《華東江蘇大數據交易中心：2023金融行業數據要素市場化白皮書（160頁）.pdf》由會員分享，可在線閱讀，更多相關《華東江蘇大數據交易中心：2023金融行業數據要素市場化白皮書（160頁）.pdf（160頁珍藏版）》請在三個皮匠報告上搜索。

1、編寫委員會編寫委員會指導單位指導單位（排名不分先后）：南京大學普惠三農金融科技創新研究中心上海財經大學上海國際銀行金融學院江蘇省數字金融協會發起單位發起單位（排名不分先后）：華東江蘇大數據交易中心陜西省大數據集團鹽城市大數據集團深圳國家金融科技測評中心數據寶 ChinaDataPay特別致謝專家團特別致謝專家團（排名不分先后）：湯寒林華東江蘇大數據交易中心總經理丁紅發貴州財經大學副教授丁曉蔚南京大學普惠三農金融科技創新研究中心 負責人、博導鄭崢國家金融科技測評中心（銀行卡檢測中心）高級經理張海剛陜西省大數據集團有限公司副總經理彭海林貴州數據寶網絡科技有限公司 數據資產研究院院長張輝貴州財經大學

2、高級工程師世紀恒通科技股份有限公司研究員張魯秀濟南大學副教授駱奕俊上海財經大學上海國際銀行金融學院 教研部副主任王鵬北京社科院管理研究所 研究員李曉磊重慶郵電大學網絡安全與數據合規治理研究所 所長參編單位參編單位（排名不分先后）：浙江理工大學數據法治研究院新技術法學虛擬教研室北京市科學技術研究院北京社科院管理研究所重慶郵電大學貴州財經大學貴陽大數據交易所中節能數字科技有限公司江蘇鐘吾大數據發展集團有限公司中國移動通信集團貴州有限公司貴州電網有限責任公司信息中心平安銀行股份有限公司北京鼎世律師事務所北京萬商天勤（杭州）律師事務所畢馬威企業咨詢（中國）有限公司普華永道商務咨詢（上海）有限公司度小滿

3、科技（北京）有限公司四川瑞利恒律師事務所北京植德（深圳）律師事務所北京市煒衡律師事務所奇安信科技集團股份有限公司數庫（上海）科技有限公司咪咕視訊科技有限公司北京力碼科技有限公司蘇州數字力量教育科技有限公司九度數字科技（蘇州）有限公司和元達信息科技有限公司浙江浙里信征信有限公司天道金科股份有限公司數支（武漢）互聯科技有限公司上海瀾碼科技有限公司神州融安數字科技（北京）有限公司南京星云數字技術有限公司杭州煋辰數智科技有限公司世紀恒通科技股份有限公司廈門海峽鏈科技有限公司上海零數眾合信息科技有限公司全球數據資產理事會杭州锘崴信息科技有限公司廣州九四智能科技有限公司山東省膠東供應鏈管理服務有限公司深圳

4、微言科技有限責任公司杭州微風企科技有限公司徐州市大數據集團有限公司廣州芳禾數據有限公司北京盈科（沈陽）律師事務所杭州信雅達泛泰科技有限公司長沙星光數智科技有限公司江蘇綠碳芯科技有限公司上海觀初網絡科技有限公司網智天元科技集團股份有限公司南京數族信息科技有限公司徐州市企業信用科技有限公司隱數科技（北京）有限責任公司數據交易網數據要素社參編人員參編人員（排名不分先后）：湯寒林丁紅發丁曉蔚鄭崢張海剛彭海林張輝張魯秀駱奕俊王鵬李曉磊陳立節張杭川龐理鵬孫亮宮業鵬安亞明彭曉燕許麗虹郭兵葉棟陸倩李昱周炳含王彬華策張培史奎鄭丹丹邵瑞江王超毅葉玉婷黃煜韓坤潔劉君惠子趙北寧張戈傅毓敏黃耀駒李躍姜山劉嗣平鄧英榮曾耀

5、萱譚坤鄭飛田振華吳錦熤陳秋連王藝陳文昊王國章黃振琳陳萌徐育彪李洪平王牧蔣立剛高一雯李春剛陳珊李佳文董丙永繆新萍尤磊朱昌會馬經緯戴建軍倪紅霞王文彬姚智純周云強鋒馬利陳銘玉唐嘉成仇斌杰任軍霞李響白宇思楊振煜楊淋雨劉晗王瑩周健林建興曾璐琳周海清劉偉寧立君安時進左家維程燁洪波朱邊楊興榮李建州王超博劉嶺峰蘭春嘉楊珍顏雷雷孫琪王帥鄧海燕張焱熊婷周旦孫建強柴勇翁丹娜王丹劉猛趙軍鋒李燕何瑞全薛婧張昊天李明范珺劼孫佳邱媛春黃昊吳波趙林謙韓劍波尹晨方紅勝郭潤仙錢勇魏戰松劉靖李天月戴燚戴煜芝黃麗君魏宗果蔡錦森王升張傳文張博徐劍楊路楊平鄧勇陳乾楊天使譚睿王冬梅張瑤尹捷威前言前言數字經濟是新一輪科改和產改的戰略機遇，全

6、球已進數字經濟時代，數據為新生產要素，是我國關鍵戰略物資，比傳統要素具有更大增長和創新潛力。數字經濟中，數據市場化對資源配置和經濟增長至關重要。國家高度重視數據的資源價值和市場作用，2022 年 12 月中共中央 國務院關于構建數據基礎制度更好發揮數據要素作用的意見等政策文件的出臺，確立了數據作為生產要素的法律地位，并從制度層面鼓勵數據要素的流通和應用。2023 年 8 月，財政部發布企業數據資源相關會計處理暫行規定，確認“企業數據資源”正式入表。政策的引導和支持為金融行業數據要素市場化提供了明確的方向和強有力的政策保障。金融行業是最先利用數據要素并依賴其服務的行業之一。數據要素能有效幫助金融

7、機構強化風險管理、提高決策精確性、促進金融創新和推動行業數字化轉型。數據要素與人工智能的深度融合成為金融機構增強競爭力和服務能力的關鍵，同時也顯著提升了金融監管效能。當前，金融行業數據要素市場化改革方面已取得顯著成果。內部數據整合和共享逐步推進，大數據、人工智能等新技術在金融領域得到廣泛應用，正不斷提升金融服務的智能化和個性化水平；同時，金融行業與外部數據源的緊密融合，使得金融信用體系更加完善，金融風險防控能力顯著增強。然而，金融行業數據要素市場化改革仍面臨諸多挑戰。數據資源分散、數據質量不一、數據安全等問題，仍然是數據要素市場化深入發展的制約因素。金融行業數據要素市場化白皮書在此背景下應運而

8、生，集結行業現有經驗，分享最新應用場景，探討行業現狀和挑戰。著眼未來，對金融行業進行全面而深刻的剖析，是聚焦金融行業數據要素市場化流通及應用主題白皮書。全面探察金融行業數據要素市場化發展現狀，探討金融行業數據要素市場化的發展困境與挑戰，系統性地梳理實現金融數據要素化的策略，探討我國數據資產入表等金融創新革新路徑，構建完善的產業生態鏈，展望公共數據授權運營、多元技術融合化、數據流通交易規則體系及市場生態的未來趨勢。展示新形勢下多方位的優秀融合應用成果及實踐案例，為相關金融實踐提供參考，通過解鎖金融行業數據要素市場的關鍵密碼，為金融機構運營決策提供了至關重要的洞察。我們希望白皮書能夠為金融行業的決

9、策者、從業者以及關心金融行業發展的各界人士提供有益的決策依據，為金融行業數據要素市場化改革提供有益參考，推動金融行業實現更高質量、更有效率、更加公平、更可持續的發展。由于編寫時間倉促，書中難免會出現一些錯誤或者不準確的地方，懇請讀者批評指正。再次感謝所有參與白皮書編寫和審閱工作的眾多來自科研、高校和企業界專家團隊的團結貢獻，讓我們繼續為推動金融行業數據要素市場化的發展，為構建數字經濟的美好未來貢獻力量！目錄目錄第 1章 行業背景.11.1 金融行業數據要素市場化發展背景.11.2 金融行業數據要素市場化對金融行業發展的意義.9第 2章 金融行業數據要素概況.142.1 金融資源的類型及數據特征

10、.142.2 實現金融數據要素化的思路和發展方向.17第 3章 金融行業數據要素市場化發展現狀.243.1 我國金融數據安全規則體系日益健全.243.2 金融創新助力效率提升與風險管理革新路徑.293.3 新技術與創新工具推動行業應用不斷深化.313.4 平臺建設賦能金融行業數據要素市場化.40第 4章 金融行業數據要素市場化的挑戰與應對策略.444.1 金融行業數據要素市場化的挑戰.444.2 金融行業數據要素市場化的應對策略.53第 5章 金融行業數據要素產業生態鏈.635.1 金融行業數據要素流通產業鏈.635.2 金融行業數據要素生態鏈.675.3 數據要素流通產業與生態鏈.70第 6

11、章 金融行業數據要素市場化融合應用成果及案例.726.1 金融數字化轉型案例.726.2 金融數據產品創新案例.107第 7章 金融行業數據要素市場化的未來趨勢.1357.1 公共數據運營推動數據市場培育.1357.2 多元技術融合化助推數據市場發展.1377.3 數據流通交易規則體系加速構建.1417.4 數據要素市場生態體系逐步完善.145參考文獻.1491第 1 章 行業背景1.1 金融行業數據要素市場化發展背景黨的十八大以來，以習近平同志為核心的黨中央高度重視發展數字經濟?！笆奈濉睌底纸洕l展規劃中將數字經濟定義為繼農業經濟、工業經濟之后的主要經濟形態，強調數據要素是數字經濟深化發展

12、的核心引擎。數字經濟的不斷發展，催生出海量數據。據 IDC 預測，2025 年全球數據量將高達175ZB，其中中國的數據量預計將達 48.6ZB，占比 27.8%。面對數據量的爆炸式增長，數據來源的日益豐富，數據類型的多樣化融合，金融數據保護治理的廣度、深度和難度與日俱增，金融業主體依據業務運營需要對個人和組織數據的獲取、傳遞、使用、管理等諸多方面都不斷推陳出新。2020 年 3 月，中共中央、國務院在關于構建更加完善的要素市場化配置體制機制的意見中提出要加快培育數字要素市場，重點推進政府數據開放共享、提升社會數據資源價值、加強數據資源整合和安全保護。2022 年 12 月，中共中央、國務院在

13、關于構建數據基礎制度更好發揮數據要素作用的意見中，明確指出要推進公共數據、企業數據、個人數據分類分級確權授權使用，標志著我國數據要素市場建設正式進入了從頂層設計到機制落地的新階段。協同推進技術、模式、業態和制度創新，切實用好數據要素，將為經濟社會數字化發展帶來強勁動力。當前，數據要素市場化發展使得金融行業更加全球化，金融機構可以利用數據要素市場化來拓展跨國業務，實現全球風險分散和資本流動，從而提高金融系統的穩定性，然而也會引發跨境數據流動的安全和隱私問題，需要全球協作來解決；數據要素市場化催生了新的金融業務模式，金融科技公司依托數據要素市場，提供創新性的金融產品和服務，如數字支付和區塊鏈技術應

14、用，推動金融行業的變革和競爭激烈化，帶來監管挑戰，需要不斷調整監管政策以平衡創新和風險；數據要素市場化加速金融科技的發展，大數據、人工智能和云計算等技術的普及使得金融機構能夠更好地分析數據、識別風險和提供個性化服務；各國政府對數據要素市場化的監管不斷演變：一方面，政府鼓勵金融科技創新，制定政策支持數據共享和開放銀行模式，以促進金融服務的普惠性，另一方面，政府也需要關注數據安全和隱私問題，加強數據保護法律法規，要求金融機構更加負責任地處理客戶數據，如企業數據資源相關會計暫行規定強化企業數據資源會計信息披露，進一步顯化數據資源價值。綜合而言，數據要素市場化發展對金融行業和經濟社會帶來了巨大的影響，

15、2能夠推動金融行業的創新和競爭，提高金融服務的效率和便利性，但同時也伴隨著風險和挑戰，需要各方共同努力來實現數據要素市場化的可持續和健康發展，本白皮書梳理了金融數據資產市場化相關內容，以促進經濟社會的可持續增長和繁榮。1.1.1 國際數據要素市場化情況和趨勢（一）國際金融行業的數據要素關鍵政策美國政府對金融行業數據要素的關鍵政策主要體現在數據治理和跨境數據流動方面。美國政府通過網絡安全信息共享法案等政策鼓勵數據交換與開放。2022 年推出美國數據隱私和保護法案，在數據價值釋放的同時加強對個人數據隱私的保護。歐盟對數據要素的關鍵政策主要體現在數據保護和隱私方面。歐盟通過的通用數據保護條例（Gen

16、eral Data Protection Regulation，簡稱 GDPR）要求所有收集和處理個人數據的組織必須遵守該條例，加強對個人數據的保護和隱私的維護。歐美國家亦在積極探索公共數據開放模式，促進數據有序開放和共享也成為國際重要議題。英國等歐美國家致力于促進政府數據的開放、獲取、共享和利用，極大地推動了數據的匯聚共享和政府透明度的提升，2000 年便已頒布信息自由法，開始為公共數據開放構建法律基礎；近幾年來，英國內閣相繼頒布國家行動計劃G8 開放數據憲章：英國行動計劃開放數據白皮書：釋放潛能，提出建設國家信息基礎設施，在隱私權與數據開放之間尋求平衡，推進建立開放數據評價體系；同時明確提

17、出數據治理的重中之重在于開放數據，并在法規尚不完善的情況下由政府進行先導探索、開放由財政支持的研究數據，從而實現公共數據價值的最大化。日本在其數據戰略中，明確數字廳將成為司令部，以實踐牽引戰略實施。2020 年頒布關于提高特定數字平臺的透明性和公正性的法律，2021 年制定數字社會形成整備法，2021 年發布的綜合數據戰略制定了數據建設、管理和流通政策，明確了數據戰略的思路與行動綱要。韓國數據政策的模式已經從保守的、政府管理的方式轉變為創新的、開放的方式。2020 年韓國推出了“數字新政”（Digital New Deal），提出通過實施數據大壩（Data Dam）項目，擴大高質量公共數據，開

18、放國家關鍵數據，以推動數據應用創新。2021年韓國通過的數據產業振興和利用促進基本法保障數據資產的價值，對數據開放利用進行統籌安排，推進數據產業發展。2023年，韓國科技部發布地方數字競爭力強化方案，以發展領先地區為中心，構筑3人工智能、數字孿生、區塊鏈、Metabus 四大新數字技術，到 2030 年建設 5 個以上“國家數字革新地區”；到 2027 年，培養 100 家以上地區級軟件企業和5000 家完成高度數字轉換的制造企業，通過社會間接資本新補充 300 家服務地方居民生活和安全的數字企業；將 60%的數字經濟相關教育課程安排在非首都圈，擴充地方企業的本地化數字型人才招錄。（二）國際金

19、融行業數據要素市場建設大概情況美國在金融行業數據要素市場建設方面也較為領先，擁有發達的金融市場和數據市場。在數據要素市場方面，美國已建立了多家數據交易所，如NASDAQ（美國的一個電子證券交易機構）、NYSE 等，促進了數據要素的交易和流通。此外，美國政府也提出了一系列政策措施，加強跨境數據流動和數字貿易等方面的合作。歐盟在金融行業數據要素市場建設方面也取得了一定的進展。例如，英國的倫敦證券交易所（LSE）提供了數據要素的交易平臺，德國的法蘭克福證券交易所（FWB）也推出了數據交易服務。德國建立了全國性的數據交易平臺Open Data Market，旨在促進公共數據的共享和流通。此外，歐盟內部

20、也在積極推進跨境數據流動和數字貿易等方面的合作，加強數據要素市場建設。韓國和日本在金融行業數據要素市場建設方面也有一定的成果。韓國政府主導推進 Mydata模式，建立了多個數據交易平臺；日本積極推進數據治理改革，設立信息銀行，建立大型數據平臺“DATA-EX”整合各類行業數據。1.1.2 國內數據要素市場化發展趨勢（一）我國數據要素市場發展相關政策1.國家層面2019 年 11 月，黨的十九屆四中全會首次將數據列為生產要素。2020 年 4月，中共中央 國務院印發中共中央 國務院關于構建更加完善的要素市場化配置體制機制的意見，首次將數據列為與土地、勞動力、資本、技術并列的第五大生產要素。202

21、1 年 3 月，中華人民共和國國民經濟和社會發展第十四個五年規劃和 2035 年遠景目標綱要發布，綱要提出要對完善數據要素產權性質、建立數據資源產權相關基礎制度和標準規范、培育數據交易平臺和市場主體等作出戰略部署。2021 年至 2022 年期間，國家相繼出臺“十四五”大數據產業發展規劃要素市場化配置綜合改革試點總體方案“十四五”數據經濟發展規劃關于加快建設全國統一大市場的意見等政策，多次提出要加快培育數據要素市場，充分發揮數據要素市場作用。2022 年 12 月，中共中央 國務院印發關于構建數據基礎制度更好發揮數據要素作用的意見（以4下簡稱數據二十條），受到社會各界高度關注。數據二十條結合當

22、前我國數據要素市場的發展形勢和要求，從數據產權、流通和交易、收益分配以及安全治理出發，明確了數據要素市場制度規則、管理與創新，對于加快推進我國數字經濟發展具有里程碑意義。2023年 2月，中共中央 國務院印發數字中國建設整體布局規劃，從全局的角度對數字中國建設進行布局和規劃，指出建設數字中國是數字時代推進中國現代化的重要引擎，是構筑國家競爭力新優勢的有力支撐。規劃提出要推動數字技術和實體經濟深度融合，在農業、工業、金融、教育、醫療、交通、能源等重點領域，加快數字技術創新應用。2023年 8月，財政部印發企業數據資源相關會計處理暫行規定（以下簡稱暫行規定），暫行規定是貫徹落實黨中央、國務院關于發

23、展數字經濟的決策部署的具體舉措，也是以專門規定規范企業數據資源相關會計處理、發揮會計基礎作用的重要一步。暫行規定回應了各方對于數據資源是否可以作為資產確認、作為哪類資產確認和計量以及如何進行相關信息披露等相關會計問題的關注，是企業數據資源資產化的重要依據，對推動數據要素市場建設具有重要意義。此外，值得關注的是，國家數據局局長劉烈宏在 2023年 11月 25日舉辦的 2023全球數商大會中表示國家數據局將圍繞發揮數據要素乘數作用，與相關部門一道研究實施“數據要素”行動，從供需兩端發力，在智能制造、商貿流通、交通物流、金融服務、醫療健康等若干重點領域，加強場景需求牽引、打通流通障礙、提升供給質量

24、，推動數據要素與其他要素相結合，催生新產業、新業態、新模式、新應用、新治理。2.行業層面除國家層面的政策外，政務、工業、能源、醫療、交通、民航、金融等各行業或領域也陸續出臺相關政策支持行業數據要素市場發展。在政務領域，國家出臺了“十四五”推進國家政務信息化規劃國務院關于加強數字政府建設的指導意見全國一體化政務大數據體系建設指南等政策文件，推進數字政府建設，提出要整合構建標準統一、布局合理、管理協同、安全可靠的全國一體化政務大數據體系，加強數據匯聚融合、共享開放和開發利用，促進數據有序流動，充分發揮政務數據作用；在工業/能源領域，工信部印發關于工業大數據發展的指導意見工業互聯網創新發展行動計劃（

25、2021-2023）等政策文件，國家能源局印發國家能源局關于加快推進能源數字化智能化發展的若干意見，提出要建設國家工業互聯網大數據中心，匯聚工業數據，支撐產業發展，針對電力、煤炭、油氣等行業數字化智能化轉型發展需求，要充分激活數據要素潛能，通過數字化智能化技術融合應用為能源高質量發展提供5有效支撐；在醫療行業，國家衛健委、國家中醫藥管理局等部門印發“十四五”全民健康信息化規劃“十四五”中醫藥信息化規劃等文件，提出以數據為關鍵要素，促進行業轉型升級，建設健康中國；在民航領域，國家民航局印發關于民航大數據建設發展的指導意見，提出要加強數據質量管理，推進數據要素流通等具體任務。除此之外，交通運輸、城

26、市時空、人工智能、數字鄉村、數據安全等行業或領域也都發布了數據要素市場發展的相關政策文件。具體到金融行業/領域，有關主管部門也印發多個政策文件，支持金融行業數據要素市場發展。2022 年 1 月，中國人民銀行印發金融科技發展規劃（2022-2025年），提出新時期金融科技發展指導意見，明確金融數字化轉型的總體思路、發展目標、重點任務和實施保障；中國銀保監會辦公廳發布關于銀行業保險業數字化轉型的指導意見，強調銀行保險機構要加強頂層設計和統籌規劃，科學制定數字化轉型戰略，統籌推進工作。為加快保險業數字經濟建設，全面推進銀行業和保險業數字化轉型，推動金融高質量發展，更好服務實體經濟和滿足人民群眾需要

27、。除數據要素市場發展外，金融行業數據安全也是監管部門關注的重點。2022 年 11 月，中國證券監督管理委員會發布證券期貨業數據安全管理與保護指引，從數據安全管理基本原則、組織架構、制度、技術等方面提供指引。2023年 2月，為保障證券期貨業網絡和信息安全，保護投資者合法權益，促進證券期貨業穩定健康發展，證監會發布證券期貸業網絡和信息安全管理辦法，并于 2023年 5月 1日正式施行。2023年 7月，中國人民銀行發布關于中國人民銀行業務領域數據安全管理辦法（征求意見稿），強調中國人民銀行業務領域數據安全管理。除政策法規外，多方安全計算金融應用技術規范個人金融信息保護技術規范金融數據安全數據生

28、命周期安全規范等有關金融行業數據流通和數據安全的標準規范也相繼發布，更好地指導和規范金融機構安全有序地開展數據要素流通和共享相關工作。3.地區層面到目前，根據數據二十條的指導方針，已有北京、上海、深圳、福建、廈門等超 40 個省市相繼出臺數據要素相關政策法規，定下發展目標，積極探索數據要素市場化發展。如北京市委市政府在 2023 年 6 月 20 日印發關于更好發揮數據要素作用進一步加快發展數字經濟的實施意見，提出深入實施北京市數字經濟促進條例，培育發展數據要素市場，加快建設全球數字經濟標桿城市；中共廣州市委全面深改委印發關于更好發揮數據要素作用推動廣州高質量發展的實施意見，提出促進數據合規高

29、效流通使用，建設具有全球影6響力的數字經濟引領型城市；福建省政府印發福建省加快推進數據要素市場化改革實施方案，提出推動構建數據基礎制度，激活數據要素潛能，加快推進數據要素市場化改革，助力做大做強做優數字經濟，等等。首先，各地在數據要素市場化建設中重點發力公共數據的開放共享利用。譬如，北京在北京市數字經濟促進條例中提到加強數據資源安全保護和開發利用，通過探索建立數據目錄管理、建立全市公共數據共享機制、設立公共數據專區等方式，促進公共數據開放共享；武漢提出組建武漢數據集團，探索開展公共數據授權運營，初步搭建起數據要素市場化整體框架；廣州通過制定廣州市公共數據開放管理辦法進一步規范和促進全市公共數據

30、開放和開發利用，以提升政府治理與公共服務水平；蘇州對公共數據作出探索性規定，在蘇州市數據條例中提出要建立公共數據授權運營機制，支持政府把公共數據授權給符合安全監管條件的單位進行運營、加工、處理，形成數據產品和服務供第三方使用，進一步高效釋放公共數據價值。再次，各地將數據發展與安全并重。作為共同關注的關鍵內容。各地也作出創新規定，如北京在條例中明確強化數字安全的制度設計，將安全作為發展的基本前提；廈門經濟特區數據條例聚焦數據安全管理，在個人信息采集、授權等方面作出明確要求；南昌在南昌市數字經濟促進條例中指出應建立數據安全管理制度，明確數據質量和安全責任主體，處理數據應遵守網絡安全、數據安全、密碼

31、安全等相關法律、法規；廣州明確將依據安全可控的原則開放公共數據，并在各個環節強調安全的重要性。最后，部分地區出臺數據交易有關規定，對數據交易流通、數據要素市場、第三方服務機構等作出規定，探索建立數據交易流通規則，加快培育數據交易市場。如深圳出臺深圳市數據交易管理暫行辦法和深圳市數據商和數據流通交易第三方服務機構管理暫行辦法，對數據交易主體、數據交易標的、數據交易行為和交易安全、數據交易所數據商和數據流通第三方服務機構作出明確規定；天津、上海、貴陽、德陽等地也出臺了數據交易相關規定，為本區域內的數據交流流通提供法律依據，建立健全數據交易流通規則。部分政策列表如下：表表 1-1 我國數據要素市場發

32、展相關政策我國數據要素市場發展相關政策時間時間文件名稱文件名稱核心內容核心內容國家層面國家層面2020年4月中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見首次將數據列為與土地、勞動力、資本、技術并列的第五大生產要素。72021年3月中華人民共和國國民經濟和社會發展第十四個五年規劃和二三五年遠景目標綱要提出加快數字化發展，建設數字中國，建立健全數據要素市場規則，統籌數據開發利用、隱私保護和公共安全，加快建立數據資源產權、交易流通、跨境傳輸和安全保護等基礎制度和標準規范，培育規范的數據交易平臺和市場主體，發展數據資產評估、登記結算、交易撮合、爭議仲裁等市場運營體系。2022年12月關

33、于構建數據基礎制度更好發揮數據要素作用的意見（數據二十條）結合當前我國數據要素市場的發展形勢和要求，從數據產權、流通和交易、收益分配以及安全治理出發，明確了數據要素市場制度規則、管理與創新，對于加快推進我國數字經濟發展具有里程碑意義。2023年2月數字中國建設整體布局規劃對數字中國建設進行全局的布局和規劃，指出建設數字中國是數字時代推進中國現代化的重要引擎，是構筑國家競爭力新優勢的有力支撐，要推動數字技術和實體經濟深度融合，在農業、工業、金融、教育、醫療、交通、能源等重點領域，加快數字技術創新應用。2023年8月企業數據資源相關會計處理暫行規定貫徹落實黨中央、國務院關于發展數字經濟的決策部署的

34、具體舉措，專門規定規范企業數據資源相關會計處理、發揮會計基礎作用的重要一步。金融行業層面金融行業層面2022年1月金融科技發展規劃（2022-2025年）提出新時期金融科技發展指導意見，明確金融數字化轉型的總體思路、發展目標、重點任務和實施保障。2022年11月證券期貨業數據安全管理與保護指引從數據安全管理基本原則、組織架構、制度、技術等方面提供指引。2023年7月中國人民銀行業務領域數據安全管理辦法（征求意見稿）強調中國人民銀行業務領域數據安全管理。地區層面地區層面2022年11月北京市數字經濟促進條例提到加強數據資源安全保護和開發利用，通過探索建立數據目錄管理、建立全市公共數據共享機制、設

35、立公共數據專區等方式，促進公共數據開放共享。2023年2月深圳市數據交易管理暫行辦法明確規定數據交易主體、交易標的、交易行為、交易安全及交易所運營機構等數據交易內容，建立區域數據交流規則。82023年4月廣州市公共數據開放管理辦法進一步規范和促進全市公共數據開放和開發利用，以提升政府治理與公共服務水平。2023年9月福建省加快推進數據要素市場化改革實施方案提出推動構建數據基礎制度，激活數據要素潛能，加快推進數據要素市場化改革，助力做大做強做優數字經濟。（二）數據要素市場建設情況1.場內數據交易所的發展階段數據交易所是數據要素市場化的核心機構，其發展經歷了以下幾個階段：第一、初創階段。在數據要素

36、市場建設初期，一些先導性的數據交易所開始涌現。這些交易所主要為特定領域或行業提供數據要素交易平臺，如金融數據交易所、能源數據交易所等。交易規模相對較小，交易對象多為少數專業機構。第二、增長階段。隨著數據要素市場化的推進，數據交易所逐漸增多且規模擴大。這些交易所不僅提供特定領域的數據要素交易服務，還逐漸擴展到跨領域的數據要素交易。行業協會、政府機構以及科技公司等紛紛參與其中，促進了數據要素市場的發展。自 2015年以來，全球數據交易所的建設進入活躍期，各國的數據交易所逐步建立起來，這些交易所大致可以分為兩類：大型互聯網公司的內部數據市場和專門的第三方數據交易機構。第三、標準化階段。隨著數據要素市

37、場的成熟，相關標準和規范逐漸建立。數據交易所開始推動數據要素的標準化，統一數據格式、交易流程和安全權限等，提高數據要素的可流通性和交易效率。全國已經建立了多個數據交易所，包括上海數據交易所、北京大數據交易所、華東江蘇大數據交易中心等。這些交易所主要負責數據的交易、存儲、共享和應用等，為政府和企業提供了數據資源的高效流通和利用。第四、多元化階段。數據交易所不再僅限于提供數據要素交易平臺，而是開始提供更多增值服務。這些服務包括數據的加工分析、數據市場的研究報告、數據共享平臺等，以滿足用戶對數據要素的更多需求。當前數據交易所專注助力企業數據資產化，通過數據資產的運營來為企業創造新的價值，這種資產化運

38、作需要建立一個完善的價值評估體系和資產管理模式，以確保數據的可持續增值和流轉。2.企業對數據要素的市場需求隨著數字化轉型的加速，企業對數據要素的市場需求日益增長。具體表現在以下幾個方面：第一、個性化需求。企業需要更精細化的數據來了解消費者需求和行為，9以便提供個性化的服務和產品。這些數據包括消費者購物行為、網頁瀏覽記錄、社交媒體使用情況等等。第二、業務決策支持。企業需要通過獲取各類數據要素，進行深度分析和挖掘，利用高質量的數據來支持戰略決策和業務運營。這些數據包括市場趨勢、競爭對手情況、財務數據等等。比如，金融機構需要大量的市場數據和風險模型來進行投資策略的制定和風險評估。第三、創新研發需求。

39、企業需要獲得更多的創新研發數據要素，以促進產品和服務的創新。這些數據包括新技術應用、新市場趨勢、新業務模式等等。例如，科技公司需要獲取行業趨勢數據、用戶行為數據等，以指導產品迭代和市場營銷。第四、數據資產管理。企業需要有效的數據管理方案來解決數據孤島、重復存儲和安全等問題，從而實現數據的集中管理和高效利用。第五、跨界合作與生態建設。企業需要通過數據要素的共享和交換，實現跨界合作和共同建設生態系統。合作伙伴可以通過數據要素的交互，實現資源互補和共贏。第六、數據驅動的營銷。企業借助數據要素，實現精準的市場營銷和用戶服務。通過了解用戶需求和行為，企業能夠更好地定位目標市場、精確投放廣告等。第七、合規

40、與安全需求。隨著數據法規和隱私保護的加強，企業對數據要素的合規性和安全性提出更高要求。合規性包括獲取數據的合法性、使用數據的規范性等；而安全性則涉及數據傳輸加密、存儲安全等方面?？傮w來說，企業對數據要素的市場需求是多方面的，而且隨著數字化轉型的深入推進，需求還將不斷增長。因此，建立一個完善的數據要素市場是當前數字化時代的重要任務之一。1.2 金融行業數據要素市場化對金融行業發展的意義1.2.1 數據要素成為金融業數字化的新動力金融行業是典型的數據密集型產業，數據資源和數據資產非常豐富，包括客戶交易數據、市場數據、風險數據等，且涉及個人和機構的財務、交易和身份等敏感信息，具有大量多樣、價值高、時

41、效性強、敏感隱私程度高的特點。數據要素市場化推進了金融行業數據要素轉化為具有經濟價值的生產資料，一是基礎設施層面對技術進步、政策開放、合規監管、數據隱私和安全保護機制提出更高適配要求。二是在市場機制層面通過金融行業數據、信息和知識等作10為產品和服務通過市場機制進行買賣、交換和利用拓寬應用場景、迭代優化產品服務，為金融行業業務發展、數字化轉型提供新動力。通過市場化的數據要素交易，金融機構可以更快速地獲取、整合和分析大量的數據，從而提高決策的效率和準確性，如高頻交易需要實時獲取市場數據進行快速決策；在數據流通共享的過程中，開發出更多創新的產品和服務，提供個性化的客戶體驗，針對性設計風險管理和反欺

42、詐措施，也能夠促進數據共享和合作，加快金融科技的發展和應用，提升管理決策和生態化合作；在數據交易過程中，通過購買或交換數據要素來提高數據的追溯能力、透明度、合規性和風險控制能力，如風險管理需要實時監測和多方輿情響應風險事件數據用于金融風險控制；在配合監管機構的過程中，提高監管機構對金融機構的監管效能?？傮w而言，金融行業數據要素市場化可以促進金融行業業務運營、產品創新、管理決策、監管合規具有重要意義，提高金融機構的創新力、競爭力和可持續發展能力。1.2.2 數據要素市場化對金融行業各維度的意義（一）業務運營金融數據要素市場化促進了金融業傳統業務運營模式轉型和業務場景效率升級。金融數據要素市場化促

