。基于生产函数，价值确认确保数据要素的正向作用，合规高效流通则可提升数据要素价值，最终将数据要素投入生产实现范式成型及价值产出。

数据要素价值的确认，是以数据要素能够切实解决服务对象的难点为前提。在金融服务领域，金融机构借助各类金融科技手段，数据要素可在合规和风险可控前提下，运用大数据思维构建信用体系、监管体系，比如可以解决金融供给结构性偏差，提高中小微企业融资适配性；可构建数字化信用体系，补充传统的征信渠道，缓解中小微企业与金融机构之间的信息不对称；通过数据埋点收集的数据要素，动态监测企业经营情况，甚至利用气象、流量等数据预测结果，赋能企业的日常经营。

数据要素价值化，本身与固定资产等具有价值、确认价值的过程并无差异。数据资产也是需要经过数据整合（Integration）、数据融通（Interconnection）、数据洞察（Insight）、数据赋能（Improvement）以及数据复用（Iteration）。

数据整合是对数据的重组、抽取、聚合、清洗标准化，将原本独立的信息片段整合为有序的信息条目。很多企业在数据要素价值化第一个阶段不够重视，数据并没有经过有效整合，经常仅做到数据的存储，但无法做到数据的抽取，仅是停留在线上共享文档的层面，后续会发现数据要素的流通、利用依旧无法形成规模效应，企业可以通过类似于IDD24等数据管理平台，实现数据从无序到有序、混乱到规则、低价值到高价值的转变。

数据融通则是释放大数据的规模效益和边际效应递增效益的重要前提。数据本身并无价值，随着数据聚合规模的增大，数据的潜在使用价值会呈现出明显的规模效益和边际效用递增效益。打通当前数据融通的壁垒，联通各行各业，增强信息的活力，降低信息不对称是数据要素价值化的基础。

数据洞察则是进一步提炼数据，数据整合和融通完成了数据的汇聚、过滤、重组，但数据洞察是挖掘数据背后隐藏知识的手段，能够提取数据内部的深层价值，进而提高“数据洞察”的成效，发现潜在的新规律，进而做出相对准确的战略预测及推断。

最终利用数据要素，真正地加入生产活动，验证数据要素预期价值，形成范式并实践验证。数据相比于传统的土地、劳动力等生产要素，具有无限复制性和重复使用的特性，如反复利用成型的数据要素生产范式，其边际成本几乎为零，但却能反复提供数据价值。

如何将数据要素用于产投赋能，并且能够实现价值产出？我们认为主要分三类，全产业链条数据整合形成数据要素赋能产业、帮助产业实现数据要素价值产出提供技术及资本支持、直接将数据要素产出洞察进行交易。

1） 全产业链赋能

是传统投后赋能的进化，通过全产业链数据的聚合，能够加强投资在产业中的参与，通过数据要素的有效挖掘，预判趋势发生。

2） 数据要素的技术及资本支持助力发展

尤其是可以通过企业数字化的定向投资，甚至开源、上云等数字化方面解决方案提供技术性支持，通过数字化搭建，增强企业对数据要素的收集、利用及后续的数据风险监管。希望通过科技赋能帮助到企业，促进被投科技企业互动互助，帮助生态资源对接。比如在人力资源方面，在财务方面，以及发布企业数字化年度报告等。

3）探索数据交易商业模式，提升数据可及性与价值复用

 参考其它国家，可以形成数据交易商业模式，提升数据要素的可及性，并将成熟的数据要素价值产出范式进行复用。在美国，数据经纪商（Data Broker）是数据交易服务的主要提供者，我国数据要素市场仍处于初期阶段，海外市场规模巨大。目前主要的数据商业化实现经济价值的方式，主要包括第三方平台将原始数据以离线数据包或实时 API 的方法直接出售给数据需求方；坐市商将拥有者数据提供给使用者并赚取差价；最后一类除了提供原始数据外，还可根据使用者业务场景进一步提供数据产品及数据综合解决方案。

近期顶层设计密集出台，多个地区也相继出台数据要素流通交易相关政策和方案，完善数据资产交易体系框架，提高场内交易活跃度。对数据资产入表、公共数据授权运营等核心问题进行了规范和明晰，数据价值体系更加完善，意味着数据流通交易进入了倒计时。