金融業數據應用面臨哪些挑戰？

政策標準有待進一步完善。

數據已成為國家基礎性戰略資源，近年來，我國高度重視數 據開發利用，并發布了一系列相關政策推進數據資源開放共享與 交易流通。2019 年 10 月，黨的十九屆四中全會首次公開明確將 數據作為生產要素按貢獻參與分配，“健全勞動、資本、土地、 知識、技術、管理、數據等生產要素由市場評價貢獻、按貢獻決定報酬的機制”。2021 年 6 月 10 日，第十三屆全國人民代表大 會常務委員會第二十九次會議通過的《中華人民共和國數據安全 法》，在平衡安全與發展的前提下，也進一步明確了數據安全應 用的目標，鼓勵和支持數據在各行業、各領域的創新應用。2022 年 6 月 22 日，中央深改委第二十六次會議審議通過《關于構建 數據基礎制度更好發揮數據要素作用的意見》，會議指出，要建 立合規高效的數據要素流通和交易制度，完善數據全流程合規和 監管規則體系，建設規范的數據交易市場。

對于金融行業而言，金融數據更是蘊含著極高的價值和廣闊 的應用前景。如今金融數據在客戶畫像、精準營銷、消費信貸、 風險評估、黑產防范等眾多領域中得到廣泛應用。對于數據的安 全應用及分析能力，正在成為金融機構未來發展的核心競爭要 素。近期，金融行業主管部門響應國家政策號召以及行業發展需 求，發布了金融領域內的相關規劃文件，推動金融機構數據能力 建設和金融數據共享與應用。中國人民銀行印發《金融科技發展 規劃（2022—2025 年）》，明確提出強化數據能力建設、推動 數據有序共享、深化數據綜合應用、做好數據安全保護這四方面 重點任務，以推動金融數據要素潛能釋放。銀保監會印發《中國 銀保監會關于銀行業保險業數字化轉型的指導意見》，同樣強調 銀行業保險業數據能力建設，要求健全數據治理體系，增強數據 管理能力，加強數據質量控制，提高數據應用能力。

在金融數據要素市場建設方面，其數據產權機制不明確，缺 乏通用的數據定價、數據質量評估的方法和標準，支持金融數據交易流通的政策、標準跟不上數據融合應用的步伐。同時，相對 于其他行業，金融數據涉及更多的用戶個人隱私，在數據安全和 個人信息保護方面要求更加嚴格。目前金融數據相關的政策與標 準，在數據安全保護層面有所側重，然而有關數據應用方面的政 策標準尚存在較多空白，在一定程度上制約了金融數據的開放共 享與深化應用。 一方面，數據應用潛在的安全合規風險使金融機構望而卻 步。國家和金融行業數據相關政策如《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》《中國人民銀行金融消 費者權益保護實施辦法》、JR/T 0223—2021《金融數據安全 數 據生命周期安全規范》等在數據安全保護方面的要求逐步加深和 細化，數據安全監管日趨嚴格，對于金融機構來說，數據安全合 規成本不斷攀升，且隨著公眾對于個人隱私數據的重視程度逐漸 提升，一旦發生數據泄露或非法利用，金融機構將面臨資產與聲 譽的重大損失。而在金融數據應用方面，缺乏相關的頂層設計和 政策支撐，金融機構出于安全合規的考慮，對于數據應用和數據 共享趨于保守，有數不敢用、不能用的情況普遍存在。此外，加 之金融機構之間存在著較為明顯的數據壁壘，機構內部各部門、 各業務條線之間也存在較為嚴重的“數據煙囪”“數據孤島”問 題，使得各金融機構的數據不能進行較好的融合應用和整合協 同，數據價值沒有得到深入挖掘，數據能量沒有得到充分釋放。