43、進業務運營模式轉型，即從體驗、流程到渠道的智慧化創新再造。例如積極運用人工智能技術動態評估和深度優化業務流程，靈活編排業務流程，重塑組織形式，例如存貸款、清結算、風險控制、客戶關系管理、投資研究等；運用大數據技術、金融科技服務，精準化用戶偏好打造情景感知式金融服務優化業務體驗；運用物聯網、虛擬現實等技術推動實體網點向多模態、交互性智慧網點升級，下沉業務渠道。金融數據要素市場化促進業務場景的效率升級。例如風險控制場景中，由于金融機構可以獲取更多樣化的市場數據、行業數據、企業數據的支持，并能夠多方協同、信息共享，則可通過數字化智能化手段透過復雜業務表現，實時感知風險，從而更好地把握市場機遇和風險水

44、平，將風險歸類分級并深入分析關聯關系，準確研判影響范圍和危害程度，實施聯動式處置，使風險早發現、辨得清、管得??；在投資研究方面，數據要素市場化可以提供更標準化、規范化、高可信度和具有業務深度的數據支持，投資者可以獲取更多樣化的數據，包括財務數據、經濟數據、社會數據等，從而更全面地了解投資對象的情況，幫助投資者更好地進行投資決策；在營銷方面，數據要素市場化可以提供更精準、個性化的數據支持，幫助金融機構更好地進行客戶定位和營銷策略制定，11金融機構可以獲取更多樣化的客戶數據，包括個人數據、行為數據、偏好數據等，從而更好地了解客戶需求和行為。同時，數據要素市場化也可以促進數據的整合和分析，提供更精準

45、、個性化的營銷方案，提高客戶滿意度和市場競爭力。數據要素市場化進程推動金融行業業務運營基于數字化“精耕細作”，提振金融行業降本增效。（二）產品創新金融數據要素市場化能夠推動金融行業數據深度應用和產品綠色發展。數據要素市場化能夠推進金融行業數據應用，對于產品創新具有重要意義。通過對公共數據、企業數據、個人數據等多維度數據金融數據進行分析和挖掘，金融機構可實現深度的客戶洞察、市場趨勢研判和風險特征識別，金融機構可以發現新的市場機會和產品創新點，從而開發出獨特的金融產品，例如通過可信技術獲取大量數據，通過大數據分析和人工智能技術塑造風險評估、信用評分、智能風控反詐、智能投顧、智能核保理賠等金融科技創

46、新產品；通過融通企業信用經營等公共數據和金融評級數據和小微企業經營數據，為其提供隨借隨還的便捷在線信貸服務；通過對低收入人群的消費數據和還款記錄進行分析，評估低收入人群的金融需求和信用狀況，為他們提供更適合的消費貸、裝修貸、三農貸等普惠金融產品；通過區塊鏈、物聯網等技術，對供應鏈上下游的核心企業信用數據、物流數據、倉儲數據的各個環節進行數據采集和分析，可以提供更準確的供應鏈金融服務，例如庫存融資、訂單融資、倉單質押等金融服務。數據要素市場化亦能推動金融行業產品向善向綠創新。通過數據維度的豐富、信息和算法的共享融合，將碳中和、綠色發展理念融入產品創新，使綠色金融、轉型金融常態化發展，例如通過云計

47、算賦能普惠金融在金融服務設施落后地區發展線上銀行，為區域氣候投資項目的客戶提供服務，精準分析用戶需求，定制和推薦符合其風險偏好和收益預期的投資品；通過對企業的環境數據、能源數據和碳減排數據進行分析，評估其環境風險和綠色發展水平，開發綠色信貸管理模型，使綠色項目識別評級、業務流程貼標、項目庫、貸后風險預警管理融入金融產品，提高綠色金融效益；借助物聯網、大數據、人工智能、量化計算等數字技術建立 ESG 數據庫和評價體系，統計監測計算企業碳排放量及環境效益信息，提升二級市場披露能力；通過區塊鏈、NFT 技術建立中心化、開放透明社區，全民監督企業環境責任，監控“漂綠”，碳普惠行為納入信用，實現公眾監督

48、，使金融行業助推環境保護。（三）管理決策企業通過對數據資源的獲取、加工、分析，能夠揭示數據資源蘊含的內在規律和關系，賦能金融行業管理、風控、運營等管理決策分析領域的智能化、12精準化、敏捷化。數據驅動管理，發揮倍增作用。作為企業數字化管理能力的集成平臺，“智慧大腦”在滿足企業內部用數需求、實現全流程數據治理與管理的同時，還能夠通過深度挖掘數據價值，助力企業內部經營升級轉型的智能化決策和數據應用服務的智能化創新。作為智慧大腦管理決策流程的源頭輸入，數據資源的全面性、準確性和時效性對企業的管理水平升級、轉型方向錨定和市場競爭力提升具有重要意義。數據支撐風控，實現風險可視。從傳統風控向智慧風控的轉型

49、是金融機構實現智能化管理決策的必由之路，其中數據要素的市場化流通在風險大數據基礎設施建設和智慧風控產品創新中起到強力的支撐作用。在基礎設施建設方面，大數據是企業風險管理的核心基礎，個人客戶風險數據、反欺詐數據、合作機構數據等內外部數據的完整性和覆蓋度對風險模型指標的迭代計算和企業風險的準確識別具有重大影響；在產品創新方面，通過對各類數據的融合分析，推出面向特定客群的金融產品，從源頭實現風險管控。數據賦能運營，重塑運營機制。企業內部數據的協同共享支持業務人員運用數據進行自助分析并對分析結果進行復用，提高了企業內部運營效率和運營決策的敏捷度；在內外部數據及企業智慧風控系統的支撐下，借助互聯網技術優

50、化業務流程，將部分業務流程從線下人工辦理轉移到線上自助辦理，如線上貸款申請、額度測算、在線審批、在線提款等功能，實現運營流程降本增效。（四）監管合規隨著數據要素市場的不斷發展，數據監管和合規問題也越來越受到重視。監管數據標準化是保障數據市場規范化的重要手段之一。在傳統的數據交易中，數據的來源、格式、標準等存在很大差異，導致數據交換難以實現。而在標準化后，數據能夠更方便地被傳輸、識別和分析，從而更好地滿足市場需求。針對這一現狀，監管機構出臺了相關標準和規范，包括數據格式規范、數據通信協議、數據安全性管理等。同時，通過建立數據標準化的認證和評估機制，可以有效保障數據的質量和可靠性。另外，監管部門還

51、在推動一表通等創新服務的開發和應用。一表通是一種基于區塊鏈技術的數據共享和交換平臺，其可以有效解決數據交換中的信任問題和中間方的居間費用問題。一表通平臺建立了包括數據提供者、數據消費者、數據驗證者等在內的多方參與模式，實現了數據的共享和流通。監管機構將通過支持和引導這類創新服務的應用，促進數據要素市場的合規發展。除此之外，監管部門關注數據隱私保護等問題。在數據交易中，部分敏感數據（如個人信息）往往需要經過特殊保護和授權，才能被使用和交換。因此，13需要對這類數據進行特殊性管理，在全面保護數據隱私的基礎上，促進數據的合規交易?？傮w而言，監管與合規是數據要素市場健康發展的關鍵要素之一。應該加強數據

52、隱私保護和授權管理，確保數據的安全性和合規性，推動數據要素市場的良性發展。14第 2 章 金融行業數據要素概況2.1 金融資源的類型及數據特征2.1.1 金融資源的類型（一）銀行金融資源與非銀金融資源2010 年由中國人民銀行發布的金融機構編碼規范（以下簡稱“編碼規范”）確定了金融機構涵蓋范圍，對金融機構具體組成做出界定。依據編碼規范，金融機構可分類為貨幣當局、監管當局、銀行業存款類金融機構、銀行業非存款類金融機構、證券業金融機構、保險業金融機構、交易及結算類金融機構、金融控股公司及其他。表表 2-1 金融機構分類金融機構分類一級分類一級分類二級分類二級分類貨幣當局中國人民銀行、國家外匯管理局

53、監管機構中國銀行業監督管理委員會、中國證券監督管理委員會、中國保險監督管理委員會銀行業存款類金融機構銀行、城市信用合作社、農村信用合作社、農村資金互助社、財務公司銀行業非存款類金融機構信托公司、金融資產管理公司、金融租賃公司、汽車金融公司、貸款公司、貨幣經紀公司證券業金融機構證券公司、證券投資基金管理公司、期貨公司、投資咨詢公司保險業金融機構財產保險公司、人身保險公司、再保險公司、保險資產管理公司、保險經紀公司、保險代理公司、保險公估公司、企業年金交易及結算類金融機構交易所、登記結算類機構金融控股機構中央金融控股公司、其他金融控股公司其他小額貸款公司*參見中國人民銀行金融機構編碼規范除金融管理

54、部門外，上述機構區分業務方向可分類為銀行業金融機構與非銀行業金融機構。銀行金融資源為銀行業金融機構在經營管理中收集獲取的全部數據資源，依據數據來源不同，可包括自行收集的數據信息（如客戶身份信息、財產信15息、交易信息等）及經加工處理的數據信息（如銀行貸款規模及增速、存款規模及增速、不良貸款及不良貸款率等）。銀行業金融機構日常業務運營中涉及大量數據要素的流動，涉及微觀數據信息及宏觀數據走勢。非銀金融資源為非銀行業金融機構收集獲取的數據資源，包括投資規模、投資收益率、擔保債務規模、業務經營收入等數據。銀行及非銀金融數據資源，能指向分析區域經濟走向，為投資管理、企業經營提供有益指導。（二）個人金融信

55、息、業務信息、經營管理信息和監管信息以信息內容為區分，金融數據資源可以劃分為個人金融信息、業務信息、經營管理信息及監管信息。依據中國人民銀行發布的金融數據安全 數據安全分級指南（JR/T0197-2020），個人金融信息是指“金融業機構通過提供金融產品和服務或者其他渠道獲取、加工和保存的個人信息，包括賬戶信息、鑒別信息、金融交易信息、個人身份信息、財產信息、借貸信息及其他反映特定個人某些情況的信息?！睒I務信息為金融機構日常業務所涉數據信息，參照不同金融機構業務方向，可做進一步細化，如存款業務信息、貸款業務信息、信用卡業務信息、非銀行支付業務信息、保險業務信息、信托業務信息及其他金融業務信息。經

56、營管理信息是金融機構自行經營管理期間產生、存儲的數據信息，可能包括金融產品信息、運營管理信息、風險管理信息、技術管理信息及綜合管理信息等，屬于金融機構內部運營過程產生的數據類型。監管信息指金融機構在接受監管機構監管時，向金融監管機構報送的數據信息或接收來自監管機構的數據信息。表表 2-2 金融數據資源分類（以信息內容為標準）金融數據資源分類（以信息內容為標準）類別舉例個人金融信息如賬戶信息、鑒別信息、金融交易信息、個人身份信息、財產信息、借貸信息及其他反映特定個人某些情況的信息。業務信息如存款業務信息、貸款業務信息、信用卡業務信息、非銀行支付業務信息、保險業務信息、信托業務信息及其他金融業務信

57、息。經營管理信息如金融產品信息、運營管理信息、風險管理信息、技術管理信息及綜合管理信息等。監管信息如金融統計信息、評價信息、處罰與違規信息、審計信息等。162.1.2 金融行業數據特征（一）數據來源多金融行業的數據來源涵蓋了多個方面。金融機構內部的各類業務系統之間的交互會產生大量的數據，且金融行業與其他相關行業之間也存在著復雜的數據交互和共享，例如與監管機構、商業合作伙伴以及第三方數據提供商之間的數據交流。這導致金融行業的數據涵蓋了數據來源多和數據格式多的特性。以招商銀行 APP為例，每天產生的數據其中就包括 APP登錄日志記錄每日活躍用戶數量、頻率等行為數據，與支付寶/微信支付終端產生的交易

58、詳情，商品名稱、付款金額等相關數據，用戶的信用卡消費記錄，包含消費場景、商戶分類、交易金額等維度數據，用戶在網絡理財中公基/保險產品詳情頁點擊量和瀏覽時間數據，客服中心的客戶服務電話記錄內容數據，客服聊天機器人對話記錄數據以及 APP 個性化推薦點擊率及轉換率數據等，涵蓋了內部各個業務系統和外部系統的多種數據來源。（二）數據規模大金融業是使用數據信息最早，也是對數據依賴最重的一個行業，其業務的復雜性決定了金融數據的規模非常龐大，包括眾多金融交易、客戶信息、市場行情等，尤其是股票和外匯市場，高頻交易會產生巨量的實時數據流。并且，金融機構為進行風險評估、市場分析和合規審計等工作，通常也需要存儲和處

59、理長期的歷史數據?？傊?，金融業對數據依賴非常大，數據越用范圍越大，由此其數據規模也總在不斷擴大。（三）數據治理難相較其他行業，金融行業存在天然的數字化需求，因其強監管性質，對數據治理更是提出高要求。首先，金融數據治理是一項復雜的系統性工程，涉及眾多環節和部門，需要從戰略高度進行頂層設計和規劃，但是一些銀行及金融機構在建設金融數據系統時往往各自為戰，缺乏必要的統籌和溝通。其次，數據治理需要系統化、職責分明的協調配合體系，許多金融機構對基于 IT 系統的數據管理較為熟悉，但是在金融數據體系構建、質量管控等方面的進展工作相對較為滯后。最后，隨著大數據和人工智能技術的發展，金融數據的潛力得到了更充分的

60、挖掘，但同時人們對金融數據的濫用和誤用造成了一些潛在的風險，侵犯個人隱私、數據壟斷等現象在全球各國普遍存在，這也成為金融數據治理的重點和焦點。（四）數據要求高金融數據是現代金融業必須正視的、在可見的未來最大最重要的新資產類17別，也將成為實體經濟和現代金融業大多數客戶的核心資產。因此，在金融領域，對數據的準確性、實時性、完整性和安全性有著極高的標準，這些數據不僅是金融機構內部決策的重要依據，也是監管機構對市場進行有效監管的關鍵信息，如果數據存在虛假、缺失，將直接導致業務風險，所以為了確保市場公平、公正、透明，保護投資者利益，金融業務高度依賴高價值數據以維護金融市場穩定。2.2 實現金融數據要素

61、化的思路和發展方向2.2.1 金融數據要素化實踐方式市場化金融數據要素化是指通過一定手段將金融數據轉化成為生產要素，并將其投入到社會生產經營活動的過程。這個過程是遞進的：金融數據應經過整合梳理后形成數據資源，再將金融數據資源經過法律上的確認以明晰權屬關系形成數據資產，最后釋放金融數據要素的資本價值。自黨的十八大以來，以數據為關鍵要素的數據經濟加快發展，尤其在“數據二十條”發布之后，圍繞數據的基礎制度構建取得積極進展。數據的資源屬性被認識并且得到共識，這也是金融數據資源化的前提。金融數據作為原始數據而言，本身不具備價值，而且存在著諸多合規風險。金融數據資源化就是將金融原始數據轉變為數據資源，使得

62、數據具備一定的潛在價值，本質是提升金融數據質量，形成數據使用價值。金融數據資源化首要應做到數據合規，尤其是在金融行業強監管的政策下，從數據采集、存儲、處理、傳輸、共享到銷毀等各環節都確保數據的安全性和完整性。金融數據資源化的職能以及措施多種多樣，應對不同類型的金融數據，以達到不同程度的監管要求和提高企業間數據的互通性。以金融領域數據模型管理為例，證券行業發布多個證券期貨業數據模型行業標準，指導企業構建數據模型。金融數據資產化，即需要在法律上確認金融數據的資產屬性，本質上是形成金融數據的交換價值，保障要素價值的實現。金融數據資產化需要金融數據資源通過市場交易給使用者或持有者帶來經濟利益，那這必然

63、涉及數據確權的問題?！皵祿畻l”提出探索建立數據資源持有權、數據加工使用權、數據產品經營權等分置的產權運行機制，形成“三權分置”的中國特色數據產權制度。在數據確權的業務平臺上，眾多公司爭相參與，以人民網、新華網、中文在線、順網科技、安妮股份、浙數文化、視覺中國、中原傳媒等等。尤其是作為我國首個數據確權平臺“人民數據資產服務平臺”已經于 2023年 7 月通過中18央網信辦審核，面向全國提供數據上鏈、存證、確權、交易服務工作。另外，2023 年 8 月 21 日，財政部發布企業數據資源相關會計處理暫行規定，確認“企業數據資源”正式入表。目前，數據確權從法律角度、從管理和使用角度、從會計角度取得

64、重大進展，奠定了數據資產化的基礎。金融數據從原始數據，再到數據資源，又形成數據資產，最后應當轉化實現金融數據的資本屬性，釋放并且創造新價值，即實現金融數據資本化。這也是數據經濟發展的核心目標。但當前，不可置否的是很多基礎性的工作還存在諸多問題：金融數據的流通共享障礙重重，數據的定價和收益分配無章可循等問題，都有礙于數字經濟生態的形成與發展。顯然，金融數據能否實現其本身的資本化不能因循既有制度體系，既需要理論創新，也需要實踐探索。2.2.2 金融數據要素化制度導向合規化與開放化我國對于金融數據要素化的官方支持主要在兩方面有體現，一方面是激勵并推動金融數據要素開放、分配、利用、流通、交易、與市場化

65、的發展進程，另一方面則是完善對金融數據要素的合規監管、安全保護、法律限制、與風險管理機制。2020 年 4 月 9 日，中共中央、國務院印發了關于構建更加完善的要素市場化配置體制機制的意見，第一次將數據要素納入了市場化配置體制機制，并提出了推動數據開放共享、提升數據價值、加強數據安全保護的三個與金融數據要素化有關的大方向。在數據安全法個人信息保護法等法律法規的基礎上，國務院辦公廳于 2021 年 12 月 21日印發了要素市場化配置綜合改革試點總體方案，進一步完善了要素市場化生態周期的布局架構。其中“探索建立數據要素流通規則”主題，明確了在保護數據安全與個人數據隱私的前提下，探索數據要素的使用

66、用途和如何將數據要素進行資產化，以及為數據要素構建從評估、結算、交易撮合、到爭議仲裁等各個完整的市場運營體系環節。而“健全要素市場治理”主題則更加側重于完善數據要素交易平臺，支持平臺與金融機構合作，形成由價格評估、交易、擔保、保險等多方面組成的服務體系，將數據要素進行商品化。以及加強要素交易平臺的監管，加入反壟斷與反不正當競爭執法機制，創立信用記錄管理檔案，將違法違規的要素交易行為定性為失信行為，實行追責，對不正當使用與交易數據要素的客體進行懲戒。展望下一個五年，國務院在 2022 年 1 月 12 日印發了“十四五”數字經濟發展規劃。為了激發數據要素這一數字經濟深化發展的引擎，需要大力推動金

67、融領域數字化轉型，探索數據要素的新應用藍海，使其賦能。為了產出更多高質量要素的供給，其前提是需要提升數據資源的預處理能力，合理規范數19據要素的處理流程，使得數據要素有人采集，有人分級，有人管控，有人處理。推動大數據在銀行、證券、保險等領域的應用，并促進跨越部門、跨越地區、跨越領域的要素整合共享與開放。為了使數據要素的生產、分配、流通、消費等各交易環節更加暢通無阻，降低市場交易成本，使國內市場與國際市場聯通，中共中央、國務院在 2022年4 月 10 日提出了關于加快建設全國統一大市場的意見。其目的就是為了打破市場的地域性，減少地方保護、地方壟斷等不利于競爭的現象發生，保證了金融數據要素化的健

68、康發展。2022 年 12 月 19 日，中共中央、國務院印發了關于構建數據基礎制度更好發揮數據要素作用的意見（“數據二十條”）?！皵祿畻l”展現了促進數據合規高效流通使用、賦能實體經濟這一主線，堅定以充分實現數據要素價值、促進全體人民共享數字經濟發展紅利為目標。作為金融數據要素化的綱領，“數據二十條”將進一步幫助完善金融數據產權界定，完善金融數據市場體系建設等制度和政策，激活金融數據要素潛能，做強做優做大金融要素數據經濟。財政部于 2023年 8月 1日制定了企業數據資源相關會計處理暫行規定，且將于 2024 年 1 月 1 日起施行。暫行規定將數據資源確認為無形資產，且將無形資產達到預定

69、用途所發生的數據脫敏、清洗、標注、整合、分析、可視化等加工過程的費用，以及數據權屬鑒證、質量評估、登記結算、安全管理等費用都歸屬為有關支出。暫行規定還指出要加強數據資源無形資產的信息披露，包括重要單項數據資源存貨的內容、賬面價值和可變現凈值，以及所有權或使用權受到限制的數據資源存貨，以及用于擔保的數據資源存貨的賬面價值等情況。為保護資產評估當事人合法權益和公共利益，中國資產評估協會 2023 年 9月 8 日印發了數據資產評估指導意見。指導意見指出執行數據資產評估業務，需要關注數據資產的“三屬性，四因素”，其中包括數據資產的信息屬性、法律屬性、價值屬性，以及影響數據資產價值的成本因素、場景因素

70、、市場因素和質量因素。指導意見列舉了準確性、一致性、完整性、規范性、時效性，以及可訪問性共六種數據質量要素特性相對應的共 15 種指標，以及 3種評估方法的相關模型，為數據資產評估方式指明發展方向，引導市場主體積極參與數據資產入表的探索。2.2.3 金融數據要素化市場建設多元化與資產化金融數據要素化的市場建設離不開商業銀行的參與。商業銀行在業務發展20過程中積累了海量金融數據，作為數據持有者，可以多種方式參與金融數據要素化的市場建設中。從金融數據的全生命周期談起，商業銀行采集、整理和標準化各類金融數據要素向數據市場提供了大量的金融數據產品；商業銀行具有完善的數據保護機制與信息安全系統，可以提供

71、可靠的金融數據存儲環境；商業銀行積極參與數據要素質量和標準的制定，促進金融數據要素的互操作性；商業銀行可以建立數據共享機制，能夠提供數據場外交易服務，可以為金融數據要素市場提供平臺；商業銀行本身具有豐富的人才儲備，其具備深厚的專業知識和數據分析技術可以為數據要素市場參與者提供有價值且有針對性的數據市場洞察服務。當然，金融數據要素化市場建設不能僅依靠商業銀行，獨木難支。商業銀行與其他金融機構、科技公司或數據交易所合作共同推進數據要素市場建設。就金融數據場內交易而言，其市場建設已經初步成型，但仍處于起步階段未形成規模交易。從金融要素場內交易產業鏈構成來看，主體包括數據提供方、數據商、數據需求方、交

72、易撮合方以及第三方專業服務機構，各司其職，各盡其責。但我們也應認識到處于起步階段的場內交易，所占數據交易的份額必然不會很高。目前，受限于數據確權、數據價值互認等原因，數據交易所處于引進數商聯盟和生態搭建的階段。當然不能止步于此，針對數據交易痛點，從數據定價、數據登記、數商管理、數據安全等方面，各地的數據交易所都在積極尋找破解方法。上海數據交易所通過大量的場內交易形成穩定、公允的定價機制；北京國際大數據交易所搭建了基于“數據可用不可見”的隱私計算平臺；深圳數據交易所對數商進行分級分類，推動參與主體精細化分工；山東數據交易所推出數據登記制度，引導數據產品登記流通。未來，金融數據要素化的市場建設將加

73、快步伐。隨著一系列新政策的落地，數據資產入表以及數據資產估值等業務將顯著增長，推進金融數據要素市場化配置以及推動數據資本化的發展。就數據資產入表的情況，浦發銀行進行創新探索，根據數據資產能否直接產生價值，將數據資產劃分為基礎型和服務型兩類，并嘗試編制數據資產經營報表，作為資產負債表、現金流量表和利潤表之外的第四張表。而當前，數據資產納入會計報表已然成為現實，必然給金融數據要素市場提供強大的內生動力。就數據資產估值的情況，作為國有大型商業銀行的工商銀行積極創新，在 2021 年發放“首單基于數據資產憑證的融資”。未來隨著金融數據要素不斷聚集，應用場景也會更加多元化。212.2.4 金融數據要素化

74、基礎設施支撐智能化與精細化金融數據基礎設施以支撐數字化發展為根本目標。從廣義上講，金融數據基礎設施是以支撐數字化發展為目標，以挖掘數據價值和保障數據安全為基本點，以實現數據要素的采集、傳輸、匯聚、存儲、處理、開發、應用等為主要內容的制度體系和系統設施（圖 2-1 所示）。從狹義上講，金融數據基礎設施是指支撐數據要素流通的各類硬件設施和軟件平臺。圖圖 2-1 金融數據要素化基礎設施示意圖金融數據要素化基礎設施示意圖設施層是金融數據要素化基礎設施中的根基，是產生數據、儲存數據、分析數據和應用數據的載體，既包括計算設施、存儲設施、網絡設施等硬件設施的建設，也包括共享交換平臺和開發利用平臺等軟件平臺的

75、建設。目前，社會上有很多設施層硬件設施和軟件平臺的成熟產品，金融機構可以直接使用他們提供的工具和服務。設施層具體體現為：如全國中小微企業融資服務平臺等。資源層建設的方向和重點，一方面金融機構都有數據，怎么樣把數據作用發揮出來，對內部副產品的數據變成新的要素，變成生產資料。另一方面，有效整合相關聯的社會數據資源，如企業和個人的不動產、社保、公積金、稅務、司法等數據，形成數據集中分析模型，才能更好地發揮金融數據要素化的價值。另外，資源層需要特別關注數據治理和數據安全問題。資源層具體體現為：如各地市征信公司數據產品等。流通層建設重點是解決數據互聯互通和流通交易的問題。包括共享交換、開發利用和交易流通

76、三方面建設。其中共享交換既包括金融機構內部所有數據的共享交換，也包括金融機構與外部機構之間數據的共享交換。開發利用的重點是如何把資源層治理好的數據充分地進行開發利用。交易流通的重點是安全合規高效。目前數據流通交易市場缺乏標準規范、交易價格不健全、交易安全難以保障等問題，建議通過有資質牌照的交易場所，合法合規開展金融數據流22通交易活動。流通層具體體現為：各地市征信公司與本地金融機構合作進行數據模型開發等。2.2.5 金融數據要素化技術創新數字化與中臺化進入數字經濟時代，數據要素成為數字經濟發展的核心引擎，也是眾多行業的核心資源。金融作為現代經濟的核心、服務實體經濟的血脈，也是信息化建設的引領者

77、，正在新一輪數字經濟浪潮中驅動數字化轉型和激活數據要素，并通過實現資產數字化到數據資產化，旨在讓社會經濟各參與主體深刻認識到數據要素的現實意義和社會價值，推動實體經濟數字化及高質量發展。數字技術應用為金融機構釋放數據價值提供了更多可能性。而數字技術的持續發展及融合，也推動金融軟硬件基礎設施的數智化升級，更為銀行沉淀并管理業務過程中的數據資產。例如，基于云計算的應用，簡便了數據的流轉和生產；基于大數據的應用，海量數據的采集、治理、建模、開發、分析與服務得以更加精準和有效；基于人工智能的應用，為解讀并應用數據提供有力支持等。傳統模式下，技術和業務模式制約著銀行金融服務。依托“數字技術+數據要素”雙

78、輪驅動，能幫助銀行實現業務深度及服務能力的擴展，也能使金融服務延伸至小微等金融缺乏群體所在的場景，構建基于數據要素的信用價值體系，于此強化服務能力、完善產品體系，讓更廣泛的群體享受到平等、便捷的金融服務。RPA的全稱是 Robotic process automation（機器人流程自動化），它是基于軟件機器人或人工智能概念的進程自動化技術，以機器人作為虛擬勞動力，依據預先設定的程序與現有用戶系統進行交互并完成預期的任務，代替人工去做一些低價值、高重復性的數據處理工作。近幾年 RPA在國內是不折不扣的“技術風口”，憑借“流程自動化”核心優勢及幫助企業迅速應對變化的業務需求及實現增效降本，使其在

79、全球市場熱度屢創新高。值得一提的是，RPA的出現，讓正在經歷著應用創新技術賦能行業轉型關鍵期的金融機構，找到了多年來苦苦追尋的效率、成本、風險控制的多方平衡點。此外，RPA 還可以提高數據的準確性和一致性。在金融行業，數據的準確性至關重要。通過 RPA，金融機構可以實現數據的自動抓取、清洗和更新，從而減少了人工錯誤的可能性。RPA還可以將不同系統中的數據進行整合，確保數據在不同系統之間的一致性。從效率層面來看，針對金融機構中高頻、重復、有規則的操作行為，RPA都可以替代人力執行處理，降低運營成本的同時還能實現高數據量下的不同系統、平臺等對接，有效解決金融機構各系統間銜接、協同薄弱等所產生的信息

80、23孤島問題，最終實現金融機構核心效率的大幅提升。從風控層面來看，在人工業務流程中，員工直接對數據或系統進行操作，既有可能因為操作不當或操作不合規導致敏感信息泄露的風險，也讓對員工的系統權限管理成為一個工作難點，尤其是對業務中敏感數據的操作。而 RPA技術就像是在員工和敏感數據之間建立了一道“隔離墻”，員工通過操作 RPA平臺“間接”完成對系統或數據的操作，這有利于將員工的系統權限合理分配，實現權限最小化，同時確保流程的每一步均在監控之下。在小微金融領域，“RPA+AI”技術應用不斷深入，加快了小微金融信貸服務業務場景的拓展。眾所周知，在傳統的金融風控模式下，小微企業更多依靠有限且維度較為單一

81、的數據以及從業者主觀經驗判斷等風險評估技術，因此風控難度大、成本高。而通過利用“RPA”對財稅票數據進行采集處理，能通過企業財稅票數據，更好地對小微企業信用進行多維評估，優化金融機構業務流程以及降低信貸管理風險。作為專業獨立的財稅數據技術服務商，微風企以“RPA+AI”為基礎，開發“企業經營數據采集系統”，能夠對企業財務、發票、工商、司法等多維度數據進行采集、分析，自動評估企業的經營情況，一鍵生成企業畫像分析報告，為金融機構、企服機構、科技公司等客戶經營決策提供智能化分析服務。微風企企業經營數據采集系統，主要對企業工商、司法、稅務、發票等多維數據進行自動采集并智能加工分析。發票數據包含：銷項發

82、票數據、進項發票數據及機動車銷售發票數據。以交易行為為核心，通過交易對象、產品、金額、頻次等，針對性發現異常交易風險、經營風險、反欺詐風險等。稅務數據包含：納稅基本信息、申報繳款信息、納稅風險信息三大類。以稅務數據為核心，通過對增值稅、企業所得稅、企業變更信息、違法違章等信息進行綜合分析，對企業經營穩定性、信息完整度、企業發展潛力、違約信用等級進行判斷。24第 3 章 金融行業數據要素市場化發展現狀我國金融行業數據要素化相關的政策出臺一直在逐步深化，從只強調個人隱私權與保護個人信息的中華人民共和國消費者權益保護法和中華人民共和國民法典，到明確提出數據要素市場化與建立數據要素流通規則的關于構建更

83、加完善的要素市場化配置體制機制的意見，再到提出建設全國統一數據要素大市場。金融數據的分類分級標準也從早期的證券期貨業數據分類分級指引，到 2020 年的金融數據安全 數據安全分級指南，再到 2023 年7 月中國人民銀行起草的中國人民銀行業務領域數據安全管理辦法（征求意見稿）。為落實金融數據元素的安全保密流通，全國金融標準化技術委員會在 2019 年即啟動了多方安全計算、聯邦學習等助力金融數據元素市場化的行業標準制定。隨著十四五發展規劃的印發，我國數據要素市場發展勢頭強勁，國家級數據交易所、區域數據交易中心、行業數據交易平臺共計已有近 50家。3.1 我國金融數據安全規則體系日益健全3.1.1

84、 金融數據安全規范使用信息安全已上升到國家安全的戰略地位，保證安全最根本的方法是基礎軟件和基礎硬件都是自己控制。在無法真正實現軟件和硬件全部國產化的情況下，數據安全作為信息安全的重要組成部分，如何保障安全傳輸就成為了一個重要的議題，而加密算法正是數據傳輸安全與否的核心。一方面，隨著金融安全上升到國家安全高度，近年來國家有關機關和監管機構站在國家安全和長遠戰略的高度提出了推動國密算法應用實施、加強行業安全可控的要求。擺脫對國外技術和產品的過度依賴，建設行業網絡安全環境，增強我國行業信息系統的“安全可控”能力顯得尤為必要和迫切。為此，國家密碼管理局為了保障商用密碼的安全性制定了一系列密碼標準，包括

85、 SM1、SM2、SM3、SM4、SM7、SM9、祖沖之密碼算法（ZUC）等。另一方面，隨著大數據和“互聯網+”等新興技術的拓展，數據的作用也在不斷凸顯，金融業是產生和積累數據量最大、數據類型最豐富的行業之一，數據安全與個人信息保護在新時代也面臨新的風險與挑戰。根據中國銀行保險報與亞信網絡安全產業技術研究院發布的金融行業網絡安全白皮書（2020）顯示，金融行業隱私泄露事件大約以每年 35的數據在增長。其中，金融數據是關乎組織核心競爭力的重要資產，數據信息一旦泄露，不僅會給客戶造成直接經濟損失，也會給金融業的聲譽帶來負面影響，甚至會導致金融機25構承擔相關的法律責任，支付巨額的罰款。而針對金融數

86、據，中國人民銀行發布的金融數據安全 數據安全分級指南（JR/T 0197-2020）認為金融數據是指金融業機構開展金融業務、提供金融服務以及日常經營管理所需或產生的各類數據，該類數據可用傳統數據處理技術或大數據處理技術進行組織、存儲、計算、分析和管理。2023 年 7 月 24 日，中國人民銀行為落實中華人民共和國數據安全法有關要求，加強中國人民銀行業務領域數據安全管理，起草了中國人民銀行業務領域數據安全管理辦法（征求意見稿）。辦法分成總則、數據分類分級、數據安全保護總體要求、數據安全保護管理措施、數據安全保護技術措施、風險監測評估審計與事件處置措施、法律責任、附則八章，共五十七條。此外，中華

87、人民共和國數據安全法明確，開展涉及國家秘密的數據處理活動，適用中華人民共和國保守國家秘密法等法律、行政法規的規定。3.1.2 金融數據分類分級金融數據有著高廣泛性、高敏感性的特點，其包含的數字資產來自社會的各行各業，且一旦泄露就有可能對國家、公眾、個人、企業造成不良影響。因此，金融數據的分類分級就顯得極為關鍵。其中，數據分類更多針對的是不同屬性、不同特征、與不同體量的影響對象進行的分類。而數據分級則是按照一個已經劃定的標準，對相同類別對象所遭受的影響程度級別進行的分級。中國人民銀行在 2020年 2月 13日發布并實施的個人金融信息保護技術規范中，對個人金融信息進行了詳細的說明，其中包括賬戶信

88、息、鑒別信息、金融交易信息、個人身份信息、財產信息、借貸信息和對原始數據進行處理分析形成的支付習慣等各類信息。個人金融信息保護技術規范還將個人金融信息按敏感程度從高到低分為 C3、C2、C1 三個類別。C3 類別信息包括了銀行卡磁道數據、卡片驗證碼、卡片有效期、銀行卡與網絡支付交易密碼這幾種重要用戶鑒別信息。C2 類別信息包含了支付賬號、用戶名、雙重認證因素、個人財產信息、接待信息、家庭地址等。而 C1 類別信息則包括了賬戶開立時間、開戶機構、C2 和 C3類別信息中未包含的其他個人金融信息。對個人金融信息進行的安全檢查和評估應是對該標準定義的生命周期全過程的各個環節分別進行，且每年至少開展一

89、次支付信息安全合規評估。中國人民銀行在 2020年 9月 23日發布的金融數據安全 數據安全分級指南中，將影響對象與影響程度這兩個因素作為確定數據安全級別的重要判斷依據，其中影響對象包含了國家安全、公眾權益、個人隱私、企業合法權益，而影響程度則被分為了嚴重損害、一般損害、輕微損害、無損害共四個等級。26綜合影響對象與影響程度，再結合數據的保密性、完整性、可用性被破壞后所造成的影響后果進行評估，該標準將數據安全等級劃分為 5個等級。其中最高級的 5 級數據通常為金融業大型機構在交易過程中被關鍵業務所使用的重要數據，且在數據安全性遭到破壞后會對國家安全造成影響或對公眾權益造成嚴重影響。4級數據則為

90、在數據安全遭到破壞后，對公眾權益造成一般影響，或對個人隱私或企業合法權益造成嚴重影響，但不影響國家安全，以及個人金融信息中的 C3 類信息。3級數據則包含了數據的安全性遭到破壞后，對公眾權益造成輕微影響，或對個人隱私或企業合法權益造成一般影響，但不影響國家安全的數據，與個人金融信息中的 C2 類信息。3級數據則包含了數據的安全性遭到破壞后，對公眾權益造成輕微影響，或對個人隱私或企業合法權益造成一般影響，但不影響國家安全的數據，與個人金融信息中的 C2 類信息。2級與 1級數據的敏感性與潛在威脅都會如上逐級降低。然而從現有的制度標準與法律規定中，分類分級仍然更像一個推薦的做法，而不是強制措施。分

91、類分級的目的在于防止安全系數高的數據遭到泄露的基礎上，篩選出剩余安全系數低的數據進行數據處理、交易、公開。金融數據安全 數據安全分級指南中已給出了若干類幾百項的數據定級規則參考，隨著中國人民銀行業務領域數據安全管理辦法（征求意見稿）的出臺，以及2023 年 9 月 8 日中國資產評估協會印發的數據資產評估指導意見，金融數據分類分級已具有實操的政策法規基礎與數據質量量化指標，但數據合規程度、數據安全程度、數據敏感程度這幾項指標還沒有一個明確的分級標準，只能依靠權威的數據服務商進行相關指標的測算，亟需相關的數據特征分類分級標準。3.1.3 數據生命周期管理（一）法律角度金融數據生命周期是指金融業機

92、構在開展業務和進行經營管理的過程中，對金融數據進行采集、傳輸、存儲、使用、刪除、銷毀的整個過程。針對不同安全級別的數據，明確其在采集、傳輸、存儲、使用、刪除以及銷毀等數據生命周期各個環節的安全防護要求，網絡安全法數據安全法和個人信息保護法各有側重，是金融機構開展數據合規的重要基石。金融機構為更好開展數據合規活動，個人金融信息保護技術規范（JR/T0171-2020）、金融數據安全數據生命周期安全規范（JR/T0223-2021）、金融大數據平臺總體技術要求（JR/T0237-2021）等也是不容忽視的重要規范基礎。除此之外，金融行業與第三方合作的網絡安全管理也不容忽視，國家金融監督管理總局辦公

93、廳在 2023年 6 月向各銀保監局、銀行保險機構等下發關于加強第三方合作27中網絡和數據安全管理的通知（下稱通知），要求各銀行保險機構對照通報問題，深入排查供應鏈風險隱患，切實加強整改。金融數據生命周期管理正在不斷深入，金融行業如銀行、證券、信托、保險等都在積極圍繞自身的實際情況制定數據處理合規方案、落實數據處理合規措施，但數據不合規的現象仍時有發生。以銀行為例，因未落實數據生命周期要求導致銀行需要承擔法律責任的事件層出不窮，例如 2021 年 3 月 19 日，中國銀行保險監督管理委員會作出銀保監罰決字20215 號，中信銀行被罰款450 萬元，其主要違法違規事實包括“客戶信息保護體制機制

94、不健全”“對客戶敏感信息管理不善，致其流出至互聯網”、“違規存儲客戶敏感信息”等；今年 6 月 16日，人民銀行福州中心支行發布的行政處罰信息顯示，中國銀行福建分行因存在“違反個人金融信息保護規定”“違反金融消費爭議解決的相關規定”“涉詐賬戶管理不到位”等違法行為，被警告及罰款 179萬元。綜上，金融行業進行數據生命周期管理的過程是使其規范和運行符合有關網絡安全、數據安全、個人信息保護規范的過程，這一過程的實現既能夠保障機構自身的順利健康發展，也有利于促進消費者的權益保護，推動形成良好網絡生態，營造個人信息保護的良好氛圍，落實習近平總書記二十大中關于強調網絡安全、個人信息保護的重要精神。（二）

95、技術/實操角度2018 年是金融機構數據治理元年，銀行業金融機構數據治理指引的出臺旨在指導銀行等金融機構加強數據治理，賦能經營管理能力的提升。關于銀行業保險業數字化轉型的指導意見進一步明確“要大力推進業務經營管理數字化轉型，加強金融市場業務數字化建設，強化數字化風控能力建設”。2022 年 12 月關于構建數據基礎制度更好發揮數據要素作用的意見指出，鼓勵企業積極參與數據要素市場建設，先從解決企業內部數據流通問題開始，圍繞數據來源、數據產權、數據質量、數據使用等，基于業務場景需求逐步由內而外開展數據流通和交易場景探索。因此，商業銀行等金融機構作為重要數字經濟參與主體，一方面，利用技術工具挖掘、分

96、析數據，通過知識發現，助力數據蛻變，實現價值倍增；另一方面，針對數據使用過程中可能存在的風險做好預案，防范隱私數據泄露，亟需處理好金融數據安全與數據利用的關系。隨著大數據、云計算、人工智能等金融科技在金融領域廣泛應用，數據在助力金融機構實現精準客戶營銷、優化客戶服務、創新智能產品、完善風險防控等方面展現出了巨大價值，數據是核心戰略資產的地位得到越來越多的認同。然而，高質量且可持續開展數據治理是金融機構實現健康發展的重要途徑。數據治理是指通過對數據生命周期實施全面、有序的規范化治理和監管，促進數28據合理流動、開放、優化配置與價值潛能的最大釋放。數據治理是銀行業金融機構系統性地抓好數據管理，進而

97、賦能業務經營管理的動態過程；強調在數據全生命周期管理過程中保障數據的有效管理與數據價值實現。2021 年 5 月，以數據資產全生命周期管理的“責權利”和數據資產運營的“量本利”為主線的中國南方電網有限責任公司數據資產管理辦法正式公布，是企業層面對于數據資產化的一種探索，雖然名字叫數據資產管理辦法，但其中明確提到了要圍繞“定責、確權、享利”主線，將數據融于資產管理，健全數據資產全生命周期管理體系；要圍繞“拓量、優本、創利”主線，以運營流通釋放價值，創新構建數據資產交易流通運營體系。該辦法中對數據資產化的探索經驗值得借鑒學習。根據數據流轉物理形態上的全生命周期，并結合數據安全和數據價值釋放兩個要件

98、，總結出金融數據領域的數據全生命周期模型，見下圖所示：圖圖 3-1 金融數據領域的數據全生命周期模型金融數據領域的數據全生命周期模型在金融數據治理的全生命周期中需要貫徹兩大主線：數據安全、數據質量。其中數據安全是數據治理的前提，數據質量是數據治理的目標。銀行業金融機構數據治理指引對金融數據治理作了基本指引，內容可劃分為：基礎建設要求、加強數據治理、提供數據質量、發揮數據價值四部分內容，見下圖所示：圖圖 3-2 金融數據治理的基本指引示意圖金融數據治理的基本指引示意圖293.1.4 關鍵信息基礎設施關鍵信息基礎設施，簡稱“關基”，而重要的金融行業信息系統也屬于關鍵信息基礎設施的范疇之中。根據網絡

99、安全法給出的定義，關鍵信息基礎設施是“公共通信和信息服務、能源、交通、水利、金融、公共服務、電子政務等重要行業和領域，以及其他一旦遭到破壞、喪失功能或者數據泄露，可能嚴重危害國家安全、國計民生、公共利益的設施”。關基最初的主要組成部分為信息和電信部門，但隨著網絡的普及與發展，以及基礎設施的完善，關基的范圍也在不斷地擴大。國務院在 2021年 8月 17日發布的關鍵信息基礎設施安全保護條例中指出，“關鍵信息基礎設施，是指公共通信和信息服務、能源、交通、水利、金融、公共服務、電子政務、國防科技工業等重要行業和領域的，以及其他一旦遭到破壞、喪失功能或者數據泄露，可能嚴重危害國家安全、國計民生、公共利

100、益的重要網絡設施、信息系統等”。關鍵信息基礎設施安全保護根本，是為了保護上述設施，防止其受到網絡入侵等網絡恐怖襲擊事件，給國家安全帶來極大隱患的威脅。除了網絡恐怖襲擊外，現在國家之間的網絡戰爭的烈度也在加劇，且發生頻率也在逐年升高。因此，為了保障國家安全與社會穩定，關鍵信息基礎設施必須得到妥善與系統性的保護。為保障關鍵信息基礎設施安全，信息安全技術 關鍵信息基礎設施安全保護要求國家標準已于 2022 年 10 月 12 日發布，且已于 2023 年 5 月 1 日起開始實施。該標準中提出了關鍵信息基礎設施安全保護以關鍵業務為核心的整體防控、以風險管理為導向的動態防護、以信息共享為基礎的協同聯防

101、的 3 項基本原則，還從分析識別、安全防護、檢測評估、監測預警、主動防御、事件處置等 6 個方面提出了安全要求。其中在分析識別方面，包含了關鍵業務和關鍵業務鏈識別分析的業務識別要求、采用資產探測技術識別資產的資產識別要求、對關鍵業務鏈開展安全風險分析的風險識別要求，以及在關鍵信息基礎設施發生較大變化時重新識別的重大變更要求。安全防護方面則強調了針對安全管理機構、安全管理人員、安全通信網絡、安全計算環境、安全建設管理、安全運維管理、供應鏈安全以及數據安全防護共 8 個對象，落實國家網絡安全等級保護制度。要求還表明了需要每年自行或委托網絡服務安全機構至少進行一次安全檢測評估，定期組織或參加跨運營者

102、的安全檢測評估，部署檢測預警系統、進行主動防御、并對安全事件進行妥善處置。金融數據要素交易所同樣也需要按照關鍵信息基礎設施安全保護的等級進行規范的保護。3.2 金融創新助力效率提升與風險管理革新路徑近年來，在政策引領和市場需求推動下，金融數據要素市場呈現出快速發30展的趨勢。在金融領域，金融行業數據要素助力的人工智能技術廣泛應用也正在不斷推動行業的變革和發展。于 2023 年 3 月，OpenAI 宣布其 GPT-4 技術與摩根士丹利的財富管理部門達成一項重要合作。GPT-4 這一款新型大型語言模型在處理金融領域任務方面具有顯著優勢，其準確性、處理大量數據的能力以及在回答問題方面的速度均為行業

103、領先，這些特性使得 GPT-4 在金融領域具有廣泛的應用前景。在合作的具體內容方面，GPT-4 將為摩根士丹利的財富管理部門提供全球公司、行業、資產類別、資本市場和不同地區不斷更新的最新信息。此外，這次合作還旨在利用人工智能技術優化客戶服務，簡化業務流程，還能為金融行業的數字化轉型注入新的活力。2023年 3月底，全球知名的財經、金融資訊和數據公司彭博（Bloomberg）發布了專為金融界打造的大型語言模型BloombergGPT，這是一款基于其幾十年來收集數據的 AI 系統。BloombergGPT 的訓練數據庫由一系列英文金融信息組成，包括新聞、文件、新聞稿、網絡爬取的金融文件以及提取到的

104、社交媒體消息。彭博稱，BloombergGPT 將協助彭博改進現有的金融 NLP 任務，如情感分析、命名實體識別、新聞分類和問答等，其準確性和可靠性都比較突出。此外，BloombergGPT 還可以為金融領域的客戶提供許多方便快捷的服務，例如智能投資、風險評估、客戶支持等。在數據要素資產化方面，光大銀行取得了以下幾個方面的成果：數據資產管理平臺的構建，數據資產目錄的建立，數據資產共享與流通，以及數據資產價值評估。光大銀行在數據資產管理平臺上進行了大量投入，建立了一套行之有效的管理體系。該平臺具備數據整合、數據存儲、數據計算、數據分析、數據應用等功能，能夠實現數據全生命周期的管控。光大銀行還建立

105、了完整的數據資產目錄，對所有數據資源進行了分類、編碼和標準化。該目錄能夠清晰地展現數據的來源、含義、關系和價值等信息，為內部用戶提供了便捷的數據查找和利用服務。通過構建數據服務總線，光大銀行實現了數據資產的內部流通和共享。不同的業務部門之間可以方便地共享和交換數據，從而降低了數據冗余和提高了數據利用效率。在數據要素資產化過程中，通過引入專業的評估方法和工具，對各類數據資源進行量化評估，從而為銀行帶來了更加全面和準確的數據價值認知。通過建立完善的數據資產管理體系，光大銀行實現了數據的高效整合、存儲、計算、分析和應用。同時，通過數據共享與流通和價值評估等工作，充分挖掘了數據的內在價值，并為銀行業務

106、發展提供了有力的支撐。這一案例也為其他機構提供了具有借鑒意義的范例。中國螞蟻金服集團于 2018年推出了“螞蟻金服鄉村信用”這一農村信用體系創新項目。中國農村的金融服務長期以來一直存在覆蓋面不廣、服務質量不31高、授信難度大等問題。許多農村用戶無法享受到正規金融機構的服務，導致他們在生產、生活等方面面臨諸多不便。為了解決這一問題，螞蟻金服通過大數據技術，將農村用戶的各類信息轉化為信用數據，為農村用戶建立信用檔案，并提供信用貸款、支付、保險等金融服務。螞蟻金服鄉村信用自推出以來，已經在中國的許多農村地區得到推廣和應用。通過大數據技術的支持，該項目成功地將現代金融服務引入到農村地區，使更多農村用戶

107、享受到便捷、優質的金融服務。同時，螞蟻金服鄉村信用也有助于提高農村金融服務的競爭力和創新力，推動中國農村金融事業的發展。3.3 新技術與創新工具推動行業應用不斷深化3.3.1 可信互聯技術談到金融數據要素市場上的應用，我們把其分為個人金融數據要素和產業金融數據要素，近幾年國家出臺的數據安全法及個人信息保護法等法律法規對金融數據要素涉及個人信息的要求，在各類金融機構內已經做到了嚴格的監管和監控。我們主要來看產業市場中的供應鏈金融涉及的產業金融數據要素領域中技術應用的發展。在實體企業融資難、融資貴的大背景下，互聯網和大數據技術的深度應用，使供應鏈金融越來越受到關注。中共中央、國務院高度重視供應鏈金

108、融工作，各部委圍繞供應鏈金融發展問題制定出臺了一系列政策措施大力支持供應鏈金融創新、提升服務實體經濟效率等。供應鏈金融業務以其強場景化屬性、與產業鏈緊密結合，可服務到核心企業上下游企業等特性，得到金融機構、核心企業、上下游企業等市場主體的青睞。但多數供應鏈金融業務，在開展過程中仍面臨風險控制難、操作效率低、實施成本高等問題。隨著以人工智能、區塊鏈、云計算、大數據、物聯網等為代表的信息技術逐步深入應用，實現了從風險控制、效率提升、成本降低等方面對傳統金融業務進行優化升級。供應鏈金融的本質是金融，而金融經營的是風險，科技不能杜絕風險，但可以識別風險、監測風險、量化風險，并提供金融風險定價的支持。首

109、先，在新一輪科技革命和產業變革的背景下，伴隨互聯網、人工智能、大數據、云計算、物聯網、區塊鏈等信息技術與金融業務深度融合，金融領域的科技應用逐步從信息化建設往數字化發展。金融行業的數字化轉型可以分為金融行業自身轉型和科技行業帶動金融行業轉型兩個方向，兩個方向殊途同歸，都將帶動金融行業內的數字化技術應用登上一個新的臺階。32其次，對于供應鏈金融而言，宏觀經濟、行業趨勢及企業管理層面不確定性一直在。對大數據、云計算、人工智能、物聯網、區塊鏈等整合運用并形成綜合性分析工具及解決方案，可以解決較多供應鏈金融領域的痛點問題。根據供應鏈金融流程的特性進行分析，前述科技手段可在供應鏈金融貸前風險評估、貸中資

110、產審核、貸后運營監管三個環節，實現供應鏈金融的風險控制、效率提升、成本降低的管理。從技術應用及數據要素的角度具體包括業務信息化建設、信用評估數據支撐、商業信用數據評估、交易審核的 AI 支撐、風險監控的物聯網數據支撐、動產融資的物聯網監管幾個方面。首先在業務信息化建設方面，信息化建設是金融科技運用于供應鏈金融場景的基礎，也是積累金融數據要素的基礎。供應鏈金融參與主體及所涉環節眾多，包括金融機構、核心企業、供應商、第三方合作方等，需對商流、資金流、物流、信息流四流進行最大程度管控，業務環節包括客戶準入建檔、主體信息收集、信用風險評估、交易風險評估、資產審核可視、發票核驗、中登登記、對賬管理、回款

111、管理、押品管理、資產池循環等，需要盡可能將所有作業環節實現信息化，所有的業務數據都入庫入表，完成金融數據要素的初始積累。其次在信用評估階段，金融數據起到了越來越大的作用。在主體信用評估方面，核心企業信用是供應鏈金融的展業基礎，供應鏈金融需要重點評估核心企業信用，并在一定程度上評估上下游供應商或經銷商信用。通過運用大數據、人工智能等方式，對被評估主體及其法人相關信息進行數據采集、數據挖掘，包括工商、司法、稅務、財務、輿情、失信等信息，并通過數據建模、評分卡模型等方式，實現對企業主體的大數據信用進行量化評估，進而提升信用評估的準確性、客觀性、實時性。再次在交易風險評估方面，供應鏈金融領域的交易風險

112、評估也可稱為債項評估，需要通過多方數據互聯、大數據分析等方式，對貿易基礎信息如退貨率、交易年限、供應商集中度、金融的應收賬款集中度、關聯交易等進行數據獲取并交叉驗證分析，以確定貿易雙方的交易真實性、合理性及穩定性，最大限度控制交易欺詐風險，并提高交易風險評估效率。從商業信用評估中，利用金融數據要素進行穿透式評估，完成核心企業信用對上下游企業的傳遞。在此過程中，利用區塊鏈技術和物聯網技術，通過算法遍歷并驗證交易網絡中融資的各級數據，包括各節點的計算機系統、操作現場、社會信用系統等獲取的數據和中間件、硬件等獲取的節點數據，實時、動態、多維度地實現數據交叉驗證，提高數據的可靠性，例如采購數據與物流數

113、據匹配、庫存數據與銷售數據印證、核心企業數據與下游鏈條數據的可靠性對33比，以降低信息不對稱所造成的流程摩擦。在存貨融資領域，區塊鏈技術聯合智能倉儲、智慧物聯網、人工智能和大數據分析等技術能力，通過密鑰與數字證書可以確保業務參與方以真實身份通過區塊鏈實現線上多方協議并簽署電子合同，并可支持電子倉單的流轉，最終有效解決傳統倉單質押融資過程中的身份信任、風險管控以及效率低下等問題。區塊鏈技術的運用，較好地實現了核心企業信用轉化為數字資產，并在不同的參與方之間高效傳遞，加速了整個供應鏈金融效率。在金融類交易審核過程中，數據要素結合人工智能大數據及云計算，完成自動化的智能審核，效率通常是人工審核的幾十

114、倍?；谝陨霞夹g的自動化審核為合同、發票、履約證明等供應鏈金融交易單據的準確、高效審核提供了極大便利。供應鏈金融在交易審核環節，需要對合同、發票、履約證明等信息進行審核，應用圖像識別、OCR（光學字符識別）、NLP（神經語言程序學）、智能語音識別等人工智能技術，可極大地提高審核效率。此外，通過交易信息數據化，還可通過大數據校驗方式進行交易比如物流供應鏈金融場景下，可借助物流運輸車輛的 GPS 地圖運輸軌跡，對交易真實性進行核驗。在大量圖像、視頻、語音等的存儲、運算、調用等方面，通過云儲存云計算極大地節約成本。概括地講，這些業務數據可以統稱為金融要素數據。在金融貸后風險控制方面，金融數據要素的評

115、估應用既涉及對主體信用變化的監控，也可能涉及其他對融資回款有影響的因素監控，如存貨貨值、交易異動，甚至行業風險變化等風險監控以大數據信息采集、分析為主，并結合物聯網、人工智能等技術，對核心企業輿情、上下游交易異動變化、貨品市場行情波動等進行監控分析，實時關注融資回款的負面要素，并及時進行風險預警。在動產融資監管場景下，在抵質押期間如何有效對押品進行監控，確保不發生盜貨、損貨等情況是需要重點關注的問題。重點借助物聯網 RFID（電子射頻識別技術），以及智能車牌識別、標簽識別、電子圍欄等技術，生成物聯網電子倉單，并可對貨物實現實時監管及預警，極大地提升了人工監管的效率及信息準確性、預警實時性。膠東

116、供應鏈在山東青島港實施的案例中，充分體現了區塊鏈、大數據、云計算、物聯網、人工智能在金融數據要素在金融貸前、貸中、貸后階段起到的重要作用。其為青島當地某港口倉儲企業運用打造了供應鏈綜合服務平臺，支持倉單融資、應收賬款融資、海外貿易代理采購三種供應鏈金融業務模式。在倉單融資場景中，該平臺基于區塊鏈開展倉單融資業務，通過配合智能倉設施與倉儲運營管理系統，融資用戶完成質押品入庫后，品種、重量、數量等押品信息可自動化傳輸至區塊鏈平臺，根據數據對接傳輸的結果，平臺生成對應鏈34電子倉單，融資用戶持有區塊鏈電子倉單，通過供應鏈綜合服務平臺向資金融資申請，且雙方可在線上完成全流程操作。最后，在基于供應鏈金融

117、為基礎的產業鏈金融領域，通過具體的產業互聯網的發展與產業鏈金融服務互為促進。產業互聯網對行業的智能化、數據化、可視化改造，將主體情況、產業鏈情況、大數據信息等更加全面、持續地展示給金融機構，同時借助區塊鏈、人工智能等工具，更好地發現信用、傳遞信用、監測信用，為金融機構提供更加優質的業務場景及安全資產。而產業鏈金融服務，可更加貼近場景，為產業生態注入有氧血液，更好地促進產業生態高效、穩健發展。3.3.2 數據流通技術數據從“資源”到“資產”到“要素”的轉變，關鍵在于流通，然而，數據流通共享將導致數據安全形勢更為嚴峻，威脅個人隱私、商業秘密，甚至國家機密。隱私計算對保障數據安全流通和發揮數據資源價

118、值具有重要意義。隱私計算可以從三個方面賦能數據要素流通：一是隱私計算“數據可用不可見，數據不動價值動”的特性可有效保障數據安全和用戶隱私；二是隱私計算可提供監管接口實現“數據可監管可追溯”，保障數據全生命周期安全；三是隱私計算可有效分離數據所有權與使用權，讓數據交易與價值核算合理化。金融業是數據密集型行業，金融業借助隱私計算技術，基于內外部數據進行聯合建模，可實現智能風控、精準營銷、保險聯合營銷、金融反欺詐、反洗錢、中小微企業金融服務、存量客戶運營，解決金融數據利用過程中面臨的數據安全問題、數據孤島障礙和金融監管限制，促進數據價值釋放。隱私計算不是單一的技術，而是一個技術體系，主流技術路線可以

119、分為三類：基于密碼學的多方安全計算、基于分布式機器學習的聯邦學習和基于可信硬件的可信執行環境，三大技術經常協同融合，優勢互補，以滿足不同場景下的隱私計算需求。（一）多方安全計算多方安全計算（MPC）是指在無可信第三方情況下，多個參與方協同完成計算目標，并保證每個參與者除計算結果外均不能得到其他參與方的任何輸入信息。例如，兩個百萬富翁 A和 B 想比較誰更富有，但又不想泄露自身財富值。多方安全計算可在不泄露 A、B 財富值的情況下，完成計算分析任務，不僅能夠實現數據的共享和協作，還能夠確保數據在計算過程中的保密性和完整性，確?！皵祿捎貌豢梢姟?，從根本上消除數據泄露和篡改風險。35目前市場上常見

120、的安全多方計算框架多達數十種，包括 ABY3、EMP-toolkit、SPU、MP-SPDZ 等。每種框架效率、安全性、參與者數量不同，需根據應用場景適配合適框架。多方安全計算具有“去中心化”“計算高效”“輸入隱私”三大特點，適用于多方聯合數據分析、隱私求交、數據安全查詢、數據可信交換等應用場景。在金融領域，多方安全計算可在風險控制、聯合營銷、供應鏈金融等方面發揮重要作用?；诙喾桨踩嬎慵夹g可實現不同主體多維度數據融合，橫向打通銀行同業、政務、互聯網、運營商等多維數據，實現海量數據資產的價值轉化，助力金融業數據生態建設。目前，眾多金融機構正在積極探索多方安全計算技術在智能風控、精準營銷、保險

121、聯合營銷、金融反欺詐、反洗錢、金融保險黑名單安全查詢、金融監管等場景下的應用，并取得了初步成效。（二）聯邦學習聯邦學習（FL）指在多個參與方在不交互原始數據的情況下，通過安全機制交互模型參數，從而達到協同訓練效果的分布式機器學習方法，可實現在保障數據隱私安全及合法合規的基礎上共同建模。以三個參與方 A、B、C 共建機器學習模型的場景為例，A、B、C 各自擁有一定數據，通過加密樣本或特征對齊確認共有數據樣本或特征，再利用加密模型訓練完成三方模型參數的計算與更新，形成聯邦學習模型。在此過程中，A、B、C 各方的數據均保留在本地，只交換加密過的模型參數和中間結果。聯邦學習可分為橫向聯邦學習、縱向聯邦

122、學習、聯邦遷移學習。橫向聯邦學習的本質是樣本的聯合，即聯合多個參與者的具有相同特征的多行樣本進行聯邦學習?？v向聯邦學習本質是特征的聯合，即在兩個數據集的用戶重疊較多而用戶特征重疊較少的情況下，將已有的數據集進行縱向維度的切分。聯邦遷移學習強調在任何數據分布、任何實體上，均可以進行協同建模學習，但落地較困難。聯邦學習具有隱私保護、數據共享、訓練效率高、靈活性強、模型質量無損等優點。同時，聯邦學習也面臨著安全威脅、性能瓶頸等問題，行業從業者在普通聯邦學習技術基礎上，克服原有的弊端和風險，提出了安全聯邦學習技術，幫助實現隱私保護和跨機構數據共享的雙重目標。近年來，國內外部分金融機構已積極開展聯邦學習

123、應用，主要用于風控、營銷、反洗錢等方面，例如，在信貸風控場景中，利用聯邦學習可幫助建立一套應用于零售客群和產品的申請信用評分與欺詐評分，在確保數據提供方數據安全以及隱私保護的情況下，為銀行融匯企業經營數據、稅務數據、工商數據、支付數據等多源信息，豐富建模特征體系，共同提升模型的有效性。36（三）可信執行環境可信執行環境（TEE）是指在計算平臺上使用軟硬件方法構建的一個安全隔離區域，保護運行在其中的代碼和數據免受外部攻擊，從而保證區域內擁有的數據和代碼的機密性和完整性?？尚艌绦协h境通過隔離敏感數據、數據加密、代碼完整性檢查及遠程認證來確保安全執行。目前，可信執行環境主流方案有 Intel SGX

124、、ARM TrustZone、AMD SEV、以及國產海光 CSV 和鯤鵬 TrustZone 等。其中，Intel SGX 是一組用于增強應用程序代碼和數據安全性的指令，該指令允許用戶代碼創建具有高訪問權限的私有內存區域（Enclave-飛地），飛地中的數據只有在 CPU計算時，通過 CPU 上的硬件進行解密，OS/VMM/BIOS 均無法私自訪問飛地。ARM TrustZone 是系統范圍的安全方法，通過對原有硬件架構進行修改，在處理器層次引入安全世界和普通世界兩個不同權限的保護域，任何時刻處理器僅在其中的一個環境內運行，實現了安全世界與非安全世界的分離，提高了系統的整體安全性。AMDSE

125、V 技術是一種基于硬件的安全虛擬化技術，可以保護虛擬機的內存數據免受物理攻擊。AMD SEV 使用加密技術將虛擬機內存數據與虛擬機實例關聯，從而提供更高的安全性。海光 CSV 是海光自主研發的安全虛擬化技術，采用國密算法實現，CSV 虛擬機在寫內存數據時 CPU 硬件自動加密，讀內存數據時硬件自動解密，每個 CSV 虛擬機使用不同的密鑰。鯤鵬 TrustZone 是一種基于 ARM標準架構進行的安全擴展，新引入了一個額外的可信執行環境（TEE），和原有的執行環境從芯片架構上進行了隔離，確保運行在 TEE 內的應用的安全可信，解決用戶的“數據在使用中”的安全問題?？尚艌绦协h境技術憑借芯片級的保護