另一方面，金融數據應用缺乏整體性規劃和具體實施指導。 目前的數據政策僅停留在加強數據能力建設和鼓勵數據開發利發展方向。而且數據應用相關的標準規范仍處于探索階段，缺乏 統一的金融數據管理標準及共享機制，不能為金融機構以及各領 域之間的數據共享以及融合應用提供參考與指導。當前各金融機 構的數據治理能力參差不齊，行業內數據管理情況秩序不一，數 據應用情況較為分散，數據資源流動通道沒有形成和開放，數據 應用價值無法得到進一步的體現和發揮，且在一定程度上制約了 新興技術的深化應用。 金融數據應用離不開國家相關政策的保障以及行業標準規 范的指引，在當前的局勢下，迫切需要完善數據應用產業規劃和 相關法律法規政策，明確金融安全保護與發展應用重點，為數據 在金融行業以及各領域之間的開發利用和融合應用提供政策法 規支撐及安全體系保障，同時加強數據安全、數據治理及數據共 享相關的標準規范制定，為金融機構進行數據的安全防護、整合 協同和深化應用提供理論依據和實踐指導。

隨著金融數據智能化技術的快速發展，須重視金融業務風險 與技術風險疊加后產生的擴散效應，對于行業發展與風險監管之 間要進行有效平衡。金融數據應用方面的安全風險一般包括數據 過度采集而產生的隱私信息泄露風險、數據模型對群體非合理的 分類評級造成的不公正問題、數據深度挖掘和分析可能產生的數 據資源濫用風險以及攻擊致使安全機制失效而產生數據被竊取 72 的風險等。現行的《中華人民共和國網絡安全法》與《個人信息 保護法》《民法典》雖然已就數據使用和隱私保護方面作出了明 確規定，但數據泄露、信息盜取與惡意攻擊依然時有發生，信息 監管體系仍不完善，技術的不斷迭代、創新帶來多元風險與新型 隱患，以及由此帶來的隱私保護和社會安全問題愈發嚴峻。

1.金融數據過度采集產生隱私信息泄露風險。隨著信息技術 的飛速發展，大數據已逐漸成為社會運行的常態，數據在金融營 銷、理財推薦、個人身份認證等各個領域發揮著重要作用。但數 據在帶來時代福利的同時也引發數據濫用、隱私泄露等諸多問 題。 個人用戶在使用金融應用進行搜索、消費活動時，其數據會 被金融應用系統采集、識別和分析。用戶的各種金融行為數據會 被系統的搜索引擎記錄和保持。雖然采集的數據只是某一個時間 點或空間點上零星碎片化個人行為數據，但經過大數據的整合、 分析及挖掘后，就可以對用戶信息進行篩選和分析，可以對用戶 進行精準畫像以及關聯到一系列與之相關的數據信息。 2.數據深度挖掘和分析可能產生數據資源濫用風險。數據作 為金融機構的核心資源，可以通過大數據整合、分析后進行營銷 推廣、產品迭代等多項業務的優化。但金融機構在服務場景中， 為了給用戶提供更加優質的服務，通常會將數據與第三方機構進 行交換共享，但對合作三方機構使用用戶數據的監測和監管不到 位，也會使數據面臨潛在的第三方泄露的風險。

3.受到攻擊使安全機制失效而產生數據被竊取的風險。數字 73 信息技術促使數據應用場景日益多樣化，海量的數據不僅是金融 機構的資產，也是黑客等攻擊的主要對象，金融數據安全保護面 臨著越來越嚴峻的挑戰和風險。當前最廣為人知的大數據技術實 施方案，服務模式將數據全權轉移給了源程序，惡意的源程序有 可能在用戶不知情的情況下竊取用戶數據，也可能受到攻擊致使 安全機制失效或被非法掌握從而導致非授權人讀取數據，給金融 數據安全帶來巨大風險。根據中國互聯網協會發布的《網民權益 保護調查報告（2021）》，78.2%的網民的個人身份信息、63.4% 的網民的網絡金融交易記錄曾被泄露過。近年來，每年發生金融 隱私泄露事件大約以35%的速度在增長，有公開報道或記錄2016 年 1093 起，2017 年 1511 起，2018 年 1967 起，2019 年 2300 余 起。

4.金融監管機制與業務模式的發展速度不匹配，加大了金融 數據應用風險。AI 大數據的快速發展及應用，讓許多傳統金融 業務模式發生了改變。但由于金融監管機制目前尚未完善，如果 出現業務或者服務糾紛就會面臨很多監管難題。一方面，金融監 管的責任認定難。AI 大數據本身的學習、決策機制所產生的行 為無法追溯，給 AI 大數據行為的監管帶來挑戰；金融數據智能 化應用涉及方眾多，需分清虛擬和實體主體，監管成本有所增加。 另一方面，監管邊界難把握。資產管理、信貸業務等領域都在如 火如荼地開展金融數據智能化研究，但分業監管制度下，各類金 融業務分別適用于不同的法律法規。所以在實際操作過程中，監 管邊界不明確的情況下，不法分子將有機可乘，從事非法集資、 74 證券傳銷、非法經營等違法違規活動，進一步擴大了金融數據的 應用風險。