126、方案，具有安全性高、可信任性強、靈活性高、兼容性好、節約成本等優勢，在金融風控、金融支付、身份認證等場景有著廣闊的應用前景。3.3.3 中文大模型當前，迅速發展的大模型正在成為 AI 新型基礎設施，并被廣泛運用于金融等多個行業。大模型是指參數量巨大、能力強大的人工神經網絡模型，以其卓越的表現在自然語言處理、計算機視覺、語音識別等領域贏得了持續的關注和青睞。尤其是金融領域，場景豐富，數字化程度高，是大模型落地應用的最佳場景之一，大模型在風險管理、欺詐檢測、客戶服務等場景中有著重要作用，多家金融科技企業爭相涌入大模型賽道。2023 年 3 月，全球最大的財經資訊公司彭博社發布擁有 500 億參數的

127、大型語言模型BloombergGPT，標志著全球首個金融大模型的誕生，掀起了國內金37融大模型的浪潮。在金融大模型浪潮中，海通證券、申萬宏源、廣發證券、興業證券、長江證券、西南證券、國海證券、國盛證券、華福證券、財達證券 10家券商宣布成為百度“文心一言”首批生態合作伙伴，以同花順、東方財富為代表的財富管理運營商也公告稱將重點打造 AI 投顧平臺，深入 AIGC、交互式 AI 等領域的研究，完善內容生態構建，增強智能運營能力。同年 5 月份，在大模型領域布局已久的度小滿，正式開源國內首個千億級中文金融大模型“軒轅”。軒轅大模型是在 1760 億參數的 Bloom 大模型基礎上訓練而來，在金融名

128、詞理解、金融市場評論、金融數據分析和金融新聞理解等任務上，效果相較于通用大模型大幅提升，表現出明顯的金融領域優勢。同年 9 月份，度小滿“軒轅 70B”金融大模型開源并公布在 C-Eval、CMMLU 兩大權威大語言模型評測基準的成績。數據顯示，在 C-Eval 榜單上，XuanYuan-70B 的總成績達到 71.9分；在 CMMLU 榜單中，以 71.05分的高分位居榜首，在兩大權威榜單上的所有開源模型中排名第一，也是國內首個同時在兩大權威榜單排名第一的金融大模型。C-Eval 榜單是由清華大學、上海交通大學和愛丁堡大學合作構建的綜合性考試評測集，幾乎囊括了所有國內外的主流模型，覆蓋人文、

129、社科、理工、其他專業四個大方向的 52 個學科，共有 13948個多項選擇題和中學、本科、研究生、職業等四個難度級別，是目前對模型潛力判斷最具權威性的大模型榜單之一。CMMLU 數據集是一個綜合性的中文評估基準，由 MBZUAI、上海交通大學、微軟亞洲研究院共同推出，專門用于評估語言模型在中文語境下的知識和推理能力，共涵蓋了 67個主題，涉及自然科學、社會科學、工程、人文以及常識等。度小滿“軒轅 70B”金融大模型經過海量金融數據訓練，明顯對金融知識理解更專業、更精準，可控性、安全性更高，對金融問題回復更專業。圖圖 3-3 金融大模型發展關鍵里程碑金融大模型發展關鍵里程碑38在度小滿的大模型實

130、踐中，高質量的通用數據、金融數據、業務數據是金融大模型重要的壁壘，度小滿數據智能部總經理、技術委員會執行主席楊青表示，經過清洗和標注的高質量數據集，不僅在通用性方面與 ChatGPT 達到持平成為可能，且顯著提升了模型在金融垂直領域的性能。度小滿軒轅數據集包含了諸如金融研報、股票、基金、銀行、保險等方向的專業知識。通過在訓練過程中加入大量金融對話數據并針對金融領域進行特定的預訓練調優，軒轅在金融垂直領域的表現得到了顯著提升，在金融專有領域內容理解和生成上展現出卓越的能力。圖圖 3-4 度小滿軒轅度小滿軒轅 70B金融大模型覆蓋數據集分類金融大模型覆蓋數據集分類作為人工智能基礎設施的“三駕馬車”

131、之一，數據的重要性一直不言而喻。隨著大語言模型熱潮進入高峰期，業界對數據的關注度前所未有，當大模型發展走向更深度，比如行業大模型，所需的數據就不是互聯網免費公開的數據了，要訓練出精度極高的模型，需要的是行業專業知識，甚至商業機密類型的知識。證監會科技監管局局長姚前建議，可以以大模型訓練數據為抓手，構建大模型訓練數據要素市場。厘清訓練數據采集處理、合成數據服務、大小模型互聯互通、應用 API 之間的產業鏈。加快數據要素市場建設，為訓練數據提供市場化定價，以利權益分配與激勵。由此可見，正是由于數據對大模型的重要作用，使得數據需要快速地流動和交換，大模型的應用，也幫助挖掘數據的潛在價值和用途，使得數

132、據的價值得到進一步提升。大模型推動數據要素市場化具有重要的意義，在市場化的背39景下，大模型可以促進數據要素的市場化交易，推動數據要素市場化的發展，為經濟發展注入新的動力。3.3.4 金融行業算法模型金融行業的技術創新和應用主要集中在區塊鏈技術、移動支付、大數據和云計算等相關的方面。隨著技術的不斷進步，科技的創新會讓更多的應用在金融行業出現，改變金融行業的發展方向，同時也對金融行業的基礎安全提出了更高的要求。金融行業的安全運行，防范和化解金融風險，維護金融市場的穩定，都是在行業創新發展的過程中不可忽略的問題。金融行業的基礎安全是金融市場穩定和可持續發展的關鍵，而黑灰產的存在，是破壞金融基礎安全

133、的關鍵問題。伴隨金融領域的創新，相關黑灰產的作案手法同樣在做“技術升級”，面對擾亂金融市場秩序、侵害財產安全、破壞金融生態等金融行業基礎安全問題，金融科技行業在技術防御領域升級和創新的必要性顯得尤為突出。對于金融行業而言，黑灰產在金融領域最大的需求就是資金的轉移，如何精準識別黑灰產的資金出入，是防范和化解黑灰產對于金融行業風險的最大挑戰。在現有的技術條件和金融環境下，模型算法在風險控制領域中應用廣泛，主要通過數據采集、建立規則、定義行為等方式對于不同的可疑行為建立不同的風險計量標準和算法模型，通過技術手段對各種可疑行為進行監測和分析，實施不同的應對策略。通過新發案件的核心要素進行提煉，不斷更新

134、算法模型，以確保模型算法在實際應用當中預警的高效性和有效性。黑灰產當中以金融詐騙對普通民眾的影響最大，涉及面最廣，長期以來一直是金融行業的重要風險防范點。而金融詐騙呈現“變化多”“更新快”“技術新”等特征，其中包括電信網絡詐騙、虛假交易、非法貸款、惡意刷單等各種行為。而在打擊過程當中，又因為案件的偶然性和隱蔽性很難在第一時間發現并做好金融防范和隔離。作為金融行業科技公司，杭州數盒魔方科技有限公司（以下簡稱：數盒魔方）把目光精準定位在了黑灰產的收款賬戶上，無論詐騙手段如何變化，收款作為詐騙實施的最后一環，如何識別相關黑灰產的收款銀行卡，成為技術層面不可跨越的一道門檻。通過多年的技術沉淀，以及相關

135、部門和數字科技公司的合作，數盒魔方通過對于黑灰產的長期跟蹤和大量的案例分析，梳理并提煉了黑灰產整個運作鏈條中的關鍵節點，針對黑灰產的收款環節，建立了一整套完善的算法模型，在精準識別涉賭涉詐涉洗錢的莊家收款卡方面擁有獨特的優勢，而實際的效果在相關金融機構的使用過程中得到了充分驗證。40數盒魔方精準識別了大量涉賭涉詐網站以及 APP，通過對于這些涉賭涉詐網站以及 APP 在技術層面實現的 24 小時巡檢，第一時間獲取到黑灰產的收款賬戶，而這些數據的獲取可以應用在對于金融機構自身的風險排查，通過對于自身銀行卡的風險識別，結合大量相關的數據監測，及時發現黑灰產的相關行為，廣泛應用于反賭反詐反洗錢領域。

136、而數盒魔方所采用的區塊鏈去中心化技術，采用 API 接口調用方式查詢，整個查詢過程從發起到返回結果耗時僅 500毫秒，能讓數據做到毫秒級響應，滿足實時應用場景的需求。數盒魔方的 24小時巡檢系統能夠在電信詐騙還未發生的情況下獲取到相關的涉賭涉詐銀行卡數據，在用戶發生交易或者轉賬等行為的同時，金融機構通過 API 接口調用的方式實時獲取交易對手方銀行卡的涉賭涉詐風險標簽，一旦命中，即刻根據風險等級以及相對應的處置方案做出人臉識別、電話確認、延緩到賬等相關措施，達到保護金融資產的目的。從長遠來看，算法模型在自我更新的過程中會加入更多的創新元素，尤其在金融行業創新的大背景下，每一個新興環節的出現都會

137、伴隨風控策略的調整。而技術創新帶來的風險防控的盲區，都需要在算法模型領域進行及時的填補。當然，其他創新技術的革新也會給算法模型的更新帶來更多的機會和可能。例如人工智能技術，后續會在金融算法模型領域會有更高的參與度，通過 AI 的深度學習，可以提升模型算法在發現涉賭涉詐相關信息的能力，也可以通過擴大檢索信息的范圍，加強對于用戶行為的關注和分析，及時發現并防范涉賭涉詐行為的發生。而區塊鏈技術提供了一個透明可信的交易方式，在金融領域的算法模型后續更新中會起到至關重要的作用。通過對于算法模型的技術更新和應用創新，在金融行業的不斷演化過程中，算法模型的實際應用會成為金融風險防范的重要一環。3.4 平臺建

138、設賦能金融行業數據要素市場化“十四五”國家信息化規劃提出：“提升數據要素賦能作用，引領和創造新需求?！苯鹑跈C構掌握了大量的金融交易數據和客戶敏感信息，既是數據的生產者，也是數據的分析和存儲者，金融機構應主動融入數據要素市場化探索，利用數據并釋放數據價值。金融數據從數據資源金融數據資產金融數據產品整個過程，需依托關于構建數據基礎制度更好發揮數據要素作用的意見為指引，并落實到整個金融數據全生命周期管理過程，可概稱為：數據要素市場下的數據治理，具體見下圖所示：41圖圖 3-5 數據要素市場下的數據治理和金融數據全生命周期模型圖數據要素市場下的數據治理和金融數據全生命周期模型圖從信息時代初期的數據存儲

139、、處理，過渡到發展階段的發揮數據輔助性功能，再到智能時代的數據要素化和數據要素化應用，數據已像資產一樣在社會中流通，與企業業務深度融合，將以人為軸拉起的業務鏈條變為以數據為軸的業務鏈條，業務數據化運營，為企業實現降本增效。數據從原始數據形態邁入終極數據要素市場，需要經歷大致幾個階段：第一階段，通過業務數據化將原本未上線數據線上化，整合優化 ERP 系統、CRM 系統、SAP 系統、財務系統、OA 系統等信息系統。見下圖所示：圖圖 3-6 數據要素市場化第一階段：業務數據化數據要素市場化第一階段：業務數據化42第二階段，數據資源化，相當于“石油開采”。就像埋藏在地下的石油不經過開采就無法變成有價

140、值的資源一樣，在不經過任何處理的情況下，現實中的數據常常是分散的、碎片化的，沒法直接利用以產生價值。對這些“原料”狀態的數據進行初步加工，最后形成可采、可見、互通、可信的高質量數據，就是數據資源化過程。圖圖 3-7 數據要素市場化第二階段：數據資源化數據要素市場化第二階段：數據資源化第三階段，數據資產化。數據資產同實物資產，無形資產一樣。2023 年，中國信通院發布的數據資產管理實踐白皮書（6.0 版）中資產的概念出發，規范明確了數據資產的范疇，具體是由組織合法擁有或控制的數據，以電子或其他方式記錄，例如文本、圖像、語音、視頻、網頁、數據庫等結構化或非結構化數據，可進行計量或交易，能直接或間接

141、帶來經濟效益和社會效益。相當于“石油煉化”，原油從地下開采出來以后，經過一個龐大的煉化工藝體系，轉化為適用于不同用途的燃料和化工原料，原油的價值才能得到最大限度發揮。這一過程中應圍繞數據的經濟屬性，開展數據資產管理平臺搭建、數據資產價值評估、數據資產定價等工作。圖圖 3-8 數據要素市場化第三階段：數據資源化數據要素市場化第三階段：數據資源化43第四階段，數據要素化市場。數據中蘊含了經濟社會運行從宏觀到微觀方方面面的規律和機理，潛在價值無比巨大，但數據本身并不能直接產生價值。只有把數據與具體的業務場景融合，才能在引導業務效率改善中實現其潛在價值，實現這個價值需要構建數據要素化市場。其本質是數據

142、驅動業務變革，通過“數業融合”實現數據價值的過程，更多體現為一個產業經濟過程。將數據變成維系數字經濟運行及市場主體生產經營過程中所必須具備的基本要素。圖圖 3-9 數據要素市場化第四階段：數據要素化數據要素市場化第四階段：數據要素化44第 4 章 金融行業數據要素市場化的挑戰與應對策略4.1 金融行業數據要素市場化的挑戰4.1.1 數據產權規則不完善當前，我國數據要素市場處于快速發展階段，前景廣闊。然而，確權難、流通交易難等問題成為數據要素市場發展面臨的瓶頸?！皵祿嗬麤_突”的復雜性，是導致數據確權難的根本原因，具體來說有以下幾方面因素：（一）混合權利主體導致的沖突數據確權難，與數據的“混合權

143、利主體”特性緊密相關。企業數據資源，是典型的多種主體混合權利的集合體，企業數據經營活動全過程，包含數據生成過程的多元主體、數據處理過程的多維主體、數據權利治理的多方主體。有效識別數據權利主體，是企業數據確權路徑中的重要環節。企業數據生產環節存在多元主體。信息通過電子化記錄產生數據的過程，至少涉及兩種類型的主體，即信息源主體（單一或多個）、電子化記錄主體。數據生成環節對數字技術具有依賴性，即計算機及網絡傳輸設備、操作系統及應用軟件等。企業從事數據電子化記錄和處理過程中，需要各類數字技術產品與服務方的參與。因此，企業數據中既涉及信息源主體，還涉及電子化記錄處理主體等，是造成數據生產環節多元主體共存

144、的現狀原因之一。而如何界定各方對共同作用產生數據的權利，是數據權利主體沖突的一個分析難點。企業在數據處理過程也存在多維主體。企業數據經營活動，導致數據客體、數據主體及權屬持續動態變化。企業對信息和數據的處理活動，如收集、存儲、使用、加工、傳輸、提供、公開等行為，會不斷增加數據源主體、信息處理主體，因此企業數據權利主體呈現多維特性。如何針對數據處理過程的多維主體，進行權益界定與分配，是企業數據混合界權的難點。此外，企業數據權利治理中存在多方主體。企業數據關系到企業經濟利益，又可能影響個人和其他組織權益，甚至國家主權利益，解決權利沖突的企業數據權利治理活動，需要企業內部權力部門與外部社會權力機構共

145、同作用。個人、企業、協會組織，以及立法、司法、行政等公權力機構，都是企業外部數據權利治理的主體。（二）數據權利理論導致的沖突權利理論的一些基本觀點尚未形成共識。在數據權利理論方面，中國學界提出的權屬主要是圍繞人格權、財產權、隱私權、商業秘密權、知識產權等權益主張，不足以涵蓋數權世界中的動態結構和多元欲求。數據產權理論，是否45適應人工智能技術發展，有學者提出數據與所有權邏輯具有內在沖突，基于數據的特征對數據不能作類似有體物那樣的所有權安排。需要選擇恰當的數據權利理論，解決當前和未來數據權利沖突。（三）數據市場制度導致的沖突數字技術快速發展，加劇權利制度沖突。數據權利需要來自社會體制的認可與保障

146、，但法律制度所確立的權利邊界的模糊性，和相較于社會發展的滯后性，成為引發權利體系沖突的重要原因。此外，各國政策法規制定，圍繞“數據安全保護、促進信息利用、規范市場發展”三個方向權衡，不同權力部門間利益博弈還會引發制度內部沖突。與傳統的財產權不同，數據產權呈現出“非排他性”，在數據權利配置時，我們就有意淡化數據所有權，轉而強調數據持有權。且針對不同類型的數據，因其各自的特性，應分級分類進行確權授權。不同類型數據要求側重不同：根據個人數據、企業數據和公共數據進行分級分類，個人數據重點要求對人格權的保護；企業數據重點完善產權制度保護以及限制和例外；公共數據著重推動數據共享以及探索公共數據運營模式。但

147、這其中，或多或少都會存在規則不完善的地方。例如，就企業數據而言，除企業本身持有的數據以外，企業數據會進行衍生，但目前對衍生數據的保護還有沒有明確的規則。數據產權登記審查：基于已經出臺的深圳市數據產權登記管理暫行辦法、浙江省數據知識產權登記辦法、江蘇省數據知識產權登記管理規則和北京市數據知識產權登記辦法，當前的規則均采取登記機構形式審查規則。但同時應考慮到數據來源的合法性、數據內容的合規性、數據產品的復雜性，數據產權的實質審查依舊是不可避免的問題。以上四項規則中，深圳市數據產權登記管理暫行辦法提出將實質審查義務委托第三方機構進行認證，以確保其合法合規。未來，登記機構的審查邊界是否發生變化，仍有待

148、關注。4.1.2 數據資產入表規則不完善財政部出臺的企業數據資源相關會計處理暫行規定對數據資產的確認、計量和報告等方面進行了規范，但在數據資產的成本拆分、使用壽命、資本化條件、經濟利益流入判斷可能性方面仍缺少明確的規則指引，主要可歸納為以下幾個方面：（一）數據資產的成本拆分規則不明確對于如何合理拆分數據資產的成本，當前缺少相關細則的指引，企業難以46準確核算數據資產的入賬成本。首先，企業內部的數據來源復雜，包括來自不同部門、不同系統和不同業務流程的數據，由于不同數據來源之間的成本關系復雜且不一致，導致成本難以準確拆分。另外，數據在企業內部經歷多個處理環節，包括采集、清洗、存儲、分析等，每個環節

149、都涉及到不同的技術和資源投入，每個環節都可能對最終數據產生影響，使得成本的拆分愈發復雜。（二）經濟利益流入可能性的判定規則不明確數據資源帶來的經濟利益是否很可能流入企業是數據資產認定的條件之一，然而目前仍缺乏具體的判定標準，企業難以判定哪些數據資源可以確認為資產。首先，數據資產的經濟利益可能通過多種途徑流入企業，例如客戶數據可用于促活拉新，也可用于產品和服務的研發應用，很難準確判斷哪種路徑最可能實現經濟利益的流入。其次，數據資產帶來的經濟利益受到市場環境的影響，包括市場競爭、供需變化、技術創新等因素，使判斷經濟利益流入的難度增加。此外，數據資產的價值取決于數據的質量、稀缺性、可用性等因素，而這

150、些因素往往難以量化和確定，使得經濟利益流入的判定愈發困難。（三）數據資產的使用壽命估算規則不明確對于如何合理估計數據資產的使用壽命，當前缺少相關細則的指引，企業難以對數據資產的價值進行合理攤銷。首先，由于技術的不斷發展和進步，數據的處理和分析方法也在不斷革新，新的技術可能會使舊有的數據資產在短時間內失去價值，因此難以準確預測數據資產的使用壽命。其次，數據資產的價值也會隨著市場需求、業務模式或行業變化進行變動，數據可能在某些時間段發生大的價值波動。另外，數據資產的質量可能會隨著時間的推移而下降，受到冗余、不完整、錯誤記錄等因素的影響，從而縮短數據資產的使用壽命。同時，法律法規的要求可能會強制數據

151、的刪除或銷毀，直接影響數據資產的使用壽命。（四）數據資產的資本化條件界定不明確企業數據資源相關會計處理暫行規定在數據資產的資本化條件判定方面，并未考慮到數據資產所天然帶有的時效性、可復制性等特殊屬性，導致企業難以判定將哪些支出資本化哪些支出費用化處理。首先，數據本身并不具備實物形態，其價值主要體現在對決策和創新的支持能力上，因此數據資產的價值往往難以量化。另外，數據的價值可能隨時間和環境的變化而變化，導致很難準確地判定數據資產是否具備資本化的條件。其次，數據資產往往可以被復制和重復使用，這使得其稀缺性、獨特性等難以穩定保持。與實物資產不同，數據資產的復制和傳播十分容易，導致數據的價值難以被完全

152、獨占，從而使得資本化的條件更加模糊。同時，數據資產通常由多項數據組成，我們很難去定47義、量化哪些數據產生了價值，產生了多少的價值，所以就更難去定義資本化還是費用化的支出。4.1.3 數據安全存在風險（一）數據泄露風險、數據被篡改的風險以及數據被破壞的風險依據我國數據安全法的有關規定，金融數據安全可概括為通過采取必要的措施確保金融數據處于有效地保護和合法利用狀態，以及具備保持持續安全狀態的能力。金融數據由大量個人信息和交易數據組成，包含了國民的個人敏感信息、企業資金流轉、商業機密信息、社會經濟活動等重要內容，具有復雜性、隱蔽性和易擴散性等特點，因此極大地影響國家安全、社會公眾利益及公民合法權益

153、。故，重視金融數據安全是保障國家金融系統的穩定，實現金融數據要素市場化的關鍵。金融安全的風險主要體現在數據泄露風險、數據被篡改的風險以及數據被破壞的風險，上述三類風險的爆發將導致金融數據的“機密性”“完整性”和“可用性”被打破。具體而言，金融數據的泄露風險是指數據在存儲、使用、傳輸等過程中被非授權的用戶訪問。通常情況下，攻擊方可通過破解加密、盜取口令文件、使用嗅探工具嗅探網絡流量、肩窺、實施社會工程等方式威脅機密性；金融數據被篡改的風險是指數據被非授權的篡改或授權用戶不恰當的修改數據的風險，從而導致了數據的完整性被打破。這種完整性既包括金融系統內容數據的一致性也包括金融系統數據與客觀的現實世界

154、的一致性即內部數據與外部數據的一致性。常見的數據完整性被破壞的場景包括主機感染病毒或木馬、網絡劫持篡改、操作系統內核文件被替換、應用層越權操作等。在金融領域尤其應當嚴格要求數據完整性保護，保證交易的完整性是維護金融系統穩定的重點，因此應當滿足事務的 ACID 特性，即原子性（Atomic）、一致性（Consistent）、隔離性（Isolation）和持久性（Duration）；金融數據被破壞的風險指的是授權用戶在無法及時、可靠的訪問數據，數據呈現了“不可用”的狀態。常見的應用場景包括緩沖區溢出、DDos 攻擊等導致授權用戶正常使用服務時遭到異常拒絕。（二）金融數據出境問題2022 年 11

155、月 11 日，中國銀保監會發布了中華人民共和國銀行業監督管理法（修訂草案征求意見稿），該征求意見稿第八條新增了有關銀行業金融機構數據出境的監管規定：“銀行業金融機構不得擅自向境外提供與業務有關的相關文件、資料、數據，法律、行政法規、國務院銀行業監督管理機構另有規定的除外?！边@意味著金融監管部門對金融機構數據出境相關規制的重視程48度得到了進一步加強。金融數據存在高敏感、高經濟價值的特點，通常包括個人金融信息、金融業重要數據以及其他數據。個人金融信息又包括賬戶信息、鑒別信息、金融交易信息、個人身份信息、財產信息、借貸信息等，反映著個人的信貸、金融交易等情況。因此，在對金融數據所承載的重要價值的安

156、全保障與滿足金融行業頻繁跨境活動的需求之間，存在著重大挑戰。（1）擬出境金融數據類型定位存在困難，可能影響金融機構對出境義務的識別。一些外資銀行所在地存在反洗錢監管規則或其他數據合規管理要求，往往會要求外資銀行向境外總部傳輸客戶的個人金融數據或報告行業相關的業務數據。然而，這部分數據一方面會涉及用戶的敏感個人信息，另一方面金融行業的業務數據以及個人金融數據衍生出來的統計數據，可能落入“重要數據”的范疇。根據 2022 年 1月 13 日信安標委最新公布的信息安全技術 重要數據識別指南（征求意見稿），重要數據是指“以電子方式存在的，一旦遭到篡改、破壞、泄露或者非法獲取、非法利用，可能危害國家安全

157、、公共利益的數據”。對于銀行等金融機構而言，海量的業務數據可能會被行業監管部門認定為重要數據，此外，基于大量個人金融信息形成的統計數據、衍生數據也有可能屬于重要數據。（2）金融數據出境的前置程序可能影響金融機構開展跨境業務的效率，加重合規成本。對于進行數據出境安全評估申報的場景而言，安全評估所需完成的準備工作繁瑣，需要清楚說明數據出境的目的、場景、數據類型、規模等情況，安全評估工作涉及企業內部法務、業務、IT 等多個部門的協同工作，還可能涉及聘請外部顧問單位協助完成數據出境安全評估工作。企業需要耗費大量的人力、物力準備數據出境安全評估申報材料，并對數據出境活動進行安全保障及有效監控。這會導致金

158、融機構或者相關企業在開展跨境業務時面臨較高的合規成本和時間成本。（3）金融數據出境安全評估流程及標準不夠透明，為金融機構數據出境帶來不確定性。金融機構若要開展數據出境活動，應根據數據出境的規模、出境的數據類型等因素的差異，開展數據出境安全評估申報、網信辦個人信息出境標準合同備案或者個人信息出境認證。對金融機構而言，因個人信息量大，可能涉及重要數據，極易觸發需要通過安全評估機制進行事前審批的要求，且無例外情形可以取得豁免。數據出境安全評估審批時效長，有效期短，重新評估要求高。數據出境安全評估辦法規定的安全評估時間周期至少為 57個工作日，且該評估結果有效期僅 2 年。評估結果到期失效、數據出境場

159、景、數據字段、目的等發生變化，都需要重新申報并經過評估。此外，金融數據的出境安49全評估涉及國家網信辦、省級網信辦、金融監管部門、第三方專業機構等多方主體，然而，各方主體未建立協同審批機制。對金融等專業領域數據出境必要性等問題判斷標準不透明，缺乏完善的指引和審批機制，可能導致審批過程中效率不高或結果不確定。4.1.4 金融資產持續運營風險不同于傳統的生產要素，數據要素擁有虛擬性、無限可復制性等特點，是以電子形式存在的數據要素非“實體”，并且需依賴網絡、算法、存儲等技術、資源才能釋放其價值。故，對于金融機構與金融行業其他市場參與主體而言，單一的業務指標無法使數據要素價值釋放，也無法體現數據要素的

160、技術屬性與經濟屬性。金融數據要素市場化的過程應當是一個集合了金融企業業務、金融數據、應用、技術及資源五大部分而形成的金融數據資產投入市場并且持續運營的過程。金融資產能否在市場持續運營，是數據要素市場參與各方的業務目標。以及應當重點關注的風險點之一?！俺掷m運營”決定了對該類風險管理應當是一種常態化、動態化和持續改進的過程，檢測監控該類風險的難度主要體現在以下三個維度。第一是監管規則維度。相較于其他行業，金融監管主體更復雜，除網信、工信、公安、市監等部門外，還包含人民銀行、金融局、證監會等主要監管主體。監管部門的復雜性也直接導致了監管規則的復雜性，例如在個人信息保護領域，中國人民銀行金融消費者（中

161、國人民銀行令2020第 5 號）等部門規章為主要執法依據，這在保護金融消費者合法權益，規范經營行為，提升市場金融服務質效的同時，加大了合規落地難度。第二是管理維度。對于金融數據資產而言，金融企業業務、金融數據、應用、技術及資源這五大部分密切關聯，且每一部分自身都可能涉及重大的合規風險，任一部分風險發生都可能影響其他部分或整體的運營管理。這使得金融機構與金融行業其他市場參與主體應具備全方位、多層次、規范化的管理能力，以平衡安全合規與發展金融數據要素。第三是技術維度。誠如前文對金融數據安全風險及數據要素特點的分析，對于金融數據收集、存儲、使用、加工、傳輸、提供、公開過程中所涉及的系統、網絡、操作等

162、均存在固有脆弱性，易受到外部威脅攻擊，這加深了對于技術手段的多元化與防護體系立體化的要求。4.1.5 技術能力風險（一）確權、授權區塊鏈技術仍需提升以實現三權確權。區塊鏈技術具有不可篡改、不可偽50造，可留痕、可存證的功能，助力數據資產形成目錄，將所屬權利人和數據相關聯。數據二十條將數據分為三種類型：公共數據、企業數據以及個人數據，數據權利包含三種：持有權、加工使用權以及產品經營權，弱化所有權。數據相互之間交叉，因數據具有可復制性，不同用戶對同一份數據持有不同的權利，同一份數據的同一權利可能被多個用戶持有。目前部分地區出臺公共數據授權運營管理辦法，一些數據仍舊需要得到個人用戶授權才能進行使用，

163、企業數據中是否涉及個人數據，在使用前如何獲得用戶知情同意。如何在復雜關系網下，對數據資產進行確權，在進行權利轉移與變更時，及時獲得用戶授權，且不泄露用戶和數據的隱私，需要設計確權機制和授權機制，通過開發對應高效、安全的智能合約，滿足不同場景下數據資產的確權、授權和交易需求。同時，需要研究和開發新的共識機制和擴展性技術，提高區塊鏈網絡的性能和可擴展性，來應對大數據、大模型數據資產應用。（二）異構平臺互聯互通數據要素是金融業重要的生產要素，各機構持有的隱私數據在流通中創造價值，同時也帶來了數據安全的挑戰。金融數據流通平臺可以解決以機構為單位形成的“數據孤島”的問題，然而不同項目、不同廠商打造的平臺

164、所采用的技術架構各異，在豐富市場選擇的同時產生了互聯互通的問題，造成“數據群島”林立。異構平臺互聯互通，是指讓不同的數據流通平臺互聯互通，通過統一規范的系統接口、算法協議、操作流程等，實現數據資源和計算能力的交互與協同。多方使用同一套互聯互通標準，有助于監管部門統一管理，提升數據流通的安全性和規范性，從而“織點成面”，打破“數據群島”，破除數據流通平臺間的數據流通壁壘。然而，數據流通平臺往往基于不同的技術架構和算法協議，難以實現跨平臺互聯互通。在應用過程中，異構平臺之間難以協同、難以互聯互通的原因主要是接口不統一、協議不一致、算法設計不統一、技術路徑不統一、數據管理不統一。此外，還存在各平臺之

165、間的身份認證體系不統一等問題。1.接口不統一數字化經濟基于數據的溝通和調用。API（Application ProgrammingInterface）接口能夠讓數據流通、應用集成更便捷、應用服務更安全，已在金融行業獲得迅速發展。為了應對金融科技公司持續對包括支付等核心銀行業務的擠壓，一些富有遠見的銀行主動采取了平臺化的開放戰略。他們開始主動與包括金融科技公司在內的諸多第三方機構合作，基于 API 連接，構建金融數據流通平臺。該戰略的實施給銀行帶來了新的發展機遇：銀行通過 API 技術以低成51本、高效率的方式打破了銀行數據孤島的窘境，幫助銀行快速實現產品和服務的創新和優化。與此同時，接口標準化

166、問題日益凸顯。API 標準化是各行各業都面臨的問題，在金融數據流通平臺乃至數據流通生態的構建過程中，由于合作范圍不斷擴大、合作數據源豐富多樣，這個問題變得日益迫切。因此，需要對關鍵應用程序編程接口（API）進行規范化與標準化，建立互聯互通的接口規范，讓數據流通平臺都可以通過開放的互通接口來實現與異構系統的交互和集成，一個金融機構無需部署多個系統，僅通過一套接口服務即可與外部各種數據源、數據平臺互聯互通，進行大數據協同的連接合作。2.協議不一致在異構平臺探索數據互聯互通時，通常會有大量數據采集方、數據提供方參與，這些數據源可能來自不同行業、領域，行業間、產業鏈上下游之間標準各異，從而帶來使用的通

167、訊協議不匹配、數據協議不兼容的問題。協議不一致，將導致數據采集的成本高、周期長、整合難，系統間數據傳輸難度與成本更是成倍提高。因此，需要針對協議進行進一步的規范化，建立數據流通平臺的數據交換標準框架，解決平臺異構協議兼容適配互聯場景中的應用問題，促進多行業、多數據源之間的互聯互通，滿足金融業務需求，讓金融大數據告別“數據群島”，真正成為現實。3.算法設計不統一數據流通平臺主要涉及隱私計算為代表的一系列算法，在此過程中，數據源方將數據加密后上傳至數據流通平臺中，或將數據存儲在私有云中；算法方基于數據源方的數據，在數據流通平臺中執行計算，生成計算結果供數據需求方進行使用。然而，隱私計算涉及應用的算

168、法方案多樣且算法實現本身極其復雜，存在諸多細節。各數據流通平臺提供商基于技術路線和商業利益考量，往往采用了不同的技術架構和算法協議，或者由于同一種算法存在完全不同的算法流程思路，又或是算法思路相同卻由于不同廠商通信框架及具體實現流程不同使得各方在算法設計上存在較大差異。以上種種原因導致了各平臺在算法設計上具有極大的差異性，異構平臺間無法直接互聯互通。要解決“數據群島”的問題，必須打破算法設計的壁壘。4.技術路徑不統一主流的大數據處理、流通的鏈路較長，且不同環節有著多種技術框架，不同的技術路徑之間在安全認證機制和等級標準上有非常大的差異，各數據流通52平臺提供方往往會結合項目要求和特點進行選擇。

169、因此，各異構數據流通平臺針對不同的客戶群體、不同的應用場景、不同的應用目的等，可能選取不同的技術路線。這就導致數據流通平臺互聯互通時，要實現的多方數據融合往往是跨行業、融合多種不同技術的，不同平臺間技術路徑不統一是普遍存在的阻礙。要解決“數據群島”的問題，還需要打破解決技術之間的壁壘。5.數據管理不統一互聯互通的本質是實現數據價值的傳輸與使用，數據的統一性、一致性和可信性至關重要，而由于數據來源不同、格式不同、標準不同、存儲方式不同等，導致了數據協同難、質量低等問題，阻礙了互聯互通的實現。數據管理不統一，核心和根源表現在幾個層面，一是數據標準不統一，目前數據編目、歸類、采集、匯集等口徑尚未形成

170、統一標準，數據之間相互矛盾、不可比較、重復冗余等給共享、交換、分析和利用帶來了諸多不便；二是數據不一致性，數據在清洗、整理、存儲過程中會產生數據值、單位等方面的差異，造成數據的不一致性，給數據分析和決策帶來困難；三是數據管理模式不統一，很多數據源方缺乏有效數據管理經驗，對元數據收集處理、數據質量分析、參考數據庫等數據流程未形成統一管理，混亂的數據管理模式帶來數據共享交換遲滯、偏差；四是數據權責難劃分，數據具有易復制、易篡改、非均質性、非競爭性等特點，不同環節數據價值貢獻難以有效評測，加之多系統、多環節的信息隱性留存讓數據跨平臺流轉難追蹤、難控制，成為數據要素流通和互聯互通的一大阻礙。目前，在互

171、聯互通實踐中仍需在各家不同的技術方案、算法協議之間尋找共同點，探索通過構建行業健康生態的開放接口，促進隱私計算的業務場景方資源集約化，以可信計算構建大數據流通網絡。與數據資產相關的平臺包括隱私計算平臺、數據資產服務平臺、公共數據服務平臺等。就隱私計算平臺來看，主流共識是將實現算法分為聯邦學習、多方安全計算以及 TEE 三類，不同公司可能采用不同的實現方式，而采用了同種算法，也可能會因平臺架構、接口、協議等不同，難以互相兼容，而造成互聯互通困難。除此之外，不同平臺之間的數據格式和編碼可能不同，這給數據的傳輸和處理帶來了困難。實現異構平臺互聯互通需要統一數據格式和編碼，以確保數據在平臺之間的一致性

172、和可讀性。異構平臺之間互聯互通缺乏可用、高效的中間件、轉換器等工具。（三）數據標識目前尚有對數據資產的標識與管理相關技術，根據 Visual Capitalist的數據，53到 2025 年，估計每天將在全球創建 463EB 字節的數據，數據按應用場景分，包括大場景政務、金融、能源、工業、農業類等，還包括大場景下各類小場景；數據按類型分類，包括文本、圖片、音頻、視頻、二進制文件以及混合類型等，數據按形式來分包括結構化數據、分結構化數據、時序數據以及空間數據等。數據資產/產品來自于對原始數據的加工、處理，將展現新的形態。從數據到數據資源、數據資產，再到數據產品，整個過程需要清洗并挖掘出數據本身價

173、值，最終以數據資產、數據產品形式呈現并服務于用戶。要實現數據要素市場的繁榮，需要統一數據資產/產品標識，可以確保數據資產的生成、存儲、傳輸和使用過程中的一致性和可靠性，數據資產/產品在不同交易所、不同場景、不同平臺之間可以互通互認，加快數據流通，進一步提高數據利用價值，同時也將有利于數據治理的規范化，包括數據的管理流程、數據的質量控制、數據的安全保護等方面，有助于對數據資產的全生命周期管理與監控。4.2 金融行業數據要素市場化的應對策略4.2.1 尊重數據產權，健全數據要素“三權分置”產權運行規范保障體系目前我國產權制度的探索仍處于初級階段，雖然北京、上海、天津、重慶、貴州、浙江、廣東、河南等

174、地紛紛建立數據交易平臺，廣州市加快打造數字經濟創新引領型城市的若干措施也提出了數據確權的先行先試的建議，但數據權屬問題顯然有礙于金融行業數據要素化的進程。無論是從制度實踐還是文獻綜述而言，目前國內外對數據要素權屬的探索都尚未形成清晰的體系。簡言之，制度探索先于學術探索。數據二十條的提出，為數據權屬的研究提供了一個新的方向與思路，即繞開數據所有權的“迷思”，以促進數據流通充分發揮數據要素價值為核心展開。具體而言，可從以下方面構建和完善我國數據產權制度。（一）建立健全“數據資源持有權”規范體系，化解“數據要素歸屬”“數據資源持有權”是類似于“占有”制度的新型權利樣態，避開“數據所有權”這一含混不清

175、的概念，以最便捷合理的方式解決“數據歸屬”問題?！皵祿Y源持有權”的主體主要包括國家、企業和個人；“數據資源持有權”的內容以數據資源的自主管理權為核心，相應地應承擔數據資源的安全保護義務；“數據資源持有權”的客體是數據資源，包括原始數據、衍生數據等。因此，應通過政策、立法等形式進一步建立健全“數據資源持有權”規范體系，推進“數據資源持有權”認證實踐的開展。如此，既為相關權利主體“依法持有”特定數據資源提供正當性規范依據，又為防止其他主體對特定數據資源的54非法獲取提供合法依據。（二）建立健全“數據加工使用權”規范體系，提升“數據要素價值”“數據加工使用權”亦是一個新型權利樣態，在理論上仍有諸多

176、值得商榷和完善之處。未經加工處理的數據猶如“原煤”或“原油”，經過加工處理后的數據可以有效提升數據要素價值。從邏輯關系而言，依法取得“數據資源持有權”是進一步獲得“數據加工使用權”的前提或基礎，“數據加工使用權”是提升數據要素價值的關鍵舉措。根據上海市數據條例第四十九條的規定，數據產品和服務的形成以“實質性加工”和“創新性勞動”為兩大重要因素。我國相應法律尚未界定“加工”“使用”兩個概念之內涵，不過根據相關標準和學理分析，數據加工通常是指對數據進行篩選、分類、排列、加密、標注等處理活動，而數據使用是指對數據進行分析、利用等活動?！皵祿庸な褂脵唷钡闹黧w是數據合法持有者，主要包括國家、企業和個人

177、；“數據加工使用權”的內容主要包括數據加工權和數據使用權；“數據加工使用權”的客體是特定的數據資源?！皵祿庸な褂脵唷钡男惺褂衅湎鄳南拗菩砸幎ǎ涸谖覈鴤€人信息保護法等法律中規定，不得超出合法授權或合同約定的目的和范圍、數據安全保障義務等內容。因此，應通過政策、立法等形式進一步建立健全“數據加工使用權”規范體系，推進“數據加工使用權”認證實踐的開展。（三）建立健全“數據產品經營權”規范體系，破解“數據流通”難題“數據產品經營權”作為一項新型權利樣態，是指對數據資源經加工、分析等形成數據產品的過程，相關機構對加工形成的數據產品依法占有、使用、收益和依法支配的權利，亦屬于依法依規規范數據處理者許可

178、他人使用數據或數據衍生產品的權利。深圳經濟特區數據條例第五十八條規定：市場主體對合法處理數據形成的數據產品和服務，可以依法自主使用，取得收益，進行處分?！皵祿a品經營權”的主體是數據處理者，其通過提供正當服務、簽訂合同等合法方式收集數據，并通過篩選、特定組合、深度開發、系統整理等大量智力和體力勞動賦予了數據更高的價值?！皵祿a品經營權”的內容主要包括數據處理者作為合法的市場主體，對合法處理數據形成的數據產品和服務，依法獲得自主的經營及獲取相應收益的權利?！皵祿a品經營權”的客體是經過加工處理后形成的數據產品。因此，應通過政策、立法等形式進一步建立健全“數據產品經營權”規范體系，推進“數據產品經

179、營權”認證實踐的開展。（四）建立健全數據分類分級規范體系，促進“三權分置”實施落地意見進一步強調以“市場配置”為中心的宗旨，聚焦數據使用權流通，著力構建以數據產權制度為核心，創造性地提出建立數據資源持有權、數據加55工使用權和數據產品經營權“三權分置”運行機制的頂層設計。這有利于保護數據流通傳輸過程中各個主體的合法利益，并且合理規范了各個主體的權利義務，從而助力數字經濟發展。這其中關鍵的抓手在于建立健全數據分類分級規范體系，適合市場經濟國際競爭和國內競爭的需求。網絡安全法把數據分類作為網絡安全保護法定義務之一，數據安全法也確立了“數據分類分級保護制度”及其基本原則，但如何具體開展和落地實施，仍

180、困難重重。究其原因，在于糾結人為設計最佳利益分配方案。破解困境關鍵在于創建市場自發運行生態，市場的回歸市場，恪守市場規律。健全數據分類分級規范體系的核心應致力于尋求合乎市場經濟的簡捷有效的規范指引，降低相應成本。具體而言：其一，關于公共數據，以開放為原則，不開放為例外。對于不涉及個人敏感信息、企業商業秘密等非涉密數據，應無條件開放，最大限度地為促進數據流通提供保障；對于涉及個人敏感信息、商業秘密、保密商務信息等法律、法規規定不得開放的公共數據，不予開放。其二，對于企業數據和個人數據，在遵守現行法律的前提下，鼓勵數據主體根據其享有的“數據資源持有權”“數據加工使用權”和“數據產品經營權”等通過“

181、合同”“數據交易機構”“數據經紀商”等多元途徑自由流轉。個人敏感或隱私信息，禁止交易，經過匿名化處理后的個人信息，可以交易。其三，政府在保障數據安全的基礎上，應積極創設數據要素在市場中自由交易的條件，給予充分的實驗、試錯空間，并在政策、制度和法律上予以保障。4.2.2 探索數據資源規則，充分發揮利用數據資產價值暫行規定要求企業應當按照企業會計準則相關規定，根據數據資源的持有目的、形成方式、業務模式，以及與數據資源有關的經濟利益的預期消耗方式等，對數據資源相關交易和事項進行會計確認、計量和報告。然而，在數據資源的成本拆分、使用壽命、資本化條件、經濟利益流入可能性等方面的判定上亟需探索和完善相應的

182、規則指引。因此，結合中華人民共和國會計法和企業會計準則等相關規定，提出以下完善建議。（一）探索并完善數據資源的成本拆分規則暫行規定要求企業應當按照外購無形資產、自行開發無形資產等類別，對確認為無形資產的數據資源、相關會計信息進行披露，并可以在此基礎上根據實際情況對類別進行拆分。關于對確認為無形資產的數據資源拆分的方法，應根據企業數據資源的不同取得方法進行分類考察，對諸如外購、自行開發或其他方式進一步類型化考察，將取得數據資源的成本進行拆分和類型化分析，并明確拆分的標準。因此，完善數據資源的成本拆分規則，重在根據市場需求56結合企業會計準則，進行科學的類型化探索。（二）探索并健全經濟利益流入可能

183、性的判定規則相關經濟利益很可能流入企業是依據企業會計準則確認有關資產的重要條件之一，但是數據資源是否能給企業帶來經濟利益的認定缺乏明確的判定規則。國家市場監督管理總局、中國國家標準化管理委員會發布的信息技術服務治理（GB/T 34960.5-2018）第 5部分：數據治理規范對“數據資產”的定義為：組織擁有和控制的、能夠產生效益的數據資源。根據國際會計準則理事會（International Accounting Standards Board，簡稱 IASB）2018 年公布修訂后的財務報告概念框架（Conceptual Framework for Financial Reporting）（簡

184、稱概念框架）。2018年版概念框架將資產重新定義為：由過去事項形成的，由主體控制的現時經濟資源，經濟資源是指潛在能帶來經濟利益的權利。取代了 2010 年版概念框架的定義，即因過去事項形成的，由主體控制且逾期會導致未來經濟利益流入主體的資源。何謂相關經濟利益流入的可能性，可以從新的“資產”界定中加以判斷，大致可以從以下三個維度考量：其一，是否具有權利？產生經濟利益潛力的權利形式多樣，如收取現金的權利、收取商品或服務的權利、與其他主體交換經濟資源的權利、對實體物品（如不動產、設備或存貨等）的權利、使用知識產權的權利等。其二，是否具有產生經濟利益的潛力？權利已經存在且至少在一種情況下，該權利可能產

185、生超過其他所有各方可獲取的經濟利益的潛力，即使產生經濟利益的可能性較低。其三，是否有效控制？控制是經濟資源與主體之間的連接。如果主體擁有現實能力，可以主導一項經濟資源的使用且可能獲得該經濟資源帶來的經濟利益，那么主體就控制了該經濟資源。鑒于此，可以借鑒 IASB 發布的 2018 年版概念框架之規定，進而探索和健全經濟利益流入可能性的判定標準。即如果具備上述三個維度，則可以認定其具有經濟利益流入的可能性。（三）探索并健全數據資產使用壽命估算與攤銷的規則探究如何合理估計數據資產的使用壽命，實質在于企業如何攤銷數據資源無形資產。制定科學合理的折舊周期來確定此類資產的使用壽命是一項艱巨的任務。結合我

186、國會計規則規定，可以從以下方面進行類型化探索。第一，直線法攤銷的類型。本規則適用于對于依據合同約定或其他正當規定、可以確定數據資產使用壽命的情形。第二，不攤銷處理的類型。這是針對無法預見數據資源無形資產為企業帶來經濟利益期限的，應當視為使用壽命不確定的無形資產，故不應攤銷。第三，其他情形。隨著技術的不斷發展和進步，關于數據資產的使用壽命更加難以測度，因此，比較合理的方法是根據市場交易真實情況建立具有統一標準的科學的模型，從而估算數據資產的使用壽命，從而選擇合適的57分攤方式。（四）探索并明晰數據資產資本化的路徑數據資產具有可復制性、價值增值性等特別屬性，這與之前遇到的資產類型有本質的區別。未經

187、市場檢驗的人為設計數據資產資本化之條件并非良策。歷史證明，市場就像一只“看不見的手”，市場經濟內在機制可以有效應對新生事物。因此，探索數據資產資本化的條件需要充分尊重市場資源配置方式，尊重數據資產資本化市場的自發秩序。一是充分開展通過自發或自覺交易形成數據資產的探索，根據市場化的交易價格解決數據資產化過程中的價值評估等問題。二是充分開展通過特定事項（如互聯網平臺公司和金融公司的信息化、數字化升級事項）形成數據資產的探索。通過市場力量探索數據資產化的路徑，可以有效避免“垃圾數據”“數據價值”等主觀臆斷，在市場認可前提下，依法取得的任何數據均可納入數據資產化的軌道。4.2.3 構建數據可信流通體系

188、，完善數據出境制度流程建立合法的分級分類制度并采取合理必要的控制措施保障數據安全不僅是金融機構及金融領域相關參與方必須履行的安全及合規義務，也是金融市場主體在注重安全保障的同時實現經濟效益的方法論。將重要性不同的數據采用同樣等級的保護措施，實施無差別的保護，可能導致對敏感數據保護力度不足，對普通數據保護力度過剩。而建立起合規合理的數據分級分類制度，區別對待不同業務和數據采用相關控制措施，綜合業務發展與成本考量，才能實現金融數據要素市場化與數據安全的雙贏。正如上文所分析的，金融數據安全風險集中于控制金融數據如何被訪問以使數據免受非授權的泄露和篡改。故金融企業在確定分級分類原則和方法后，應決定每一

189、分級分類保護的不同數據集所需的控制措施，實現對每一分級分類具有對應的訪問、使用和銷毀數據相關的單獨處理、銷毀要求和流程，實現為每一分級分類的數據集設定機密性、完整性和可用性保護水平。實踐中，數據分級分類管理的主要內容包括：1.對不同類別級別數據的訪問控制；2.對不同類別級別數據的加密和解密；3.對不同類別級別數據脫敏。數據安全無小事，尤其是金融領域的數據不僅涉及個人敏感信息，還涉及企業的重要數據，如果保護不力，甚至會危害到國家的經濟安全。因此，數據的分級分類保護制度，不僅要體現在技術和制度層面，更應該體現在管理體系層面。因為再好的技術安全防范措施和合規體系最終是需要人去落實。這就需要每一個人都

190、有數據安全意識。如何做到呢？需要科學的管理體系。首先，建立專門的數據合規部門或者建立數據首席合規官制度。為了保障數據安全性，58確保數據分級分類制度的落實，數據安全法規定，重要數據的處理者應當明確數據安全負責人和管理機構；網絡安全法要求要專門設置安全管理機構和安全管理負責人；個人信息保護法要求指定個人信息保護負責人，對于境外個人信息處理者還要設立專門機構或者指定代表。除了上述法律規定，2023 年 10 月以來，北京、浙江、深圳等地先后出臺文件，實施首席數據官申報試點制度。其次，將分級分類制度與崗位職責相結合，將數據安全保護制度落實到每個人。業務部門是第一負責人，以結果為導向，為結果負責。數據

191、合規部門或者數據合規負責人向業務部門負責人定期培訓，明確合規管理要求，方案等內容；并且還需要定期對各業務部門的數據合規方案進行審核，對于各業務部門在數據合規中遇到的難題給出解決方案。此外，數據合規部門或者數據負責人需要明確，一旦數據遭到泄露，則相應人員需要承擔相應責任，如涉及刑事責任，則移送公安機關。再次，加強數據安全培訓工作。定期開展數據安全培訓，不斷加強數據安全意識，明確數據安全的重要性。最后，建立應急預案。定期開展網絡攻防演練，一旦發生數據泄露，能夠啟動快速響應機制，遏制數據泄露的程度。但是，與此同時需要注意，根據數據泄露的種類、數量決定做好向相關主管部門匯報工作。首先，建立事前、事中、

192、事后的全鏈路數據隱私保護機制，健全從數據采集、數據加工到數據應用全鏈路數據風控流程，形成針對數據異常操作的事前識別、事中阻斷與事后恢復能力。其次，創建一個工具完備、資源可控、安全合規的隔離環境，通過獨立集群、網絡隔離、加密存儲、靜態脫敏等綜合手段構建物理數據沙箱。同時，運用共享集群、資源隔離、權限管控、動態脫敏等手段構建邏輯數據沙箱，進而搭建起完善的數據要素監管沙盒治理體系。最后，借助隱私計算和聯邦學習技術，實現跨數據源、跨數據中心、跨執行引擎等協作，進行異構多源數據的聯合機器學習和聯合分析，實現在保護數據安全的同時，達到“數據可用不可見”“數據不動計算動”“多源數據跨域合作”等目標，破解數據

193、保護與融合應用難題。最終，打造數據來源可確認、流通過程可追溯、安全風險可防范的數據可信流通體系。在數據安全流通領域主要依賴隱私計算、聯邦學習等技術，而在應對數據出境挑戰時，植德律所王藝律師提出了建議對策：（一）梳理擬出境的金融數據類型、明確金融機構定位金融機構應根據各類行業標準、國家標準中的規定，參照現有的分類分級規范，對自身涉及的金融數據進行合理界定和分級，明確哪些數據屬于重要數據或個人敏感信息，哪些數據可以出境，哪些數據需要事先審批，識別需要出境的數據是否屬于重要數據。例如，參考 JR/T 01972020金融數據安全 數59據安全分級指南關于重要數據的定義1：重要數據是指我國政府、企業、

194、個人在境內收集、產生的不涉及國家秘密，但與國家安全、經濟發展以及公共利益密切相關的數據（包括原始數據和衍生數據），一旦未經授權披露、丟失、濫用、篡改或銷毀，或匯聚、整合、分析后，可能造成以下后果：危害國家安全、國防利益，破壞國際關系；損害國家財產、社會公共利益和個人合法利益；影響國家預防和打擊經濟與軍事間諜、政治滲透、有組織犯罪等；影響行政機關依法調查處理違法、瀆職或涉嫌違法、瀆職行為；干擾政府部門依法開展監督、管理、檢查、審計等行政活動，妨礙政府部門履行職責；危害國家關鍵基礎設施、關鍵信息基礎設施、政府系統信息系統安全；影響或危害國家經濟秩序和金融安全；可分析出國家秘密或敏感信息；影響或危害

195、國家政治、國土、軍事、經濟、文化、社會、科技、信息、生態、資源、核設施等其他國家安全事項。重要數據的內容可包括宏觀特征數據、海量信息匯聚得到的衍生特征數據、行業監管機構決策和執法過程中的數據，以及關鍵信息基礎設施網絡安全缺陷信息等，如：宏觀特征：可反映不可更改或長時間保持穩定的經濟特征、社會特征的數據；海量信息匯聚得到的衍生特征數據：匯聚后覆蓋多省市的金融消費者真實交易信息；行業監管機構決策和執法過程中的數據：行政機關、執法機關在履職或執法過程中收集和產生的不涉及國家秘密且未公開的受控數據；關鍵信息基礎設施網絡安全缺陷信息：網絡設備、服務器、信息系統等有關漏洞信息。重要數據一般不包括企業生產經

196、營和內部管理信息、個人信息等。金融機構還宜根據其所管轄數據的類型、特性、規模以及機構特性等因素，綜合考慮本機構數據安全管理的總體目標和安全策略要求。此外，若金融機構被行業主管部門、監管部門認定為關鍵信息基礎設施的運營者，還應根據關鍵信息基礎設施安全保護條例履行更為嚴格的安全保護義務。（二）建立完善的數據出境安全管理制度和流程1JR/T 01972020金融數據安全 數據安全分級指南60金融機構可統一對金融數據出境場景進行排查，建立完善的數據出境安全管理制度和流程，加強對跨境數據流動的內部監控和審計。形成數據出境合規SOP，做到事前評估、事中監控、事后防控，確保每個業務場景下的數據出境活動都滿足

197、合法性、必要性、正當性。同時，加強與監管機構的溝通和協調，及時了解最新的政策動態和監管要求，積極配合監管機構進行數據安全評估和審批。（三）建議網信辦優化數據出境安全評估申報機制建議網信辦建立金融數據出境評審專業委員會，發揮金融行業協會技術標準專業力量，制定金融數據出境的技術標準和行業指導標準，提高數據出境安全審查的質量和科學性；建議網信辦定期發布相關指引問答，增加監管透明度和對申報主體的指引。另外，參考國際上對金融數據出境活動的監管規則，美國原則上允許金融數據的自由流動，同時，美國外資投資委員會（CFIUS）有權通過國家安全審查的方式限制境外資本通過對美國金融服務業的投資實現濫用公民個人信息等

198、“惡意的網絡活動”的不法目的，從而規制個人金融數據向境外流動。歐盟則要求在滿足通用數據保護條例（GDPR）第五章的要求以及通過歐盟與其他國家/地區簽訂的多邊/雙邊協定允許金融數據跨境自由流動。對此，我國的金融數據出境監管，可以基于金融數據分類分級機制，結合不同金融業務場景、數據流轉場景中數據的安全性、敏感性、價值性等，以部門規章形式分別制定相適應的細化規則，避免“一刀切”導致金融數據安全風險或阻礙金融數據開發利用。同時，可以建立金融數據出境低風險清單、設立試點地區，實施快審機制。4.2.4 提升數據運營管理能力，保障金融資產持續運營金融資產能否在市場持續運營是金融數據要素市場化面臨的主要風險。

199、金融數據要素市場化的過程不但融合了金融企業業務模式、企業制度管理和終端應用，而且涵蓋信息技術、金融數據資源和其他資源。因此，保障金融資產在市場中持續運營管理需要從以下三個維度展開。一是從政策法律維度而言：既要關注金融數據安全引發國家安全等問題，又要注意金融數據安全不合規引起的行政或刑事風險。隨著金融業數字化轉型的持續推進，企業應建立健全以網絡安全、數據安全與個人信息保護“三位一體”的網絡和數據合規監管體系，積極關注并遵守中國人民銀行、銀保監會、證監會相關政策和整治工作。二是從管理維度而言：一方面要健全金融企業全面風險管理體系，將風險61管理能力打造成為核心競爭力，以有效防范化解重大經濟金融風險

200、，建立事前風險防范、事中風險監測、事后風險處置的風險防控過程；另一方面要遵循市場規律和市場法則，促進企業現代化和數字化升級轉型工作持續有效地開展，建立健全符合數字經濟發展的企業管理新模式。三是從技術維度而言：以電子形式存在的數據要素與傳統生產要素有質的不同，其具有虛擬性、無限可復制性等特質。金融數據管理運營需依賴大數據、云計算、人工智能、區塊鏈以及移動互聯網絡、算法、存儲、刪除、安全等技術保障。4.2.5 推動技術能力迭代升級，增強數據高效安全流通在國家數據安全法框架下，既要加強數據安全監管和數據治理，又要促進數據的高效協同應用，需要有效的技術來實現數據安全與發展的平衡。數據安全管控、數據合規

201、流通、聯合安全計算成為數據要素流通與發展核心能力的重要組成部分，通過隱私計算、區塊鏈等技術實現數據“可算不可見”、數據“可用不可見”，達到數據安全與融合應用發展平衡的目標，將會持續帶動我國以數據為關鍵要素的數字經濟產業的健康發展。因此，保障數據安全與融合應用發展平衡的技術關鍵能力主要有以下幾方面。一是區塊鏈技術能力應用。通俗來講，它是一個共享數據庫，存儲于其中的數據或信息是不可偽造、全程留痕、可以追溯、公開透明、集體維護的。利用區塊鏈技術可明確界定數據所有權、管理權和使用權，使鏈上各方基于算法互信進行數據交換。它可以很好地應用于金融行業中支付、清算、結算、證券交易、保險等領域，降低交易成本，提

202、高交易效率，增強金融體系的穩定性和安全性。二是隱私計算技術能力應用。這主要包括聯邦學習、安全多方計算和差分隱私等算法，使得我們可以聯合政務、企業、銀行等多方數據進行聯合計算，實現在原始明文數據不共享的情況下多方進行聯合數據建模、訓練和分析，在充分保護用戶隱私和數據安全的前提下釋放出數據融合應用價值，從而有效解決跨部門數據合作中的安全問題和信任問題，打造出新的數據應用業務模式。三是可信硬件環境能力應用。作為基于密碼學的隱私保護技術的一種替代方案，可信執行環境（Trusted execution environment，TEE）基于硬件安全的CPU實現了基于內存隔離的安全計算，在硬件中為敏感數據和

203、算法單獨分配一塊隔離的內存，所有敏感數據的計算均在這塊內存中進行，除了經過授權的接口外，硬件中的其他部分不能訪問這塊隔離的內存中的數據信息，在保證計算效率的前提下完成敏感數據的隱私計算。62四是 AI大模型能力應用。隨著 ChatGPT、AIGC 等技術的興起，全新的人工智能時代正呼嘯而來。人工智能和數據要素兩者相輔相成，人工智能的迭代需要數據要素作為基石，而數據要素的價值需要人工智能的最大化挖掘。例如在 AI的協助下，自動識別數據中的異常值、缺失值，進行數據清洗和糾正，對數據進行分類和標注，添加適當的元數據，從而提高數據的可管理性。反過來，將數據提供給 AI大模型訓練，可進一步提高模型的識別

204、率，形成閉環，這必將加速數據要素從原始走向價值輸這一過程。五是云計算技術能力應用。未來“東數西算”工程提供的算力基礎設施，可將東部產業資源與西部算力資源有效銜接，支撐搭建包括數據商入駐、產品上架、資產定價、交易撮合、爭議仲裁和交易監管等的全流程在線化數據交易平臺，通過整合區塊鏈、AI大模型等新技術，建立數據的授權存證、數據溯源和完整性檢測平臺，促進數據要素規范、高效、有序的流通和市場培育。63第 5 章 金融行業數據要素產業生態鏈5.1 金融行業數據要素流通產業鏈5.1.1 數據采集隨著數字經濟的蓬勃發展，傳統行業如制造業、金融業、零售業等都在積極尋求數字化轉型的途徑。特別在金融行業，由于數據

205、要素場景應用具有巨大的潛力和迅速增長的需求規模，數據采集作為數據要素市場的前置環節，對于數據要素創造價值的起始具有關鍵意義。2021 年 6 月 10 日通過的數據安全法明確規定，在數據采集過程中，數據采集主體必須明確收集、利用數據的目的、手段和范圍，并獲得被收集人的授權許可。在金融行業領域，近年來通過構建邊緣異構業務系統，通過多種通信方式接入不同的設備系統、APP、終端設備等，使用接口、系統集成等方式進行大規模、深層次的數據采集。這些數據包含多種格式，如結構化、半結構化和非結構化數據。5.1.2 數據存儲數據采集需要先采在轉，通過網絡傳輸進行集中存放、管理、保護。隨著云計算的廣泛普及，以及頭

206、部云存儲服務商也在不斷豐富自身的產品形態，構成硬盤、對象存儲、文件存儲、集中式 SAN存儲等多種形態的云存儲產品，從而滿足以金融業為首的多樣化場景應用需求?；陔p Fabric 冗余分布式“云存儲”架構快速發展，通過集群化部署，實現存儲的拓展性、配置性、容錯性、災備能力強、成本低廉等特點，逐漸為銀行等領域采用。同時服務商也正在加快突破探索湖倉一體的存儲架構，讓高效性和靈活性并存，合并數據孤島，保持元數據一致性，解決交叉引用繁雜、湖倉工具缺乏等問題，開啟金融行業“批流數據融合”時代。金融行業作為數據密集型行業，數據存儲技術對金融行業數據的發展至關重要。數據存儲技術不斷創新，由傳統的磁盤存儲、網絡

207、存儲、光盤存儲、云存儲逐漸邁向分布式存儲。金融行業對存儲數據的讀寫、訪問具有較高的需求，同時對存儲數據的安全性和隱私性也有較高要求，高敏感、強流通的金融數據還要求存儲技術保證數據的可靠性和擴展性。數據存儲技術不斷發展和創新，出現區塊鏈和湖倉一體技術，區塊鏈技術對金融數據進行存證、確權，用于追溯和校驗，基于智能合約實現自動化交易與監管，提高業務效率，未來區塊鏈、64湖倉一體技術將深入金融行業應用，進一步提高性能，滿足高頻查詢、讀寫以及應用需求。5.1.3 數據處理在金融行業數據要素產業鏈中，數據處理環節扮演著至關重要的角色。隨著數據要素市場的發展，眾多廠商紛紛涌入這一領域，提供數據處理服務的廠商

208、數量已經達到了幾千家。同時，一些大型企業還會組建內部數據開發團隊，以滿足內部大量的數據處理需求。這些數據處理工作包括但不限于數據清洗、數據轉換、多源數據整合、用戶標簽加工、指標加工、數據標注、多模態數據處理等。隨著業務對數據時效性要求的不斷提高，實時的流數據處理也變得越來越重要，為了滿足這一需求，許多數據處理廠商已經開始采用先進的技術手段，如分布式存儲、分布式計算等，以提高數據處理效率。在處理過程中，隨著相關法律法規及監管辦法的完善，如中華人民共和國數據安全法中華人民共和國個人信息保護法中國人民銀行業務領域數據安全管理辦法（征求意見稿）中國銀保監會監管數據安全管理辦法（試行）等法律法規的出臺，

209、數據處理者需要確保數據處理過程的合法性、合規性和安全性。此外，我們還注意到，隨著國外 ChatGPT 的爆發，我國大語言模型信創呈現出井噴式發展趨勢。大語言模型的訓練需要大量的標注數據政府也在加大對數據標注企業的支持力度。這為數據處理行業帶來了新的機遇和挑戰?？傊?，在金融行業數據要素產業生態鏈中，數據處理是一個至關重要的環節。隨著技術的發展和法律法規的完善，數據處理廠商需要不斷提高自身的技術水平和服務質量，以滿足市場需求并保障數據安全。同時，政府和企業也需要加大對數據標注企業的支持力度，以推動整個行業的發展。5.1.4 數據流通數據只有流動、分享才能創造價值，而數據交易則成為數據流通的重要方式

210、。培育發展數據要素交易市場，勢必要推動數據開放共享。在宏觀層面，數據開放共享是推動數據經濟、產業數字化發展的關鍵動力。在微觀層面，數據開放共享則是實現產業鏈上下游企業協同的重要基礎。而當數據成為交易對象時，交易面臨諸多困難，首先難以確權，數據擁有者可以無限制復制數據，購買者也可以二次轉售，同時可能會出現侵犯用戶隱私等問題。據統計，金融數據流通價值占整個行業的 60%以上，且每年將以 40%的速度增長，未來數據流通將帶動金融行業的發展。金融數據流通包括數據共享、65交易、開放等三種形式，相關技術包括隱私計算、區塊鏈、大數據、人工智能等，通過隱私計算技術保障數據在傳輸、存儲以及處理過程中的安全性，

211、隱私計算技術包括多方安全計算、聯邦學習、可信執行環境等；區塊鏈技術為數據流通提供存證、授權、監管等服務；大數據技術為數據流通提供數據清洗、整合、脫敏、標注、處理、質量管理、數據分析、數據挖掘以及可視化等服務；人工智能除能助力金融數據治理外，還可提供應用決策。但目前數據流通仍面臨數據孤島問題，數據的安全和隱私保護問題以及數據標準不統一、監管問題等。5.1.5 數據治理金融行業的數據量巨大，且具有高度的復雜性、敏感性等特征。隨著金融業務不斷向數字化、智能化、智能化方向發展，金融行業對數據的依賴也越來越大。因此，金融行業的數據治理需要具備足夠的規模和能力，以滿足業務需求。目前，金融行業的數據治理已經

212、形成了一定的規模，在挖掘金融數據價值的同時，保障數據安全及隱私保護，要實現數據的高效治理，需要各類數據治理技術和算法工具，如數據質量管理、數據目錄管理、數據安全管理、數據生命周期管理等。數據持有者權是一種非排他性使用權，數據上并存各種利益。在此基礎上，數據治理的價值在于圍繞數據價值釋放的基本活動和輔助活動，通過對數據內容和權利的重新分配有效協同各利益相關主體，最大限度提升數據質量，挖掘和釋放數據價值，降低數據持有和流通風險，促進數據流通和交易的達成。我國數據治理的基本趨勢將呈現：1.金融、工業、電信、交通、自然資源、衛生健康、教育、科技等多領域深度融合發展；2.從維護國家主權，規范數據處理活動

213、，保障數據安全，促進數據開發和利用，保護個人、組織的合法權益等多維度兼顧安全與發展；3.政府、行業、企業、個人多主體參與治理。5.1.6 數據分析數據分析在金融行業中扮演著至關重要的角色。通過對海量數據的分析和挖掘，金融機構可以更好地了解市場動態、客戶行為、風險狀況等，從而做出更明智的決策，提升業務效率和客戶滿意度。我們可以從以下幾方面進行分析。一是構建企業管理駕駛艙。通過服務人員、財務人員、運營人員、決策層等不同角色，構建企業管理駕駛艙。借助元數據管理、統一查詢等功能，集中收集分析平臺用戶對各項數據的讀寫熱度等情況，保障資源的合理使用，并全鏈路進行數據血緣分析，更好地了解數據的使用情況和熱度

214、，優化數據資源分配，66提高數據利用效本。二是利用 AI 多態分析云進行數據挖掘。將存儲的數據文件推送到 AI 多態分析云上，進行圖片識別、語音識別、離線分析、存儲查詢及機器學習。在金融行業，可以利用這些技術對客戶進行分類和信息查詢，可以快速識別客戶的身份信息；通過語音識別技術，可以了解客戶的意見和反饋。這些信息有助于金融機構更好地滿足客戶需求，進一步提升客戶滿意度。三是數據駕駛艙可視化與 BI 結合。數據駕駛艙可視化為 BI 提供了豐富的圖表類型，如 KPI 指標卡、餅圖、完成進度等，簡化了制作可視化分析的流程，降低了業務人員制作分析的難度，并提供豐富的可視化效果。這使得業務人員能夠更直觀地

215、了解數據情況，幫助他們更好地理解和分析數據。這種結合使得數據分析更加高效、準確，為金融機構的決策提供了有力的支持。5.1.7 數據應用金融行業數據應用比較廣泛，如通過聯合統計、聯邦學習分析客戶的信用歷史、消費行為、社交網絡等。首先，通過數據分析和建模，金融機構能夠更準確地評估客戶的信貸風險，從而做出更明智的貸款決策。這不僅有助于控制風險，還能確保貸款安全。其次，金融機構利用數據實時跟蹤和分析客戶的消費行為，以便提供個性化的產品和服務推薦。這種個性化營銷不僅提高了營銷效果，還增強了客戶滿意度和忠誠度。此外，通過整合和分析客戶的個人信息、消費行為、偏好等數據，金融機構能夠建立詳細的客戶畫像。這有助

216、于深入了解客戶需求，為提供更個性化的服務奠定基礎。在風險管理方面，數據應用有助于識別潛在的欺詐行為，保護金融機構和客戶的利益。通過對交易行為、網絡行為等數據的分析，金融機構能夠及時發現異常行為并采取相應措施。同時，數據應用在投資和資產配置方面也發揮著重要作用。根據客戶的投資目標、風險承受能力、投資期限等信息，金融機構能夠提供個性化的投資建議和資產配置方案，幫助客戶實現投資目標并提高回報。比如在保險領域，通過分析客戶的個人信息、健康狀況、職業等信息，金融機構能夠更精確地調整保險產品的定價。這使得保險產品更加符合客戶的風險水平，從而提高了保險市場的公平性和透明度。隨著金融數據要素的流通和利用，我們

217、相信未來將有更多創新應用場景出現，為金融行業和廣大用戶帶來更多便利和價值。這將進一步推動金融行業的數字化轉型和創新發展，為社會帶來更多的機遇和效益。5.1.8 生態保障隨著中華人民共和國網絡安全法中華人民共和國數據安全法和中華人民共和國個人信息保護法三部重要法律的相繼出臺我國數據要素市67場監管進入了一個全新的階段。為了構建一個健全的數據要素市場保障體系，需要明確各方在其中的角色和職責，并實施協同治理，以確保數據要素生態的健康發展。在這個多元共治的監管體系中，政府、行業平臺和企業各自扮演著重要的角色。政府作為監管者，主要負責制定和執行相關法律法規，保障數據的安全和隱私。同時，政府還需要建立和完

218、善數據要素市場的監管機制，對市場活動進行監督和管理，確保市場的公平和透明。行業平臺則需要在政府的指導下，積極參與到數據要素市場的監管工作中來。它們可以發揮自身在行業內的專業優勢，為政府提供政策建議和行業情況分析。此外，行業平臺還可以通過制定行業標準和規范，引導企業規范經營行為，推動行業的健康發展。企業作為數據要素市場的主體，需要嚴格遵守相關法律法規和行業規范，承擔起自身的社會責任。同時，企業也需要加強內部管理，建立完善的數據管理制度和風險控制機制，保障數據的合規使用和安全存儲?？傊?，構建“政府+行業平臺+企業”多元共治的數據要素市場監管體系是保障數據要素生態的關鍵。通過明確各方的角色和職責，實

219、施協同治理，我們可以更好地規范市場行為，保障數據的安全和隱私，推動數據要素市場的健康發展。5.2 金融行業數據要素生態鏈市場參與主體呈現多元化和分工化趨勢，包括：政府，互聯網企業、數據流通交易中介平臺、科研機構、數據服務組織等。數據要素生態鏈上游主要是數據生產方，提供政府數據、企業數據、個人數據等，中游由數據服務商和數據交易所組成，下游包括政府、金融、醫療等不同行業的數據需求方。還有數據的監管方保障數據要素市場的培育、治理和健康持續發展，多方主體共育一個良性的產業生態。5.2.1 數據供應商數據要素生態鏈上游主要是數據供應商，解決市場數據資源、數據產品、原始數據等的供給問題，面向數據要素市場提

220、供公共數據、業務信息、個人信息等，包括來自政府、醫療、金融、企業、電商、能源、交通、商品、消費、教育、社交、社會等行業領域。我國數據要素市場有著天然的數據資源優勢，但仍處于市場發展初級階段，數據產品供給面臨諸多問題，市場存在數據產品種類少、同質化程度高、數據資源深加工和場景應用能力不足等問題。以數據要素型企業為主導，做大數據產品供給，比如加大政策供給。在數據產權分置、資產入表、收益分配、安全流通等方面加大政策供給，引導支持數據要素型企業提升數據產品供給能力。在政務數據、電信數據、電力數據、醫療數據等領68域布局專項數據產業試點，形成多條示范性數據產品供應鏈。5.2.2 數據管理方數據管理方主要

221、提供數據的收集、存儲、確權、治理、整合、分析、挖掘以及應用等服務。數據管理方通過各種渠道獲得數據，包括內部、外部以及第三方數據等，拿到數據后進行存儲、存證、確權，對隱私數據進行加密安全保護，再進行清洗和整合，確保數據質量，減少數據誤差和重復，通過分析和挖掘技術，挖掘數據價值，支持業務決策和數據分析，在整個過程中，通過區塊鏈進行存證，以達到監管目的，防止數據泄露和篡改。金融行業數據管理方一般包括金融機構、數據管理服務提供商等。5.2.3 數據需求方在數據要素市場中，需求方的需求十分旺盛涉及的行業眾多。這些行業主要分為政務、工業、互聯網、醫療、金融、能源、商貿等領域。其中，銀行、保險、證券等金融行

222、業領域對數據的需求尤為突出。對于銀行來說，數據是實現風險控制、客戶關系管理、產品創新等關鍵業務的重要支撐。通過數據分析，銀行可以更準確地評估客戶的信用狀況，制定更合理的信貸政策，提高風險控制能力。同時，數據還可以幫助銀行了解市場需求和趨勢，為產品創新提供有力支持。對于保險行業來說，數據在風險評估、精算定價、欺詐檢測等方面發揮著重要作用。通過大數據分析和人工智能技術，保險公司可以更準確地評估風險，制定合理的保險費率，提高風險控制能力。證券行業對數據的需求也十分強烈。數據可以幫助證券公司進行市場分析、投資策略制定、風險控制等。同時，數據還可以幫助證券公司了解投資者的行為和偏好，為產品設計和營銷提供

223、有力支持。綜上所述，銀行、保險、證券等金融行業領域對數據的需求十分旺盛，數據要素市場的發展對于這些行業主體的發展具有重要意義。5.2.4 數據服務商隨著數字經濟的不斷發展，數據要素市場不斷完善，數據的應用場景也會豐富起來。此外，數據采集、數據標注、數據清洗、數據審核、數據確權、數據服務等一系列圍繞數據應用的業務屬性也會成熟起來，進而為各種數據應用場景提供支撐服務，多元數據的融合將更加緊密。因此經紀服務商也可以分為場內經紀服務商和場外經紀服務商。數據服務商在數據要素產業鏈處于核心位置，起到鏈接數據供應方和需求方的作用。提供數據加工處理服務，進行數據預處理，將非結構化數據處理成結構化數據，開展數據

224、資源集成、數據集合和69數據分析技術、服務商。為數據商開展數據期貨、數據融資、數據抵押等業務，建立交易雙方數據的信用評估體系，增加數據交易的流量，加快數據的流轉速度，起到中介的作用。大數據金融衍生數據的設計及相關服務；大數據清洗及建模等技術開發；大數據相關的金融杠桿數據設計及服務；經大數據交易相關的監督管理機構及有關部門批準的其他業務。5.2.5 數據交易商隨著大數據處理與分析技術的日益成熟，數據在商業應用上越來越廣泛，有關大數據的交互、整合、交換、交易需求日益增多。從交易場所來看，數據交易可分為場外交易和場內交易，由于場內交易體系建設較晚，目前處于場外交易向場內交易轉化的階段，場內交易在迅速

225、發展。數據交易商為數據流通提供了平臺保障，數據交易商通過搭建覆蓋數據登記、撮合、交易、結算等流程的全數字化數據交易平臺（包括數據產品登記系統、數據交易系統、數據運營管理系統、金融創新服務系統、數據金融科技系統等），為大數據資產相關的交易提供全時掛牌、全域交易、全程可溯的數據交易支撐性服務，包括參與完成數據產品登記，數據質量評估，數據產品確權，產品掛牌上市、多方撮合交易、合約簽署、數據產品交付和交易結算等。數據交易商的存在，創新數據交易模式，促進數據的流通和共享。根據國家工信安全發展研究中心數據顯示，2021 年中國數據流通（交易、分析、數據服務）市場規模約為 380 億元，占中國數據要素市場規

226、模的 46.6%。從市場占比來看，根據上海數據交易所研究院，2022 年，場外交易占全部交易的比重約為 2%。預計到 2025 年，場內交易占比將達到 1/3 左右，場外交易平臺集中度低，場內交易以省市級交易所為主。當前，主要的數據交易平臺有全國首家大數據交易所貴陽大數據交易所，還有上海大數據交易所，華東江蘇大數據交易中心，華中數據交易所，北京數據交易所，深圳數據交易所等，海量數據在此匯集、分析、整合、輸出，不斷釋放出澎湃動能。2022 年 11 月，深圳數據交易所正式揭牌成立，至此，北上廣深四大一線城市均開啟了新的數據流通探索。5.2.6 數據的監管方數據產品的安全流通面臨較大挑戰。突出其公

227、共屬性和自律合規監管功能，面向和服務全國統一大市場，負責數據流通交易平臺日常運營，建立風險防范機制。構筑事前“評判機制”、事中“監測機制”和事后“仲裁機制”，共同防范數據產品開發中的合規風險，消除數據要素型企業安全顧慮。試行數據產品利益相關方的“嚴格認證”準入制。當前通過區塊鏈、隱私計算技術進行流70通的數據僅占我國數據總量的十萬分之一，主要應用場景仍局限在金融領域。還有如何在復雜化場景中融合包括區塊鏈、隱私計算、人工智能等多種技術保證數據產品的安全、高效流通，是數據要素市場面臨的巨大挑戰。建立風險防范機制。構筑事前“評判機制”、事中“監測機制”和事后“仲裁機制”，共同防范數據產品開發中的合規

228、風險，消除數據要素型企業安全顧慮。試行數據產品利益相關方的“嚴格認證”準入制。我國自 2020年將數據與“土地、勞動力、資本和技術”生產要素并列，明確提出加快培育數據要素市場。國家和地方陸續出臺相關政策，鼓勵各類市場主體探索數據流通交易。并于 2023 年 3 月成立國家數據局，負責協調推進數據基礎制度建設，統籌數據資源整合共享和開發利用。提供一整套的數據交易制度，提供數據產品登記憑證，通過登記憑證和交易憑證的發放，實現一數一碼，可登記、可統計、可普查。進行數據確權、數據價格發現與定價，有明確的監管和規則，給數商入場準入，給交易方建立互信。5.3 數據要素流通產業與生態鏈構建完整的數據要素流通

229、產業與生態鏈是推動我國數字經濟發展的重要舉措。在這個過程中，需要政府、企業和社會各方面的共同努力和協作。通過加強政策引導和支持、推動技術創新和人才培養、加強國際合作與交流等措施的實施將有助于打造高效、安全和可持續發展的數據要素流通產業與生態鏈為我國數字經濟的發展注入新的活力和動力。5.3.1 多方協作：共建數據要素流通的橋梁數據要素流通產業涉及的主體眾多，包括政府、企業、研究機構、社會組織等。為了實現數據要素的高效流通，各方需要加強協作，共同搭建數據要素流通的橋梁。政府應出臺相關政策，為企業提供數據要素流通的政策保障；企業應積極參與數據要素市場建設，提供優質的數據資源；研究機構應加強對數據要素

230、流通技術的研究，推動技術創新；社會組織應發揮監督作用，確保數據要素流通的公正、公平。5.3.2 金融數據要素：驅動產業發展的核心力量金融數據作為數據要素的重要組成部分，對推動產業發展具有重要意義。金融數據涵蓋了市場行情、企業信用、投資決策等方面，為金融機構、投資者和監管部門提供了決策依據。在數據要素流通產業中，金融機構應充分利用自身優勢，提供安全、高效的金融數據服務，為產業發展注入強大動力。715.3.3 產業環節：構建完整的數據要素流通體系數據要素流通產業涉及多個環節，包括數據采集、存儲、處理、交易、應用等。為了實現數據要素的高效流通，需要構建完整的產業體系。首先，要加強數據采集與存儲環節的

231、技術研發，提高數據質量；其次，要優化數據處理與分析環節，挖掘數據價值；再次，要完善數據交易與應用環節，推動數據要素的市場化運作；最后，要加強各環節之間的協同配合，形成完整的數據要素流通體系。5.3.4 生態鏈：實現數據要素價值的最大化數據要素流通產業不僅需要多個環節的協同配合，還需要構建完整的生態鏈。生態鏈包括數據采集、存儲、處理、交易、應用等多個環節的企業和機構。這些企業和機構在生態鏈中相互依存、相互促進，共同推動數據要素價值的最大化。為了實現這一目標，需要加強生態鏈各環節之間的合作與交流，促進技術研發、人才培養和市場拓展等方面的協同發展。同時，政府也應加大對生態鏈建設的支持力度，出臺相關政

232、策引導和支持生態鏈的發展此外，還應加強國際合作與交流，引進國際先進技術和管理經驗，推動我國數據要素流通產業的國際化發展。72第 6 章 金融行業數據要素市場化融合應用成果及案例6.1 金融數字化轉型案例6.1.1 案例一：基于數據安全的“信用+環?！本G色金融平臺（一）案例簡介中國節能集團是央企序列中唯一一家以節能減排、中節能天融科技成立于1998 年，是中國節能集團的生態環境監測與大數據應用的專業的子公司，研發“信用+環?！本G色金融平臺（以下簡稱“安全綠金平臺”），通過新技術從政府公共數據開放平臺中提取有價值的公共數據，有效推動政務數據與金融服務的高效融合，提高針對經濟主體信用評級的數字化水平

233、和“信用畫像”精準度，助力在金融服務過程中優化業務流程、拓展服務范圍，提高金融服務效率、降低金融服務成本、拓展金融服務邊界，通過公共數據的高效應用，實現普惠金融的目標。（二）針對痛點產品針對綠色金融中數據的披露共享難、跟蹤管理難等痛點打造基于“政、金、企、人”的綠色金融綜合服務平臺，可實現綠色金融/氣候投融資信息發布、綠色企業和綠色項目識別與評估、補貼申請與核定、環保信息公示、參與主體管理等功能。安全綠金平臺可提升企業、金融機構參與積極性，通過資源共享，搭建融資供需兩方橋梁，為銀行貸前審查、貸后管理提供數據支持，為相關單位進行宏觀經濟分析提供數據參考，有效提升地方綠色金融管理水平。安全綠金平臺

234、通過模型引擎部署了聯邦學習等建模方法訓練出的模型進行模型運算，并進行模型全生命周期的管理。平臺通過業務和技術的創新設計，有效解決了非公開數據在金融場景應用的“兩難”，即如何在保證信息絕對安全和嚴格保護個人信息的前提下提供數據服務，確保數據“可用的數據不可見”；以及如何滿足銀行全方位、多維度的風險防控的要求，使“不可見的數據可用”。（三）解決方案1.自主研發技術產品通過搭建基于數據安全計算的安全綠金平臺通過共享體系已歸集沉淀政務數據，以金融等重點領域為試點，推進公共數據和社會數據深度融合應用，通過將政務數據及金融征信數據進行融合，開展政務數據授信試點應用，發揮政務數據、公共數據的價值，助力產業發

235、展，服務民生，具備基于城市級的政務73數據、公共數據的數據服務能力。金融機構和政務數據間部署數據安全計算開放平臺，接入了生態環境、工信、住建等委辦局的政府開放數據，通過“數據可用不可見”模式，在確保數據安全和隱私保護的前提下，綜合運用金融數據及政務數據構建了綠色環保導向的個人和企業信用授信模型。平臺配置字段級數據訪問隱私規則，嚴格控制數據訪問方式，避免敏感數據泄漏。同時，平臺將隱私計算同區塊鏈技術結合，實現數據使用存證，為監管、審計提供了有力工具。數據安全計算技術棧包含聯邦學習、多方安全計算、可信執行環境、同態加密、差分隱私等多種技術，使環境因素在保護個人隱私和商業秘密的條件下，納入金融的智能

236、風控、智能營銷、供應鏈金融、授信服務等多場景提供服務。圖圖 6-1 綠金平臺功能架構綠金平臺功能架構綠色金融不僅擔負著創造新的經濟增長點、提升經濟增長潛力的任務，同時發揮著加速經濟結構綠色轉型、促進綠色發展的驅動作用?！凹纫鹕姐y山，也要綠水青山”意味著必須兼顧“穩增長”與“優環境”的雙重目標。平臺底層通過區塊鏈、隱私計算、人工智能等技術，保證整個平臺的架構安全運行。在此基礎上，以接口或者以數據庫表形式提供的各種政務、環保、三方等底層數據，通過數據采集、清洗治理、數據校驗、數據處理、策略運算和日志運算等環節，期間使用安全沙箱、多方安全計算（MPC）、同態加密等技術進行數據的加密傳輸，保證數據傳

237、輸中的安全。安全綠金平臺以環保數據為核心，通過大數據人工智能等數字技術助力綠色金融發展。平臺從宏觀、中觀、微觀角度全方位匯聚整合綠色金融產業信息，用征信+數據+模型+應用場景，滿足環保全產業鏈不同用戶的綠色金融需求。742.數據授權運營模式落地場景圖圖 6-2 數據授權運營模式場景數據授權運營模式場景一是綠色金融服務場景：如綠色技改貸款服務通過分析環境數據，服務于金融機構支持醫療化工、環保設備、節能改造、危廢處理等行業企業進行綠色技術改造和環境保護項目。通過安全綠金平臺提供企業節能減排評估、技術可行性、環境長期影響和經濟效益數據，同時使用數據監督資源利用效率，降低能源消耗和排放，幫助企業沉淀雙

238、碳減排量等綠色權益資產；ESG 貸款評估服務是金融機構的一款創新定制融資服務，通過溫室氣體排放量、水電消耗量、綠色創新技術、安全事故、環境處罰、環保投入、生物多樣性等建設 ESG 服務流數據接口，輸出可靠的環境績效評價，使融資企業核心能力整合輸出，提升金融效率與利率、期限、風險緩釋措施等多要素掛鉤，滿足綠色企業或項目在價格、期限、擔保方式等方面的需求；產業升級貸款服務針對高技術制造業、科創中小企業、節能環保等行業產業提供的“一行一策”的場景金融服務。通過環境等多維度的加工服務，建設一站式綠色產融服務，服務于金融機構完善授信審批和風控環節的模型評估，在產業升級的傳統評估模型中注入綠色因子、關注環

239、境影響洞察，助力金融機構為產業升級的加速扶持和精準滴灌。二是綠色保險服務場景：如安環責任保險服務，指安全生產責任保險和環境污染責任保險，通過企業涉污、環評、執法等環境數據維度，開發企業風險識別預警模型，服務于商業保險公司對投保企業保前風險評估及定價、保中風控監管、保后環境風險防控、賠付損害評估環節的數據需求，通過環境提升污染管理水平，減輕保險公司承保壓力和地方環保部門監管壓力；職業健康保險75服務是一種提供給煤礦、鈑金噴漆、木材加工等涉污染工藝的特定工種職業人群的健康保險產品。利用環境數據、企業工藝流程、個人健康等數據，識別污染損害健康環節，如粉塵、有機氣體等與病癥的漸進關聯程度，服務于商業保

240、險公司對大類企業定制此類保險的精算模型和理賠核定產品設計，為員工健康保駕護航；巨災保險服務，在災難性事件發生時為個人和企業提供保障。我國是農業巨災頻發嚴重的國家，巨災保險產品在保險公司多元化程度高，通過匯聚氣象、測繪、環境、農林牧、食品安全等多維數據庫，在保險公司精算和核定耕地質量下降、碳匯損失，生態價值損害、食品安全責任時提供數據調用服務評估損害程度及賠償金額核定。同時以數據運營模式推動體制建設，使政府補貼有據、群眾購買便利，災害觸發即賠。三是能源雙碳服務場景：碳信息披露服務，是以排污許可證數據為核心、匯聚分表記電、工礦分析、生產設備、企業有組織、無組織及碳排放源清單碳排放、多源數據等，為政

241、府摸清排放家底，為企業提供以碳減排為核心的綠色資產信息管理和披露。根據實際情況，數據產品服務以信息化決策平臺、數據披露項接口服務其他的管控、交易、協同平臺，用數據運營搭建一座政府、企業、金融的碳信息的橋梁。碳排放管控，服務于政府、園區、企業的碳達峰測算，分析研判規劃路徑，以碳排放和控制排放數據為核心，整合企業檔案、污染物等數據進行碳足跡、全生命周期管控，輸出安、環、能、電、碳一體化管控能力，為賦能政府“非見面、不打擾”的遠程監督效能企業、為企業園區輸出減污降碳協同管理和綠色資產管理規劃提供數據支撐能力。碳資產交易，基于對地區納入全國碳市場的企業實際碳資產（碳配額及 CCER）持有及盈缺、資產總

242、額、企業生產和歷史排放、企業在碳市場各環節（初始填報、第三方核查、第四方復核、配額核定、清繳履約等）的完成情況等數據維度進行統計和分析，預測履約期內企業排放量和配額盈缺情況。根據碳市場形勢（如配額流通情況、價格趨勢等），協助企業制定交易策略和履約方案。督促或代理運營企業按時完成各項工作任務，為企業算好碳排放，管好碳資產。金融行業各機構積累了高質量、高價值數據，但數據主要集中于金融領域，且受限于本機構業務范圍。從需求角度來看，金融業務需要對客戶情況、業務等形成全方位視圖，多維度分析才能產生更大的價值。因此，金融機構對于政務數據有迫切的合作意愿，隱私計算技術促進了更加開放的數據價值融合，充分挖掘了

243、數據的潛在價值，既有效支撐了金融業務發展，更好地服務普惠金融、鄉村振興等國家政策，又為金融機構在運營管理、風險控制等方面提供了強有力的支撐。根據前期的調研，從金融機構的宏觀預測中，千萬人口城市可以增加信貸76資金投放 20 億以上，從而間接帶動社會投資 80 億以上，將促進經濟發展、經濟結構調整和新稅源培養。（四）取得成效數字經濟業務市場機遇巨大，圍繞數據要素發展綠色導向的征信、金融，通過政府和企業的合作，幫助銀行篩選綠色企業，提供“環保+征信+融資”的全面綠色金融服務。通過專業技術工具，積極創新應用，助力地方城市實現數據融合共享應用與數據價值增值挖掘，結合產業特點打造標桿式應用場景。1.打通

244、數據壁壘，發展普惠金融增加環評、應急、執法等單位信用管理模塊，全面打通數據壁壘，將整合環保因素的征信數據嵌入信用園區、信用政府等服務、協同、審批系統中，金融機構依托公共數據，使得金融機構、企業、公共部門共同形成協調有序的生態體系，打破“數據孤島”。通過用戶社交、網購、信息檢索等多維數據的技術處理，更精準地鎖定用戶需求。另一方面，各金融機構的風控能力均需三方數據作為交叉驗證或聯合建模，以提升風控效果，促進普惠金融發展，發展新興業態涌現。2.釋放數據價值，培育數據要素數據流通的問題一直存在不同主體間，政府和企業的數據融通存在各種各樣的問題，這導致始終無法真正發揮數據要素價值。通過技術消除政府在這方

245、面的擔憂和顧慮，并協助政府釋放數據資產的價值，為地方政府創收，帶動經濟增長。在隱私計算的安全保障下，解決安全風險和隱私保護問題的數字經濟，可以真正挖掘數據潛在價值，實現城市數字經濟快速發展。3.完善信用體系，資金引領生態數字化時代的到來，信用不再是口口相傳的評價，而是可以形成完全量化的指標。對于金融來說，社會征信系統是其獲取相關信息的關鍵有效途徑，更重要的是健全的社會征信體系能夠保障普惠金融實現持續發展，其意義深遠。政務數據助力數字金融，有利于帶動當地金融機構釋放活力，引領資金更加精準、安全地流向綠色高價值產業，促進銀行貸款量、質齊升，提升經濟發展質量、推動生態環境持續改善。6.1.2 案例二

246、：基于區塊鏈技術的供應鏈金融平臺（一）案例簡介本案例旨在解決供應鏈金融服務中的合作信任、數據安全、融資成本等問題，通過構建基于區塊鏈技術的供應鏈金融平臺，為供應鏈各方如上下游企業、77金融機構、物流公司等提供數據開放和共享的服務，從而有效降低融資成本，減少金融機構的風控成本，還能提高企業的資金管理和利用效率。（二）針對痛點1.供應鏈金融市場分析供應鏈金融作為一種金融服務形式，其初衷在于解決產業鏈上廣泛存在的小微企業“融資難”的諸多難題。小微企業作為產業鏈中不可或缺的組成部分，其在經營、發展的過程中往往面臨著多方面的困難，如信用狀況不佳、金融資產獲取困難、信息非結構化、分析決策維度繁雜等問題。金

247、融機構向小微企業提供服務時，也存在先天不足的因素，使得小微企業在融資過程中的效率低、成本高、風控難。因此，供應鏈金融應運而生，通過整合和優化產業鏈中的資金流動和信息共享，實現供應鏈上各參與方的資金需求與風險控制的有效平衡，進而解決小微企業融資難的問題，促進產業鏈的可持續發展。圖圖 6-3 供應鏈金融市場當前問題供應鏈金融市場當前問題供應鏈金融能幫助中小微企業解決融資問題，受到了國家政策的大力支持。2017 年 10月，國務院發布了關于積極推進供應鏈創新與應用的指導意見，進一步明確了供應鏈金融的發展方向和重要性。隨后，央行、銀保監會等機構也相繼出臺了一系列支持供應鏈金融發展的政策，為其在我國的健

248、康發展提供了強有力的保障。尤其是在 2021年的政府工作報告中，首次提及了要創新供應鏈金融服務模式，進一步推動供應鏈金融的發展。這表明了政府對于供應鏈金融的高度重視和關注，也為中小微企業解決融資難題提供了更多的機會和選擇。2.供應鏈金融場景的痛點分析供應鏈金融主要以“核心企業+上下游企業+金融機構+風控”的方式，來78解決小微企業融資難的問題。在傳統的供應鏈金融解決方案中，信息不對稱、核心企業信用傳遞難以實現以及業務效率低下等問題亟待解決。首先，由于同一供應鏈上企業之間的 ERP系統不互通，導致信息割裂，難以實現全鏈條信息的互通，可能會給信息欺詐風險的發生帶來潛在威脅。其次，核心企業只能對一級

249、供應商進行背書確認，導致中小微企業的融資難題。這些中小微企業的制度不成熟，財務數據不完善，核心企業無法將其信用傳遞到整個供應鏈閉環上。目前，供應鏈金融模式以銀行與核心企業共建平臺為主，對核心企業的依賴性過強，會增強銀行供應鏈金融業務的風險隱患。此外，隨著核心企業在供應鏈中的主導地位凸顯，欺詐風險也隨之增加。因此，需要一種新型的供應鏈金融解決方案，以實現供應鏈全鏈條信息互通、中小微企業信用傳遞，以及銀行和核心企業風險控制的有機結合。通過引入人工智能技術，結合大數據分析、區塊鏈等新興技術，建立智能化的供應鏈金融生態系統，為小微企業提供更為高效、安全、可靠的融資渠道，實現供應鏈金融的可持續發展。（三

250、）解決方案針對供應鏈金融場景中的諸多痛點問題，供應鏈金融區塊鏈平臺將區塊鏈、大數據、物聯網等科技技術與產業金融場景深度結合，創新性地打造了供應鏈物流、信息流和資金流的一體化金融生態。在此基礎上，結合鏈上核心企業數據和信用傳導機制，構建出可拆轉融的數字信用憑證，為供應鏈上下游中小微企業提供便捷、高效的金融服務。供應鏈金融區塊鏈平臺基于區塊鏈技術構建信任價值體系，主要從以下四個方面實現：首先，是身份可信，采用密鑰和數字證書來驗證用戶身份，實現鏈上多方協議。其次，是多方共享，通過多方數據備份實現數據不可篡改，并確保全流程可追溯，確保數據的可靠性。第三，是隱私安全，借助密碼學和多鏈技術確保交易的隱私性

251、，防止數據泄露和惡意攻擊。最后，是價值流通，將鏈上資產作為行使權益的唯一憑證，通過智能合約保障融資業務的可信、有序流通。79圖圖 6-4 基于區塊鏈技術構建信任價值體系基于區塊鏈技術構建信任價值體系在價值流通方面，平臺通過區塊鏈、物聯網、大數據等科技技術，實現了物流、信息流、資金流數據上鏈共享。將所有參與方同意的債權關系寫入智能合約，形成可拆轉融的數字信用憑證，實現債權的可轉讓、可拆分、可融資。圖圖 6-5 供應鏈金融區塊鏈平臺價值流通供應鏈金融區塊鏈平臺價值流通平臺通過信息上鏈、創建可拆轉融的數字信用憑證，打破了傳統金融業務中的信息不對稱和信任難題，讓金融業務更加透明和高效。同時，平臺還實現

252、了信息流的高效傳遞，有效縮短了供應鏈中的各項交易時間，提升了企業的資金周轉效率，助力企業發展。80圖圖 6-6 信息上鏈、創建可拆轉融的數字信用憑證信息上鏈、創建可拆轉融的數字信用憑證下圖是供應鏈金融區塊鏈平臺架構圖，最上層是供應鏈金融區塊鏈平臺的業務功能模塊，涵蓋了供應商、核心企業、金融機構的供應鏈金融相關業務。圖圖 6-7 供應鏈金融區塊鏈平臺架構圖供應鏈金融區塊鏈平臺架構圖中間層是區塊鏈基礎設施，是平臺的關鍵支撐，其主要作用是對區塊鏈的網絡生命周期進行全面的管理，并提供一系列密鑰管理、CA服務等輔助工具，保證平臺的安全和可靠性。再下層是貿易真實性核查服務，因為在應收賬款融資環節中會涉及大

253、量的貿易真實性核查，所以需要調用一些如企業真實性核查、股權關聯查詢、發票驗真等貿易真實性核查服務。81最下層則是一些創新性的解決方案，它們結合了大數據、人工智能等技術，為平臺提供了更多的智能化和自動化服務。其中包括企業數字畫像、AI 輔助功能、貸后風險預警等等，這些功能可以有效地提高平臺的效率和穩定性?？偟膩碚f，供應鏈金融區塊鏈平臺架構具有極高的靈活性和可擴展性，可以滿足不同規模和類型企業的需求，為其提供高效、安全、可靠的金融服務。（四）取得成效1.核心優勢從技術創新來看，供應鏈金融區塊鏈平臺通過建立一個基于區塊鏈互信的關系網絡，實現供應鏈上中下游企業、金融機構、物流公司等各方信息高速交互，從

254、而解決了傳統供應鏈金融服務中各參與機構在合作信任、數據安全等問題。平臺采用了大數據與人工智能技術，幫助金融機構更快速地做出決策，提供高效的金融服務，解決了中小微企業的融資難、融資貴等問題；同時，平臺采用零知識證明等技術，加強了對企業隱私信息的保護，提高了企業間的信任度。從模式創新的角度來看，平臺通過引入 CFCA 證書和國密算法等保障數據安全和隱私，采用自動清算等措施提高金融機構的效率，實現全流程線上化操作，解決了傳統供應鏈金融服務中的操作風險。同時，平臺的信用穿透機制，能夠將核心企業的信用從一級供應商傳遞到末級供應商，緩解供應商融資難、融資貴的問題。2.應用價值供應鏈金融區塊鏈平臺的應用價值

255、主要體現在以下四個方面：首先，平臺可以打通多方數據孤島，實現對供應鏈物流、信息流、資金流的數據管理，從而建立供應鏈企業誠信體系，促進產業生態的健康發展。其次，平臺可以為中小微企業提供多種金融服務，如可拆轉融的數字信用憑證、流動資金貸款、應收賬款融資等。第三，通過區塊鏈的可追溯性及供應鏈相對閉環的特性，平臺可以實現對相關業務產品及企業行為的穿透式監管，從而推動產業向有序化、健康化發展。最后，平臺可以實現貸款業務的線上線下融合應用，涉及信用貸、抵押貸款等多種貸款形式，為企業提供更多元化的融資方式。綜上所述，供應鏈金融區塊鏈平臺實現了核心企業、中小企業、金融機構以及監管機構可以實現多方協作共贏，推動

256、了供應鏈金融服務的升級與優化，促進了產業的可持續發展。826.1.3 案例三：數字力量和茵羅智能的長期 RPA 金融行業的網銀合作（一）案例簡介數字力量和茵羅智能在 RPA領域長期與金融行業的網銀業務進行合作：網銀業務中的一些工作重復率較高，人工操作容易出錯。體現在每月網銀數據流水下載，傳輸網銀數據流水文件，繳費方面等等。其中網銀數據流水的下載和上傳是網銀業務中的重復工作之一。需要定期將每周或每月的流水數據下載并上傳。無論是用于下載還是上傳，每次操作都是相似的，這一重復的過程顯然不是最有效率的方式。還有對于繳費每個月都必須按照相似的方式支付費用，這些操作需要重復輸入相同的信息，例如收款人姓名、

257、賬號和金額。這不僅浪費了時間，還容易引發輸入錯誤，可能導致資金交易問題。（二）針對痛點1.自動化重復性任務：在網銀業務中，許多任務需要不斷地重復，例如賬單支付、資金轉移和交易記錄更新。2.低精確性：人為執行任務時不夠精確，可能無法遵循預定的規則和流程，增加了人為錯誤的機會。3.操作成本：即使人為工作自動化重復性任務，銀行和金融機構也需要支付相應的工資，有相應的人力資源開支。（三）解決方案圖圖 6-8 網銀流水處理網銀流水處理機器人流程自動化（RPA）在各行業各部門的應用十分廣泛。它在哪個部門就是模擬哪個部門人工操作的流程自動化數字員工。它幫助企業提高數據處理和分析的效率和準確性，節省時間和成本

258、，同時降低風險和提升合規性。通83過 RPA的自動化，企業能夠更好地管理數據，提高決策的準確性和時效性。RPA實施及運行過程中，用戶的目標逐步從具體的實施部署轉變為從根本上優化流程本身。實現更新的、更好的、更有效的業務流程，真正實現投入產出比的跨越式提升。數字力量 RPA機器人可以實現完全的自動化，從數據的下載、提取、篩選、驗證、導出等操作，都可實現完全的自動化，無需任何人工干預且正確率極高。而且對流程的定時啟動處理，能夠在完全不占用業務人員工作時間的基礎上，高效地完成預定的任務。極大地提高了效率和節約人力成本的同時也提高了操作的正確率。圖圖 6-9 RPA注冊系統登記圖注冊系統登記圖 6-1

259、0 RPA 核算系統核算系統84圖圖 6-11 RPA 落地指南落地指南管控方案圖圖 6-12 RPA 的能力的能力 建立完善的監控校驗體系，嚴防自動化產生業務風險 記錄完備的操作業務日志，用于分析業務異常 設立異常提醒 ss機制，及時進行異常提醒，并通知相關人員處理異常 定期梳理優化自動化流程，不斷完善改進流程，預防潛在風險發生 建立敏感數據防泄漏機制，防止敏感數據泄露數字力量與您一起進入人機協作新時代數字力量與您一起進入人機協作新時代以某基金公司為例：1.標準化流程：各類管理辦法操作細則明確規定作業流程，整體工作的標準化程度較高。2.重復性工作：每個會計周期（日、周、月、季、年）作業內容高

260、度相似，工作重復性強。853.數據源眾多：需要結合多個獨立數據源進行處理、驗證、導入生成業務流，保障作業的準確性。圖圖 6-13 某基金流程案例圖某基金流程案例圖（四）取得成效1.RPA 實施及運行過程中，用戶的目標逐步從具體的實施部署轉變為從根本上優化流程本身。實現更新的、更好的、更有效的業務流程，真正實現投入產出比的跨越式提升。2.數字力量 RPA 機器人可以實現完全的自動化，從數據的下載、提取、篩選、驗證、導出等操作，都可實現完全的自動化，無需任何人工干預且正確率極高。而且對流程的定時啟動處理，能夠在完全不占用業務人員工作時間的基礎上，高效地完成預定的任務。極大地提高了效率和節約人力成本

261、的同時也提高了操作的正確率。圖圖 6-14 數字力量數字力量 RPA866.1.4 案例四：某機構雙碳數據信用評價應用案例（一）案例簡介此項目應用場景主要是針對政府等職能機構，對企業雙碳數據進行分析，形成碳信用評價體系及報告，總和評級企業碳信用情況。碳信用評價是評估企業碳信用的方法與體系，碳信用評價試圖在信用風險分析中正確反映對投資有實質性影響的碳因素，揭示各類企業在應對氣候變化與雙碳目標下的適應性和競爭力，以正確評估相應企業的碳風險和碳價值，來表征企業的碳信用，評價企業整體對“應對氣候變化與雙碳目標”這一關鍵環境因素的適應性和競爭力變化。此項目中涉及到企業電力、熱力、油品、煤炭、天然氣五大傳

262、統能源，以及自身發電、核電、氫能源等特殊的能源數據等。此類數據多為企業內部隱私數據，數據的流通、融合及核驗要求嚴格保密，該案例旨在數據安全和應用成效進行融合，發揮數據要素價值最大化。（二）針對痛點雙碳數據信用應用領域廣泛，其中金融是主要應用領域，央行資金碳減排支持工具可為清潔能源、節能環保，碳減排技術等重點領域內的各類企業提供碳減排貸款，該申報目前依靠商業銀行線下手工填報，央行線下人工審核的方式，存在央行和商業銀行在項目上信息不對稱的問題，主要表現為碳賬戶數據不對稱，評價標準不一致，申報審核效率較低等問題。1.碳信息數據采集不統一，表現為碳賬戶主要由政府建設，但省級和地市層面尚未將碳信息數據統

263、一歸集，主要數據仍散落在各數源部門和企業之中；2.碳信用評價不統一，未建立統一的評價標準，各地金融機構無法依據企業碳信用評價，特別是工業企業的碳評價進行金融服務。3.缺乏碳賬戶金融等資源引導機制，金融機構缺乏創設碳賬戶金融創新產品的依據和方向；4.缺乏碳治理檢測反饋閉環，缺乏統一的碳核算及碳信用評價降低了地方政府治理檢測能力；5.部分關鍵碳信息存在隱私保護與共享間的矛盾，亟需技術進行化解，如企業工業增加值，稅務信息，和企業技術工藝等核心碳信息，出于法律合規和隱私保護等原因無法共享，但這些信息對于測算單位碳排放，碳減排監測尤為重要，因此需要技術攻關解決這些難題。碳信用是金融機構碳賬戶金融的核心依

264、據，存在加強數據安全及可追溯性的問題，金融機構對于碳數據安全性，碳信用認可度仍存在一定顧慮。87（三）解決方案1.碳賬戶金融平臺支持碳減排貨幣政策工具重點支持清潔能源、節能環保、碳減排技術等領域。碳減排支持工具是央行低成本的政策資金，規模大，利率低，提供給金融機構的利率只有 1.75%。平臺通過設計融資企業/項目信息是否符合碳減排支持工具，在線生成申報模板，由銀行填寫并進行在線申報，人民銀行各級審批通過后可以展示碳減排成效。平臺將央行資金與碳減排工具打通，提高了金融機構申請和央行審核的效率，同時也實現資金精準投放，做到可展示，可計算，可驗證，也為后續央行其他政策工具投放提供支持。2.技術手段支

265、持基于我們對于區塊鏈與隱私計算的理解，不難發現，它們都綜合利用了密碼學、分布式等技術，既有相似之處又各有特點。區塊鏈數據“可見不可得”區塊鏈數據“可見不可得”，區塊鏈技術天生具有數據可溯源、不可篡改、公開透明等優點，能夠從根本上保證數據的唯一性、不可復制、不可篡改，可以幫助應對數據克隆、確權等挑戰。區塊鏈技術還是解決多方協作和多方信任問題的一把利器，通過建立共識機制在參與方之間建立互信，實現去信任、點對點的信息傳遞；通過智能合約保證鏈上數據真實、可驗證；通過協同機制、激勵機制，促進數據開放共享與價值協作。不過區塊鏈在項目應用中，企業都不愿意把隱私數據拿到鏈上，像碳排放數據、能耗數據、財務數據、

266、投融資數據都是企業生存發展的生命線。這個棘手的問題還得通過隱私計算技術來解決。隱私計算數據“可得不可見”隱私計算數據“可得不可見”，隱私計算技術則是只釋放數據可以產生的價值，數據對應的信息則加密不公開。每個人都可以利用數據進行計算獲取價值，但數據本身仍然控制在所有者手中?？梢哉f，區塊鏈技術與隱私計算技術結合，可以在無需共享原始數據的情況下，實現多節點間的協同計算和數據隱私保護，還能解決大數據模式下存在的數據過度采集、泄露等問題。區塊鏈確保計算過程和數據可信，隱私計算實現數據可用不可見，兩者相互結合，相輔相成，實現更廣泛的數據協同。解決數據歸屬權問題解決數據歸屬權問題、區塊鏈作為一種不可篡改的分

267、布式賬本技術，鏈上數據具有可溯源、公開透明的特性，區塊鏈智能合約具備自動執行的特性，極大降低了人為介入業務流程的風險，這些特性決定了區塊鏈技術天然適合解決數據歸屬權問題。利用區塊鏈技術，可以把隱私計算過程的源數據、處理記錄、中間關鍵數據、計算結果數據記錄到區塊鏈上，實現數據歸屬、操作有證可查，88從源頭上解決數據歸屬權問題。另外，區塊鏈和隱私計算技術的去中心化特點決定了該架構中所有節點對等，確保在不需要可信第三方條件下即可進行數據融合計算，實現數據實體不被第三方復制和保持，確保數據歸屬權的有效性。實現數據隱私保護實現數據隱私保護、區塊鏈與隱私計算技術均能助力數據隱私保護。首先，區塊鏈技術通過對

268、接入方進行準入控制，以及對各個組織的數據進行隔離，可以確定數據的分享范圍；其次，在隱私計算全生命周期進行上鏈存證的數據只存儲數據指紋，不存儲數據本身，確保了鏈上數據可驗不可讀。此外，通過隱私計算技術可構建一個鏈下計算網絡，以此提升區塊鏈的數據處理能力和隱私保護能力，在保護接入方數據隱私前提下實現大規模運算，提高多方數據融合計算能力，實現數據要素價值流通。鏈下計算網絡的模式規避了區塊鏈技術目前存在的性能瓶頸，在隱私、安全與性能等方面實現了平衡，適應了商業化應用的需求，助力區塊鏈隱私計算融合技術成為數據要素價值合規、安全、高效、可信流轉的基礎技術。助力實現數據資產化助力實現數據資產化、資產信用化、

269、數據要素只有實現安全流通才有可能實現數據資產化，隱私計算擴展了多方數據融合計算能力，可實現數據要素價值流通。隱私計算主要解決多個數據源的協同計算問題，可以彌補區塊鏈平臺鏈上數據處理能力的不足，以保護數據全生命周期的隱私為基礎實現“數據可用不可見”的目標，促進數據要素在融合流通中發揮價值。數據資產化的另一個前提是公平性，區塊鏈實現對隱私計算全生命周期數據的采集、傳輸、存儲、使用、流通、銷毀，從監管與審計視角確保了公平性；同時，區塊鏈智能合約與共識等技術也實現了在多方數據融合計算中參與方共同治理隱私計算過程，保證協作過程公開透明、權責對等、公平公正。將區塊鏈融合到隱私計算網絡中，可以實現業務邏輯可

270、信執行，進而保證隱私計算所得到的結果具有真正的業務價值。區塊鏈技術可以幫助實現“數據價值轉移，控制權不轉移”，從而達到數據流轉中的可控、可用、可驗證目標。推動計算全流程可信推動計算全流程可信、可信問題在隱私計算全流程中可以分為接入身份可信、數據來源可信、計算過程可信，利用區塊鏈技術可實現隱私計算全生命周期管控。接入身份可信的實現是通過區塊鏈的分布式數字身份認證，對隱私計算參與方的數字身份進行管理，通過簽名算法確保參與方的真實可信，避免惡意或假冒參與方參與隱私計算；數據來源可信的實現是通過區塊鏈智能合約校驗參與方上送的關鍵數據是否在合理區間，并將關鍵中間數據記錄到區塊鏈上，從而規避惡意數據源參與

271、隱私計算；計算過程可信的實現是利用區塊鏈不可篡改、可追溯的特性，將參與方的行為如源數據 Hash、數據同步動作、中間計算結果、最終計算結果等記錄到鏈上，以此實現計算全過程可監管、事后可審計。89圖圖 6-15 隱私計算架構圖隱私計算架構圖我們通過區塊鏈和隱私計算的融合，隱私計算技術實現了多個參與方數據不公開的前提下計算碳指標、碳信用相關數據。由于整個計算的過程被抽象到智能合約內部，智能合約需要經過所有參與方審核通過，才能部署到鏈上。這樣區塊鏈在其中起到了計算協調和保證計算過程可信的作用。（四）取得成效1.碳賬戶金融建立跨部門、數字化的碳信息共享機制，解決綠色低碳識別難、成本高的問題。綠色低碳項

272、目與重點排放企業綠色融資高效對接，促進銀企綠色融資對接，支持企業綠色低碳發展。通過碳賬戶金融工程支持浙江省每年新增綠色信貸增長 10%。積極推動央行碳減排專項支持工具的對接，落實央行低成本政策資金對低碳減碳的精準支持，為浙江省爭取更多的綠色低息資金。通過碳賬戶金融工程每年為浙江省爭取 500億元。構建金融支持碳達峰碳中和的監測分析、成效展示、考核評估等應用，同時完善央行政策資金對接、評估、公示、監督、糾正和懲戒的管理閉環，從宏觀上清晰地把握金融支持浙江省碳達峰碳中和工作的成效。按照“一地創新、全省共享”的原則，開展省市平臺碳賬戶金融復制推廣，實現信息全省貫通和共建共享。2.區塊鏈（1）貫徹落實

273、浙江省碳達峰碳中和的決策部署，加強金融政策、產業政策、環境政策、財政政策協同，強化對綠色低碳領域的精準支持，推動我省率先實現碳達峰碳中和目標。90（2）為后續對接能源交易所做好基礎，使得用戶通過低碳行為獲得利益，充分肯定了低碳行為的價值。（3）抵押碳信用獲得貸款，扶持重點排放企業開展節能減排途工作，共建綠色地球家園。（4）實現碳指標、碳信用上鏈，助力構建更加完善的社會信用體系。根據國家雙碳政策、項目運行特點和運營效果，同時結合金融機構參與的實際情況，項目將提高金融機構效率，提供碳賬戶金融業務參考依據、落地金融支持配套政策，為企業提供多種碳賬戶金融產品、并為符合條件的企業爭取利率上的優惠。6.1

274、.5 案例五：湖北省市場監督局 AI 法律知識問答項目（一）案例簡介長期以來，多模態的知識類數據要素，由于技術的局限性，難以在人機之間形成良好的共享流通，更多的是依賴人人之間的言傳身教來讓知識流通，然后這種知識流通方式效率較低。該項目打造的 AI 法律問答機器人，結合了新一代生成式人工智能技術，對21 個門類 200 多部法律法規、4922 門課程、相關市場監管的辦事規程等內容通過 embedding 技術構建了本地化的向量知識庫，再通過大語言模型、提示工程、思維鏈等前沿技術手段，使普通基層執法人員僅通過與機器人聊天就可快速獲得所需的法律知識，極大地加速了人機之間的知識流通效率。同時，高級人員

275、通過與機器人交互，可以快捷方便的沉淀市場監督相關法律專家知識，進而極大地加速了人人（比如專家和小白）之間的知識流通效率。（二）針對痛點湖北省市場監督管理局作為省政府直屬機構，面向 728萬戶以上市場主體、5800 萬以上消費者提供市場綜合監督管理服務支撐。在監督管理服務過程中存在以下幾個方面的痛點：痛點 1：查詢難，即法律知識檢索困難。傳統知識檢索方案需要用戶自行在網站通過關鍵詞進行模糊查詢，對于復雜的查詢難以匹配到目標答案，且匹配出來的結果還需要人工一個個查看是否為匹配內容，如果沒有找到匹配內容，則用戶需要重新選擇關鍵詞再次查詢，由于缺乏多輪對話能力使得整個過程操作繁瑣、效率低下。痛點 2：

276、學習難，即培訓工作負擔極大。由于市場監督管理工作涉及的各行各業的知識眾多，比如湖北省市場監管培訓中心自主研發的網絡教育平臺。該平臺業務覆蓋廣泛，包含優化營商環境、改善消費環境、“四大安全”、國91家質量基礎設施等 21 個業務門類，累計開通版權課程 4922 門。然而，這些知識學了之后，在實際工作中并不能馬上用到，時間久了也容易忘掉。而傳統的培訓、學習方式，無法做到現學現用，導致湖北省市場監管培訓中心的工作負擔極其大。痛點 3：使用難，即難以做到現場執法過程中的有法可依，進而影響執法效率。涉及領域廣泛，服務對象眾多，執法工作人員知識水平參差不齊，難以保障每次的服務都有較好的高質量。比如：在市場

277、監督局工作人員的日常工作中，維護消費者權益是一項重要職責，而其中商品質量，大到商品房，小到一瓶水都在范圍內。涉及到大量的不同的法律法規、行業規范、案例解讀，不是每個執法工作人員都能全部掌握這么多的知識，于是就很難做到現場執法過程清晰的法律解讀，執法現場容易出現質疑，進而影響執法效率。（三）解決方案該案例整體解決方案的邏輯架構如下圖所示：圖圖 6-16 AI 法律知識問答邏輯架構法律知識問答邏輯架構核心的建設內容包含以下三個方面：（1）模型構建考慮到客戶是政府部門，有嚴格的合規安全要求，且項目涉及大量政府內部資料，因此，我們采用開源基礎大模型+私域數據進行微調的方式，幫助客戶構建可私有化部署的本

278、地大語言模型。這些基礎大模型經過嚴格的測試和驗證，具備出色的性能和全面的能力，再加上客戶的私域數據，通過 LLMops 平臺工具對基礎大模型進行微調優化，使其與客戶的數據和業務更加契合，提升模型的準確性和適用性。92（2）本地法律知識庫建設本地法律知識庫主要包含客戶私域知識和社會公開知識兩個部分，其中私域知識主要包括法律法規條款解讀、真實案例以及專家知識經驗。社會公開知識主要針對不確定性的問題，可以通過公開的政府網站，尋找相關的內容，結合內外部知識庫來進行推理回答。技術實現上，主要通過切片技術對文本進行分割，通過 embedding 技術對內容進行向量化，然后存儲到向量數據庫。向量數據庫是一個

279、高效的存儲和檢索系統，專門用于處理 LLM 模型所需的大規模向量數據。通過向量數據庫，可以高速存儲、查詢和分析 LLM 模型所產生的向量數據，從而加速模型的推理和優化過程。同時，還可以對專家知識進行沉淀，并解決大模型缺乏記憶能力的問題。（3）AI法律問答機器人構建AI法律問答機器人基于瀾碼自研的 AI-Agent（智能體）設計平臺進行構建。該設計平臺包含 Agent 設計端、Agent 管理端和 Agent 客戶端三大模塊。其中Agent 設計端涵蓋了 agent 角色、技能、知識、記憶等基礎能力配置以及意圖識別、問題拆解、任務規劃、計劃執行等高級能力配置。用戶可以通過簡單的配置即可快速設計、

280、發布一個場景化的智能體應用。（四）取得成效在這個知識爆炸的時代，該案例所建設的 AI法律問答機器人脫穎而出，成為市場監督相關法律知識的守護者和傳播者。它擁有強大的支撐能力，覆蓋了21 個門類的 200 多部法律法規，涵蓋了營商環境、消費環境改善、“四大安全”、國家質量基礎設施等多元領域，共計 4922門課程的知識問答。該 AI 法律問答機器人不僅是一個知識庫，更是一個高效的學習工具。它可以為初級人員提供 AI 組卷、AI 判卷、AI 能力測評等服務，幫助他們快速、高效地學習和掌握法律專業知識。該案例的成功實施，徹底解決了市場監管人員在日常工作中遇到的法律知識查詢難、學習難、應用難等問題。它極大

281、地減輕了基層執法人員的學習負擔，同時也降低了市場監管培訓中心的培訓成本。更重要的是，它提升了基層執法人員對相關知識的運用能力，使執法過程有了法可依，從而提升了群眾咨詢的應答率和服務滿意度，以及執法人員的案件辦結效率。此外，該案例通過知識庫細化、意圖識別分發、關鍵詞與向量化多路召回、知識融合、并行推理優化等多種前沿技術，使得知識查詢、案例總結、復雜推理等任務的綜合準確率高達 90%以上。這一切都為湖北省市場監督管理局提供了強大的技術支撐，使其能夠面向 728 萬戶以上的市場主體和 5800 萬以上的消費者提供智能化、高效的市場監督服務。我們堅信，這是科技賦能政府工作的93一個典范，也是我們加速法

282、律知識流通、法律知識價值釋放，服務社會、服務公眾的一個重要里程碑。6.1.6 案例六：星云基于大語言模型智能客服平臺（一）案例簡介南京星云數字技術有限公司（簡稱“星云數字”），成立于 2018 年，是一家專注技術研發、應用、服務的金融科技公司，致力于為企業、金融機構、政府等客戶提供全方位一站式數字化解決方案。星云數字以人工智能、大數據、云計算、區塊鏈等新一代信息技術為基礎，打造了信貸決策引擎、金融數據中臺、線上線下精準營銷系統、智能運營產品、企業征信云等一系列金融科技產品，為客戶提供供應鏈金融科技、微商金融科技、消費金融科技三大解決方案。星云數字在服務星圖金融及城商行、農商行、保險客戶過程中，

283、基于大語言模型、大數據技術，深耕智能客服領域，整合企業內部數據、公共數據要素信息、線下加工數據，構建新一代智能客服平臺，賦能多樣業務場景。主要包括應知應會，企業人事智能化培訓；豐富風控模型變量，挖掘催收錄音摘要價值；座席營銷助手，提高轉化率；座席售后服務，挖掘交叉營銷商機；咨詢投訴，管理客戶情緒，提高問題解決效率。（二）針對痛點傳統智能客服系統在崗前培訓、崗中支持、崗后質檢領域發揮一定程度作用，在應用過程中，有如下一些痛點，制約了智能客服系統的推廣與深度應用。知識庫維護困難，需要配置問題、對話策略；難以支持多路對話，且上下文理解能力不足。人機交互不夠智能，須按照“約定”好的對話思路進行對話，用

284、戶體驗差。系統部署周期長，需要較長時間準備數據。技術門檻高，涉及大數據、ASR、TTS、NLP、知識圖譜技術。應用場景細化，需要定制化內容多，且專業性要求高。（三）解決方案1.解決方式綜述針對上述場景，星云提出了基于大語言模型來實現智能客服解決方案的提升，并在服務星圖金融客戶需求過程中，進行落地，且取得了非常好的效果。具體來說，方案實現有四類方式，根據需求的不同，可以選擇恰當的模式。94圖圖 6-17 大語言場景應用四類方式大語言場景應用四類方式通過上述四類實現方式的比較，我們可以根據場景的不同，選擇最容易落地、代價最低的方式，這樣既可以快速見效，又不至于投入過大，造成決策周期過長的問題。四類

285、應用方式如何選擇，可以參考下圖：圖圖 6-18 大語言場景應用四類方式選擇過程大語言場景應用四類方式選擇過程下面詳細說明每類應用場景使用情況。2.Chat-API（0-shot）實現方式：Chat-API（0-shot）是指使用 Chat-API 進行一次（0 次）請求。Chat-API 是一種用于創建聊天機器人的 API，它允許開發人員將自然語言處理技術集成到他們的應用程序中，以與用戶進行對話交互。在 Chat-API（0-shot）中，開發人員只需進行一次 API 請求，即可獲取所需的聊天機器人響應。這意味著開發人95員不需要多次調用 API，從而節省了時間和資源。適配場景：問題解答、意圖

286、識別、對話場景、推薦系統、客戶服務、營銷推廣、教育培訓。3.Plug-in 實現方式插件是指一種程序，它通過向其他程序或系統提供某些功能而擴展它們的能力。插件通常是一個獨立的程序，可以在其他程序或系統中安裝和使用。在計算機領域，插件通常用于增強瀏覽器、操作系統或其他應用程序的功能。例如，在瀏覽器中，插件可以用于添加額外的功能，如廣告攔截、彈出窗口攔截、視頻播放等。插件可以分為兩種類型：系統級插件和應用程序級插件。系統級插件可以擴展操作系統的功能，而應用程序級插件則可以擴展特定應用程序的功能。插件的優點是可以在不修改主程序的情況下擴展其功能，這使得它更加靈活和易于維護。此外，插件還可以在不同的應

287、用程序之間共享，使得開發工作更加高效。適配場景：個性化推薦、營銷策略優化、智能客服、客服流程優化、欠款提醒、欠款風險評估、員工培訓、培訓效果評估等。4.AI-Agent 實現方式AI-Agent 是一個開源的、基于 Python 的智能代理程序，它使用深度強化學習算法來訓練智能體以執行復雜的任務。AI-Agent 可以在多種環境中運行，包括游戲、機器人控制和自主駕駛等領域。AI-Agent 使用深度 Q 網絡(Deep QNetwork,DQN)進行學習，這是一種深度強化學習算法。DQN 可以學習在復雜環境中采取最優行動的策略。AI-Agent 的訓練過程通常包括以下步驟：環境交互：AI-Ag

288、ent 在環境中進行交互，收集狀態和獎勵信息。狀態表示：將狀態信息轉換為可供模型處理的格式。模型訓練：使用 DQN 模型進行訓練，更新權重以提高策略的質量。策略評估：評估訓練后的策略，檢查其在環境中的表現。AI-Agent 可以應用于多種任務，例如游戲玩家、機器人導航和控制、自動駕駛汽車等。它可以幫助智能體學習如何在復雜環境中做出最優決策，從而實現更高效、更智能的行為。適配場景AI-Agent 是指使用人工智能技術的代理人，可以模擬人類的智能和行為，96執行特定的任務或提供特定的服務。在金融場景中，AI-Agent 可以應用于營銷、催收、客服、電銷等領域。圖圖 6-19AI-Agent 應用場

289、景待封裝接口應用場景待封裝接口5.Fine-Tune 實現方式Fine-Tune 是指在已經訓練好的神經網絡模型的基礎上，通過微調模型參數來適應新的任務或數據集的過程。這種方法可以大大減少訓練時間和計算資源，同時保留已經訓練好的模型中的知識。Fine-Tune 的基本思想是，利用預訓練模型的權重和架構作為起點，在目標任務上進行微調，以使其適應新的數據集或任務。通常，Fine-Tune 的過程會從預訓練模型的最后一層開始，逐漸向前調整每一層的權重，直到達到所需的性能水平。Fine-Tune 可以應用于各種深度學習任務，包括圖像分類、自然語言處理、語音識別等。選擇微調大語言模型，具體取決于自身具體

290、要求、行業性質和特殊目標，包括以下原因：定制化需求，數據敏感和合規性要求，領域特定術語，任務性能增強，改善用戶體驗。適配場景通過 Fine-Tune一些金融應用場景有：金融營銷、風控、催收、分析、客服、座席。上述場景采用 FineTune+Plugin 方案可以起到非常不錯的效果：a.基于大模型基座，結合客戶座席、話術、整理問題對等沉淀的問句及對應查詢語句，處理成 FineTune指令集對 LLM 進行微調；b.實現了領域知識的充分利用，并開發 Plugin 與企業內部多系統實現交互；c.通過轉寫代碼查詢正確答案，有效避免了 LLM 的“幻覺”導致的內容不可控，確?；貜蛢热莅踩弦?。97借助某

291、基座模型，利用行業及內部數據、快速 FineTune（微調）定制屬于自己的大語言模型。圖圖 6-20 Fine Tune 微調定制垂直領域大語言模型微調定制垂直領域大語言模型（四）取得成效星圖金融在采用新版本智能客服系統的基礎上，取得了一些非常明顯的效果。語音質檢率 100%坐席崗前培訓，培訓間縮短了 60%，考核一次性通過率提高了 20%。坐席助手，系統為坐席人員推薦信息，延遲小于 1 秒，業務知識覆蓋率95%，客戶提出的問題絕大多數都可以從系統中獲得有效幫助。在專項領域，如催收場景，曾經隨機抽取 757 通催收電話信息，驗證模型預測結果：3 天內還款的 489人中，被模型命中 428人，命

292、中率 87.5%；15天內未還款的 268人中，被模型命中 127人，準確率 47.3%；模型整體準確率 73.3%；（127+428)/(127+61+141+428)。6.1.7 案例七：臺州銀行數據要素市場化融合應用成果及案例（一）案例簡介浙江省金融綜合服務平臺，采用數據共享、數據開放、數據跨境流通的模式，解決了金融行業中普遍存在的數據孤島問題，為銀行貸前信用風險、欺詐風險、貸后風險預警提供了多方數據來源，同時也增加了銀行貸前營銷的獲客渠道。以下以臺州銀行為例，進行闡述。（二）針對痛點1.數據孤島98金融行業存在著數據孤島，各個銀行機構都獨自擁有客戶的個人數據、行為數據以及在本機構的產品

293、數據，各自為政，難以互通互用。各機構評估借款人信用風險的成本較高，并且存在的信息不對稱也導致信用風險評估的準確性不足，尤其是團伙欺詐、以貸養貸等風險的識別難度較高。2.數據碎片化各政府部門都有著一套自己的數據庫，數據存放分散，數據碎片化嚴重。不同部門可能在各自的數據存儲中重復收集相似的信息，不同數據源可能使用不同的標準和格式，導致了數據冗余、資源浪費以及數據質量不一致等問題。（三）解決方案浙江省金融綜合服務平臺，通過整合清洗各政府部門數據，搭建金融專題庫，為各金融機構提供全面、準確的數據資源；并且通過打通各金融機構與平臺的數據互通鏈路，通過隱私計算、去源化等脫敏技術，打造金綜鏈等融合各金融機構

294、交易數據的風險識別輔助系統。臺州銀行派駐兩個常駐建模人員，深扎平臺，與行內積極配合，打通銀行與平臺的多個數據交互通路，如 dxp，實時數據通路；聯動平臺系統及銀行系統，將信息共享，決策引擎，建模平臺，隱私計算等多個系統與銀行系統打通。（四）取得成效臺州銀行通過浙江省金融綜合服務平臺搭建了多個貸前風險準入模型、貸前反欺詐模型以及貸后風險監測模型、反洗錢監測預警模型等；開發并接入了多個數據應用接口；并利用平臺數據挖掘了大批新客戶。通過浙江省金融綜合服務平臺，豐富了臺州銀行風險管理的數據來源，提高了部分人工作業效率。6.1.8 案例八：盈峰集團經營分析項目（一）案例簡介盈峰集團有限公司（簡稱：盈峰集

295、團），創建于 1994 年，總部位于廣東順德及深圳，是一家處于快速發展階段的產業控股集團。目前集團旗下產業布局環境、文化、投資、消費、科技五大領域，擁有上市公司“盈峰環境”（股票代碼 000967）、“華錄百納”（股票代碼 300291），以及盈峰環境、盈峰中聯、上專股份、華錄百納、華藝國際、蒙蒙摩米、PMORE 等一系列國內外知名品牌。作為多元化發展的盈峰集團，因為不同板塊的商業模式和財務方法均存在較大差異，如何快速匯總各業務板塊的經營數據，并高效開展分析、輔助決策就變得非常重要。本次盈峰集團經營分析項目便是從這個背景下開展的。99（二）針對痛點隨著業務的不斷發展及對內精細化運營管理效率和分

296、析靈活性的要求，面向盈峰對數據的訴求在現有的情況下難以滿足，亟需建設面向決策層的、輔助經營的經營分析平臺。主要痛點可以總結為以下四方面：痛點一：數據分散，沒有整合。數據分散在各個業務系統，形成數據孤島；無法實現多維度交叉索引；歷時數據無法形成沉淀數據資產；對歷史數據的分析對比不便。痛點二：主數據不統一，口徑復雜。數據統計口徑難以統一，數據可靠性難以保障。痛點三：自動化分析程度較低。分析工作嚴重依賴 Excel，工具過于單一。數據無法自動更新，擴展性差；匯報報表制作周期長；大量清單式表格分析難度大，難以進行定位問題。痛點四：大量人工操作。時效性差；靈活性較低；犯錯率高。（三）解決方案針對以上現狀

297、和問題，星光數智團隊提出了“三位一體”數據解決方案。圖圖 6-21 盈峰集團解決方案藍圖盈峰集團解決方案藍圖第一方面、統御各業務系統數據第一方面、統御各業務系統數據打通并整合各業務系統數據層，并用主數據統御；前置數據倉庫計算指標，用戶在使用指標分析時，響應速度能達到最優；支持多種時間應用場景分析實時數據，T+1 形式。第二方面、建立指標體系第二方面、建立指標體系統一指標取數口徑，并制定指標樹體系，使數據分析時能靈活使用維度，100并能支持跨部門、跨系統綜合分析數據；以數據分析的質量，倒推改善并治理業務系統不規范問題。第三方面、多樣化分析形式第三方面、多樣化分析形式自主數據分析用戶可快速使用指標

298、進行圖表化的數據分析與展現；可視化大屏綜合分析應用，適合將領導關注的指標進行可視化設計，以輔助領導決策。移動端便捷分析應用，適合將每日與工作息息相關的數據，進行手機端的可視化分析，方便用戶隨時隨地的追蹤業務情況。（四）取得成效通過本次項目，盈峰集團在業務及 IT 等多個層面獲得了良好的效果。第一，構建了企業級數據平臺。為企業打造靈活、高效、易用、規范的數據分析平臺；規范各層數據職能，滿足未來分析需求的擴展；夯實數據基座，沉淀數據資產，支撐數據應用。第二，建立了統一的分析平臺。實現在一個平臺對集團經營情況做到整體掌握，多種業務分析報表統一化管理，提供豐富的展現形式和功能，有效輔助關鍵用戶進行決策

299、分析；第三，整體實現了 IT 能力的提升。提升數據建模、報表開發效率，更快速地響應業務需求；統一標準和開發規范，提升數據全生命周期管理和應用水平；簡化運維。第四，數據賦能經營。數據價值資產化、靈活的多維分析、可視化經營分析；挖掘數據價值，實現事后復盤和事中監控，通過業務洞察、異常預警、問題追溯和過程糾偏，未來支撐精細的運營管理和精準的經營決策。6.1.9 案例九：地方金融組織服務小微企業風險控制（一）案例簡介小微企業的發展離不開金融支持，然而由于成立時間短、財務制度不規范、資金實力弱等缺陷，小微企業易受外部政策和經濟環境的影響，信息不對稱情況更嚴重，商業銀行很難通過信用評價模型對小微企業風險狀

300、況作出合理評估。國內企業信用評級主要以新三板、創業板等上市企業作為研究對象，選取的評級指標也以財務指標為主。目前我國大部分中小微企業財務管理制度不健全，因此，如何準確衡量企業融資信用風險，進而作出風險評估的研究極其稀少。為進一步共享金融紅利、解決小微企業融資困境，必須加強對小微企業融資信用的評價與防控，變革現有企業信用評價指標體系、評價模型，拓寬評價信息數據來源渠道，開發大數據背景下面向小微企業風險評估的融資信用評價的新體制、新模型、新方法。101（二）解決方案小微企業信用綜合評價模型的構建，既能夠提高企業信用評級的質量和效率，也能夠實現金融機構借款期望最大化和不良貸款風險最小化的愿望，對我國

301、小微企業金融服務的實操難題具有一定的現實意義。同時，這也將有助于促進金融機構與小微企業之間的互信和合作，提高我國金融服務的整體水平。1.數據來源：（1）全國 1.7 億條企業工商、司法、軟著、知識產權等公開數據源；（2）經過企業強授權后，通過國稅總局相關接口采集到的企業進項發票數據、銷項發票數據和納稅申報數據；（3）數據合規措施：企業強授權，即需要輸入本省電子稅務局的登錄賬號、密碼、手機驗證碼；需要閱讀并同意、勾選數據采集授權協議；（4）應用方式：金融業務中，企業向金融機構申請貸款的場景下，金融機構委托數族科技進行企業相關數據的采集、分析和加工并發送給企業，再由企業發給金融機構發起貸款申請。2

302、.主要做法：（1）“小微企業智能標簽化交易流水財務評價方法”以及“小微企業發票數據動態經營能力評價方法”為信貸平臺在貸前審批環節對小微企業的信用等級評估提供了新的參考和依據，交易流水數據源具有及時性和可靠性，不僅彌補了評級效果相對滯后的缺陷，也解決了銀企之間信息來源單一、信息嚴重非對稱帶來的融資難問題。這有助于提高小微企業的融資成功率，促進小微企業的發展，進而推動社會經濟的穩定發展。（2）依托于交易流水智能化分析的“小微企業智能標簽化交易流水財務評價方法”，以及依托于進銷項發票數據的“小微企業發票數據動態經營能力評價方法”，不僅可以改進傳統的信用評級方法，也使得綜合評判的結果更具有說服力；動態

303、交易流水數據可以起到實時更新小微企業生產經營狀況的作用，能夠及時、準確地衡量小微企業的財務狀況和經營風險。3.創新亮點：大數據技術下的小微企業信用評價和風險評估方法（1）綜合考慮結構化數據（硬信息）、非結構化數據（軟信息），將財務信息、POS 記錄信息、可轉化為計算機語言的地理位置信息、時間信息等結構化數據直接納入信用評價模型，對地址文本信息、企業行為數據、企業社會關系信息、同行評價信息、擔保信息、社會關系信息等非結構化軟信息進行處理，研究基于軟信息的小微企業融資信用評價方法。（2）通過數據清洗、數據調整、刪除對評估結果影響較小的數據等方式，102提高小微企業融資信用評價信息的質量。（3）通過

304、對關聯性較強的相關數據進行相互替代，例如在制造業用電費支出替代營業收入、貨物運輸業用運輸費用代替營業性收入等，降低數據的失真性，提高數據質量。（三）取得成效本方案提出的“小微企業智能標簽化交易流水財務評價方法”，以及“小微企業發票數據動態經營能力評價方法”為信貸平臺在貸前審批環節對小微企業的信用等級評估提供了新的參考和依據，交易流水數據源具有及時性和可靠性，不僅彌補了評級效果相對滯后的缺陷，也解決了銀企之間信息來源單一、信息嚴重非對稱帶來的融資難問題。這將有助于提高小微企業的融資成功率，促進小微企業的發展，進而推動社會經濟的穩定發展。本方案依托于交易流水智能化分析的“小微企業智能標簽化交易流水

305、財務評價方法”，以及依托于進銷項發票數據的“小微企業發票數據動態經營能力評價方法”，不僅可以改進傳統的信用評級方法，也使得綜合評判的結果更具有說服力；動態交易流水數據可以起到實時更新小微企業生產經營狀況的作用，能夠及時、準確地衡量小微企業的財務狀況和經營風險。小微企業信用綜合評價模型的構建，既能夠提高企業信用評級的質量和效率，也能夠實現金融機構借款期望最大化和不良貸款風險最小化的愿望，對我國小微企業金融服務的實操難題具有一定的現實意義。同時，這也將有助于促進金融機構與小微企業之間的互信和合作，提高我國金融服務的整體水平。6.1.10案例十：破局存量客群營銷，大模型賦能資產提升（一）案例簡介數據

306、寶基于公安大數據、司法大數據、銀聯大數據等多維數據項，對客戶全生命周期畫像進行持續洞察。根據銀行消費畫像對存量客戶進行高凈值人群篩選，基于客戶歷史的理財交易信息，尋找高營銷價值，即高營銷轉化率的預測客群。通過對存量客戶的深度價值挖掘提供“增值”潛力提升，為企業提供精準的策略基礎，為實現客戶價值最大化提升提供全方位支撐。真正實現精準識別、可靠預測、差異化運營，全面提升企業客戶 LTV（life time value）。為金融機構精準定位消費、理財需求人群，提升金融機構資產余額，提升營銷效率、做大資產規模。（二）針對痛點客戶已經成為當今企業最重要的資源之一，在商品供大于求的市場經濟下，開發新客戶變

307、得越來越難，而與此同時，企業的客戶資源庫中又沉睡著大量被103忽視或是營銷未成功而放棄的存量客戶。有數據表明激活一個老客戶的難度和成本只有開發一個新客戶的五分之一，所以在未來市場競爭中，存量客戶的有效開發將成為營銷業績的增量點。某國有大型金融機構機構約有 3000多萬長尾客群，這些存量客戶活躍度較低，其中大量客群長期無動賬、交易等行為信息。對機構而言，存量客戶基數大，導致運營成本高、效率低。而頻繁營銷又導致了客戶投訴，營銷觸達率低，大量客戶流失。經過幾輪的營銷之后，對機構本身的資源消耗很高、但實際存量客戶的轉化效果很低，且轉化周期長，需要投入大量的人力進行維護。對機構來說，如何有效的激活存量客

308、戶成為重中之重。（三）解決方案對某國有大型金融機構機構來說，存量客戶一般根據在某國有大型金融機構賬戶中的沉淀資產的多少進行分級。僅根據用戶資產進行評估，未根據用戶的消費習慣及消費意愿進行差異化營銷，導致營銷觸達率低、效果差。數據寶憑借公安大數據、司法大數據、銀聯大數據等多維數據項，依靠客戶資產評估模型、消費意愿篩選模型、財富購買能力篩選模型、財富購買意愿篩選模型等，基于客戶客戶歷史動賬、留資行為、歷史的理財交易等信息，尋找高營銷價值即高營銷轉化率的預測客群。數據寶通過對高營銷價值客戶近期消費活躍度、消費渠道等表現，客群內外部數據畫像標簽的調用，分析客戶消費偏好，精準獲取客戶近期的營銷表現結果，

309、針對近期活躍度較高、消費意愿度高的提高營銷優惠力度及營銷的優先級排序。篩選出高優先級營銷客群后，根據其消費偏好設計營銷策略及營銷活動，針對高優先級營銷客群完成個性化推薦，并通過多渠道觸達客戶，爭取盡快轉化，避免錯過最佳營銷時間窗口期。圖圖 6-22 數據寶數據寶-存量客戶營銷篩選模型介紹存量客戶營銷篩選模型介紹104（四）取得成效數據寶對某國有大型金融機構機構中的 100 萬測試客戶，通過存量客戶營銷篩選模型進行篩選，從中篩選出 31萬高營銷價值客戶，在基于自身的多維數據源對 31萬高營銷價值客戶，通過近期活躍度、消費意愿、消費能力等多維度指標進行排序，區分營銷優先級并根據客戶消費習慣制定營銷

310、策略，最終為某國有大型金融機構機構帶來總額 21億元的資產提升，戶均資產提升 0.7萬元。數據寶憑借自身多元國有數據資源，通過聯合建模等形式，結合銀行等金融機構實際應用場景，為其激活存量客戶，精準定位消費、理財等需求人群，提供差異化營銷策略，提升營銷效率。最終實現金融機構資產余額的提升，擴大資產規模。6.1.11 案例十一：基于九度天問 AI 大模型的金融元宇宙解決方案（一）案例簡介基于九度天問 AI 大模型的金融元宇宙解決方案是九度數科面向金融機構，響應政策指導，落實數字金融、優化金融服務的需求，依托“九度天問 AI 大模型”和“九度星云元宇宙平臺”核心能力而研發的 AI 數字化服務產品，作

311、為新質生產力，主要面向銀行、保險行業客戶服務場景，創新性打造以 AI客戶服務為核心的智慧型、一體化、多模態、全場景、可持續的金融服務窗口，構建面向公眾的一體化 AI 元宇宙金融服務體系。通過 AI 數字人、AR 智能導航、AI云輔導、元宇宙空間（大廳）、全息顯示系統等核心產品，提供“724 小時不打烊”的金融服務。提升客戶辦事滿意度，助力優化金融數字化，打造數字金融新標桿。技術已達國內領先水平，是 AI大模型技術在金融服務場景創新成果，具有極大的行業創新引領和示范效應。其項目的產業化將產生巨大的經濟和社會效益，應用推廣前景巨大。（二）針對痛點金融機構客戶服務在現代化金融體系中占據著至關重要的位

312、置。然而，在實際操作中，由于各種內外因素的影響，客戶服務面臨著諸多痛點。如服務響應慢、信息不對稱、服務模式單一、服務渠道不協同、創新能力不足以及服務成本高等方面。1.服務體驗不佳：客戶在辦理業務時，可能會遇到流程繁瑣、等待時間長、操作不便、解答不一致等問題。這主要源于銀行的服務流程不夠高效、服務渠道不協同、服務人員能力不一致等。2.信息不對稱：客戶對金融產品和服務的了解程度往往有限，而銀行在信息披露方面可能存在不足，導致客戶在決策時缺乏充分的信息支持。這可能導105致客戶做出不利于自己的決策，進而影響其對銀行的信任度。3.服務渠道不協同：金融機構的線上和線下服務渠道可能存在不協同的問題，導致客

313、戶在不同渠道之間切換時遇到障礙。這會降低客戶的滿意度和忠誠度。4.服務成本高：金融機構辦事大廳都要配備大堂經理，客戶少時沒事做，客戶多時無法及時解決客戶問題，需要定期持續進行大量的業務培訓，服務成本極高。5.服務創新不足：隨著科技的發展和客戶需求的變化，金融機構在利用新技術的服務模式創新上明顯不足。為了解決這些痛點，金融機構需要不斷優化服務流程、提升服務人員能力、加強信息披露、完善服務渠道、提高服務響應速度，并加大服務創新力度。同時，還需要關注客戶需求的變化，不斷提升服務質量和客戶滿意度，以在競爭激烈的市場中保持優勢。（三）解決方案基于九度天問 AI 大模型的金融元宇宙解決方案，具有全場景、多

314、模態的服務特點，基于“九度天問 AI 大模型”和“九度星云元宇宙平臺”核心能力，構建面向公眾的一體化 AI 元宇宙金融客戶服務體系，通過金融服務 APP、小程序、公眾號等線上渠道，金融產品宣傳陣地群、辦事大廳等線下渠道，元宇宙大廳等場景，實現智能播報、智能文本交互、智能語音交互、數字人交互等多模態智能服務。具有黨建宣傳、金融新聞播報、金融政策解讀，金融產品介紹、互動問答咨詢、便民聊天、雙數字人互動等服務功能。為客戶提供 7X24小時不打烊的沉浸式金融服務體驗。圖圖 6-23 九度九度 AI 金融元宇宙解決方案總體架構金融元宇宙解決方案總體架構106其主要技術包括：多模態多場景智能建模技術；數據

315、采集與智能分析技術；自然語言處理技術；大模型輔助知識獲取技術；知識增強大模型技術；文本生成應用技術；數字人生成及交互技術；元宇宙平臺技術；無介質全息成像技術。主要產品和功能包括：（1）AI 金融數字人：覆蓋線上、線下、元宇宙大廳全場景，實現智能文本交互、智能語音交互、數字人交互等多模態服務能力。業界首創基于大模型技術的雙數字人模式。（2）AI 元宇宙服務大廳：打造可實現全套感知交互服務的 AI 元宇宙服務大廳，企業及群眾可以自己的數字身份與 AI 數字人對話、辦事等，形成真實的沉浸式服務體驗。（3）AR 智能導航：AR 智能導航結合了空間計算、增強現實、位置定位和人工智能等技術。為用戶提供精準

316、的實景 AR 導航指引，在辦事大廳服務客戶，增強客戶服務體驗度。（4）VR 全景導視：實現金融辦事大廳風貌 VR 漫游，用戶可以通過特定路線或自由路線進行金融 VR 查詢服務。支持 VR 全景圖、圖文、視頻、語音等展示形式。（5）AI 云輔導：依托“九度天問 AI 大模型”平臺能力，搭載 AI 金融數字人、金融場景化模板、AI配音、智能腳本生成等核心制作功能。（6）全息顯示系統：打造創新的金融全息顯示系統，具有空中成像、裸眼可視、實時交互等特點。該解決方案實施將總體提升了金融機構數字化治理服務效能的顯著提升，不斷提升了企業和群眾的獲得感、幸福感。推動了金融數字化改革，切實提升了客戶服務能力。（

317、四）取得成效基于九度天問 AI 大模型的金融元宇宙解決方案，將前沿 AI 大模型技術在金融公共服務領域創新應用，起到了行業創新引領和示范效應，其成效如下。（1）增強了金融機構客戶服務能力：通過 AI 數字人、元宇宙大廳、AI 云輔導等產品，金融機構可以提供更為全面和便捷的客戶服務，增強客戶服務能力，提高公共服務效率。（2）降低了客戶服務成本：通過自動化的處理流程和智能化的決策支持，可以降低人力成本和處理成本。AI大模型可以處理大量重復性的客戶服務任務，通過自動化任務，銀行可以提高服務效率，減少人工干預，從而降低成本。（3）提升了客戶滿意度：通過 AI 應用為客戶提供 7*24小時全天候的金融咨

318、詢服務和數字交互服務，方便客戶隨時隨地獲取服務，提高公眾滿意度。107（4）創新了服務模式：打破了傳統的客戶服務方式，擁抱前沿的技術能力和服務模式，提升了用戶體驗。同時通過數據分析和預測，可以發掘新的商業機會和增長點，推動金融服務的創新和發展。（5）推動了可持續發展：積極落實數字中國戰略，提升金融數字化智能化水平，通過 AI 大模型和元宇宙等數字技術，可以對金融體系進行預測性智慧化管理，幫助金融機構更好地規劃和建設數字金融，推動了可持續發展能力。6.2 金融數據產品創新案例6.2.1 案例一：“數”創未來，“銀”領發展（一）案例簡介為深入貫徹市委、市政府工作部署，近日，鹽城市大數據集團在市大數

319、據管理中心的支持下，深化政銀合作，打造了首個數據在金融領域的創新應用場景“鹽融易”金融服務平臺。該平臺運用隱私計算、區塊鏈等技術，部署風控模型，建立標準化金融主題數據庫，實現政務大數據不出域，提供多維分析、客戶畫像、結果核驗等服務，全力服務民生、促進數字經濟和實體經濟深度融合。大豐農商行“鹽豐 e 貸”將成為首批入駐的金融產品。（二）針對痛點金融機構在給個人信用授信時面臨諸多難點，包括核實個人信息真實性、評估信用歷史完整性、預測還款能力、控制信用風險與合規性、解決信息不對稱問題、挑戰信貸技術更新以及防范欺詐風險等。（三）解決方案“鹽融易”金融服務平臺以公共數據要素釋放為核心，創新金融生態業務模

320、式，有機結合政務公共數據與銀行數據，對用戶進行精準畫像，形成較為全面、客觀的授信預評估結果，用戶線上提交申請，銀行自動審批、直通放款，真正實現“網上辦、掌上辦、自助辦”，極大程度上提高了金融服務的便捷性和精準性。同時采用專線進行數據傳輸，保證政務數據的安全性和合規性使用，推動大數據在防范金融風險、服務實體經濟中發揮積極作用。（四）取得成效“鹽融易”金融服務平臺已于 7 月 20 日正式上線“我的鹽城”APP，屆時將為鹽城市民提供高效便捷的金融貸款服務。數據賦能“金融”，是鹽城市大數據集團應用政務數據“賦能”產業、服務民生的創新成果，發揮了數據資產便民惠企價值，推動了公共數據高質量開108放。下

321、一步，鹽城市大數據集團將以金融業為切口，加快推進數字技術創新應用，聚焦教育、醫療、養老、就業等領域，研發更多市場空缺、群眾期待的數字化便民產品，滿足多層次、個性化生活需求，真正實現大數據在賦能實體經濟和社會民生上的倍增作用，更好服務全市經濟社會發展大局。6.2.2 案例二：平安銀行數字資產創新模式及市場化應用（一）案例簡介近年來，平安銀行在服務實體經濟數字化轉型的過程中，充分發揮數據要素作用，正在探索構建一整套數據系列產品：以“數字賬戶”為基礎，生成獨有的數字身份，作為識別用戶數據資產的唯一認證；以“數據保管箱”為據點，讓用戶的每一項內外部數據產生一個數據資產憑證，讓用戶擁有數據的完全管理權，

322、把數據還給用戶；以“數字資產管理平臺”為紐帶，借助數據還原企業真實經營情況、提高主體信用評級，并獲得相應的銀行權益，讓數據產生價值。為更好地識別用戶數據資產，平安銀行打造“數字賬戶”，用戶只要擁有一個數字賬戶，就能生成平安獨有的數字身份 DID（Decentralized digital ID），憑借數字賬戶一站式享受銀行、平安集團各子公司、甚至外部合作伙伴的各項產品和服務。數字賬戶作為統一賬戶體系，實現“賬戶、數據、權益”互通，從而幫助用戶挖掘管理自身的數字資產，發現數字價值，最終實現數字價值的變現。截至 2023 年 7 月，已有 1669 萬用戶擁有平安數字賬戶，月均交易規模超 500

323、億。（二）解決方案在統一的“數字賬戶”基礎上，平安銀行正在構建一款基于區塊鏈技術及智能合約的“數字保管箱”，使用戶能方便地將其在互聯網上的數據提取、分析、存儲并流轉；在提取分析的同時，對用戶的數字資產進行“鑒證”，使得數字資產的真實性具有保障，實現了“將數據還給用戶、安全地存儲數字資產、不可抵賴的流轉數字資產”。銀行通過數字保管箱形式整合數字資產，用戶可以自主提供或授權數據，從而享受到銀行體系的權益及服務。例如，數字保管箱在經過用戶授權后，可自動通過與民政廳、市場監督管理局等接口抓取用戶諸如配偶信息、股東信息等，上鏈保存，用于授信申請時提交自證材料，以此可解決多品類線上化信貸產品中，部分數據須

324、授信客戶線下提交資料、資料難自證、人工審核流程慢的痛點。截至 2023 年 7 月，數字保管箱已累計接入專利數據 7 千萬條、擴展關系型數據 3 千萬條；發行數字藏品 12 類、共發放 7.1 萬個；為 4200 多家商戶提供 DaaS（Data-as-a-service）行業數據分析服務，涵蓋行業分析、購銷分析及資金分析等。109圖圖 6-24 平安數字保管箱應用實施路徑平安數字保管箱應用實施路徑在構建唯一的數字賬戶、打造可靠的數據保管箱基礎上，平安銀行進一步探索數據資產的應用，實現“讓數據產生價值”。通過搭建“數字資產管理平臺”，以數字資產為標的，提供數字資產入池、資產定價/估值、權屬轉讓

325、、質押融資等資產管理及流通的功能服務，同時依托不同資產標的提供多樣化的金融服務和權益，例如貸款額度的提升、貸款利率定價優化等，實現數據資產管理與數據消費生態的深度融合。例如，平安銀行通過物聯網設備部署，在用戶授權的情況下，采集企業生產環節第一手數據，基于物聯網數據，以數字信用補充抵質押信用，定制化提供“場景+數據+融資”服務。銀行通過物聯網設備幫助企業與其資產連接，銀行掌握生產經營數據后，通過智能化模型為企業提供金融服務，充分發揮企業數據資產價值；同時將經營看板等功能通過小程序或 H5 的方式回傳給用戶，為企業提供有效和可視化的資產監控與控制服務。截至 2023 年 7 月，平安銀行“星云物聯

326、計劃”支持實體經濟融資發生額累計已超過 8400億元。（三）取得成效基于數據、模型、IoT 等數字化能力，平安銀行還與合作伙伴持續深入各個產業的真實經營場景，助力產業整體的數字化轉型。以醫藥行業為例，平安銀行與國內大型醫藥流通平臺進行合作，針對性地應用平安銀行“數字貸”產品，通過藥店在平臺支付結算體系內沉淀的歷史采購數據，為其核定信用貸款額度，提供定向資金用于支付藥品采購訂單，實現從低頻到高頻、從大額到小額，按照經營所需的最小需求，最短占用、精準投放，有效降低中小企業資金成本。110圖圖 6-25 數字資產管理平臺功能及應用數字資產管理平臺功能及應用6.2.3 案例三：力碼科技線上智能核保系統

327、（一）案例簡介力碼科技在長期服務下游保險中介機構的過程中，通過長期的數據積累（用戶搜索關鍵詞等）及客戶溝通反饋中了解到多數中介機構在核保環節往往面臨諸多復雜問題：核保是一項相對專業的工作內容，用戶在實際購買投保時往往會出現理解偏差，從而影響投保成功率；而單個中級機構接觸的投保數量有限，且代理人專業性參差不齊，無法形成有效預核保反饋，無法體現平臺及自身的專業實力；此外，哪怕某些代理人員具備專業知識和資深經驗，其幫助用戶評估是否核保成功的工作量也過于龐大，且依然存在準確性問題。在此背景下，力碼科技基于多年以來的積累用戶行為數據及大量的醫學核保數據，開發出一套集數據采集，數據標準化，可視化，模型訓練

328、，模型驗證于一體的精細化核保系統。（二）針對痛點溝通痛：購買產品時，健康告知、智能問卷等存在理解偏差，與核保人溝通不暢；時效痛：審核速度慢，客戶等待時間久，無法有效全力支持業務；系統痛：傳統核保系統操作繁瑣、不智能，難以挖掘應用價值；質量痛：長期依賴人工審核，無法全面保證審核質量（三）解決方案力碼科技自主研發的智能核保引擎已成功申請行業內此類唯一的發明專利，以此為基礎，結合覆蓋 6000+病種的專業醫學領域知識庫，力碼科技搭建了一套集預核保、智能核保、人工核保于一體的精細化核保系統，全面解決溝通難、時效慢、風控差三大痛點。相比傳統核保效率提升 510 倍，承保時效由原來35 個工作日縮短至 5

329、分鐘1 個工作日。同時，力碼科技數字化核保系統能夠基于內外部客戶行為數據積累，輸出動態全面的客戶風險畫像，形成預測性的事件風險洞見，繼而配合大數據風控策略、智能化核保規則引擎，構筑完善的數字化風控閉環。111圖圖 6-26 力碼科技數字化核保系統力碼科技數字化核保系統（四）取得成效標準化 SRRS接口，對接迅速；全線上化服務，支持保司，渠道等定制化、全線上化服務；定期風控，定期根據理賠數據定制化核保風控服務；定制服務，支持人工核保、預核保等定制化服務。1126.2.4 案例四：“產業+電力”數據賦能金融科技-工業企業評價模型（一）案例簡介2023年，國務院印發數字中國建設整體布局規劃對數據要素

330、價值有效釋放提出了目標，要全面賦能經濟社會發展，做強做優做大數字經濟。貴陽大數據交易所，充分發揮平臺能力與優勢，服務數據流通交易全流程，在數據融合、撮合對接、交互模式及授權模式指導中發揮重要作用，推動貴州電網電力數據與產業數據大模型融合，形成新產品為金融機構開展企業貸前精準審批場景賦能。該場景下貴州電網有限責任公司（簡稱：貴州電網）、數庫（上海）科技有限公司（簡稱：數庫科技）合作共建基于電力大數據的企業營銷價值評價模型，實現全國首個通過數據交易場所實現“產業+電力”數據賦能金融科技的合作，也是貴州電網首次達成產品共建合作，邁出數據要素交易商業模式創新重要一步。（二）針對痛點近年來，隨著大數據技

331、術的不斷發展，企業電力相關的經營數據已逐漸成為企業價值評價的重要指標之一。電力數據作為最為客觀反映企業經營活動的核心數據之一，在價值評價環節中擁有不可替代的貢獻價值。但目前市場上，電力數據價值仍未能被充分利用。與此同時，從實體經濟的角度來看，產業關系是唯一能夠連接所有業務的核心關系，由于高度擬合實體經濟的運轉規律，產業數據衍生的一系列數據應用場景正為各行各業注入源源不斷的數據動能，推動著數字經濟和實體經濟的高度融合發展。電力數據加入到產業數據大融合的進程已經晚于工商、稅務等數據，更需要奮力探索。數據要素已然成為促進實體經濟發展，推動產業升級和經濟發展的中堅力量。各數據要素市場參與者如何激發數據

332、要素潛能、精準有效發揮數據要素價值，如何充分發揮各方優勢，借助交易所平臺能力，實現商業模式的創新以及培養更長久的可持續盈利發展，仍是需要探索的問題。（三）解決方案此次合作中，貴陽大數據交易所、貴州電網、數庫科技公司各自發揮在數據和技術等方面的優勢。貴陽大數據交易所充分利用自己在數據流通交易全流程的專業服務能力，在數據融合、撮合對接、交互模式及授權模式指導中發揮重要作用，建立起溝通渠道，促成貴州電網與數庫科技的友好合作，解決了雙方互信難、認證難等問題。本次合作由貴州電網和數庫科技共建基于電力大數據的企業營銷價值評價模型，旨在通過將單指標積分法得出的企業用電統計分析電力大數據與數庫科技積累十余年的

333、工商、招投標、財務、稅務處罰等公開產融大數據進行深入融合，科113學構建適用于能源、制造等工業企業的評價模型，實現企業的多維度可量化的綜合價值評估。評價結果可為金融機構提供拓客參考，實現更高效的個性化信貸服務，有利于提高潛力企業客戶線上線下篩選認定效率，更有助于緩解中小企業融資難等問題，提升區域企業發展健康度。本次合作開放的數據產品，雙方均可向其他機構進行銷售，銷售行為與銷售成果雙方共享，區別于傳統數據產品由提供方傳輸給采購方，采購方對產品結果進行使用的形式。此種合作形式進一步拓寬了數據產品的銷售渠道，利用雙方能力、交易平臺能力多向獲客，有利于充分發揮數據價值。圖圖 6-27 貴州電網與數庫科技共建數據產品模型樣例貴州電網與數庫科技共建數據產品模型樣例（四）取得成效本次合作是電力數據與產業數據的深度融合，為金融領域的數據應用、數字經濟精準滴灌實體經濟的效能提供了有效權威的參考依據。達成這個