金融數據服務是開展金融數據管理活動的最終目的和數據 資產價值的體現。伴隨著互聯網金融和金融科技的發展，金融數 據應用的商業模式不斷更新、服務效率極大提高，出現了金融機 構和金融客戶前所未有的雙贏格局。但是，由于新金融場景不斷 涌現，金融業態界限越來越模糊，其業務表現形式復雜多樣，部 分新金融企業產品形式多樣魚龍混雜，再加上金融數據獲取和傳 播方式的便捷性、金融科技技術的開放性和即時性，導致金融數 據服務能力難以評價，金融數據服務的服務對象、服務內容、服 務模式、管理模式、服務質量等要素難以標準化。通過合理地運 用金融數據，對所掌控的數據資產進行加工、處理、整合、利用 和反饋等，不斷挖掘數據資產的價值，為創新金融的內外監管， 提高服務效率和支撐產品優化以及新產品開發，實現向客戶提供 高質量的服務為目標，提供了全新的思維和技術支撐。金融數據 應用已經從學術界走進了產業界，無論是金融管理部門、商業銀 行，還是非銀行金融機構，對存量數據的利用在各個專業領域已 遍地開花結果，但金融行業數據資產價值的增值理論和數據服務 能力體系鮮有出現。 1.缺乏可量化、可追溯、個性化的服務模式。不同類型的服 務對象對數據需求是不一樣的，對服務對象產生的價值也會千差萬別，數據價值的充分發揮不僅受服務模式的制約，也受利益相 關者知識水平的制約。當前，對于數據服務執行過程評價指標缺 少記錄和量化，無法進行個性化的服務推薦以及更好地對服務過 程進行監督。 2.數據服務管理模式不統一。由于金融數據應用的新模式、 新業務復雜繁多，而對應的數據應用管理模式的創新沒能及時跟 上，導致金融數據應用缺乏標準化的服務制度、服務流程、數據 格式、數據準入流程、數據價值展現方式和數據定價方式等，使 高質量和高性價比的個性化服務模式受到一定的制約。

3.數據服務質量難以保障。為了向利益相關者提供高質量的 服務，充分提高數據價值，金融數據應用市場缺乏嚴格的數據準 入制度，確保每一類目每一項數據都有利用價值。金融業數據應 用，包括了計劃、采集、存儲、共享、維護、應用、消亡等階段， 在數據生命周期的每個階段里，都可能引發各類數據質量問題， 由此影響數據服務質量。因此，需要金融機構保障數據質量，包 括數據完整性、準確性、有效性、時效性、一致性等，對數據進 行識別、度量、監控、預警等一系列管理活動，并通過改善和提 高組織的管理水平以提高數據質量。同時，也需要建立衡量數據 服務質量和效率的評價體系包括：服務數據質量、服務響應時間、 服務價格、服務可靠性、服務可維護性和服務安全性等。 數據價值提供方輸出的價值，只有向各利益相關者提供高質 量數據服務，其價值才能得到有效體現。金融數據服務需要堅持 以服務對象為中心，通過創新服務模式，保證服務質量，確保高效率地傳遞和提升數據價值，也需要在提高數據服務能力的同 時，完善數據服務能力評價體系，使金融數據應用市場好評價、 好監管。

金融數據應用研究各種數據，通過數據庫和大數據、云計算、 人工智能等數字化技術解決金融業務問題。金融業務應用是目 標，數據應用是手段，業務管理在系統中落地，為數據應用提供 了數據基礎，反過來，數據應用又反哺業務，兩者相輔相成，相 互推動進步。當下，銀行、證券、保險等機構雖然都展現了其強 烈的數據資產挖掘需求，但金融機構原有的數據管理體系仍無法 實現將數據真正變成企業級的資產來服務于各類業務需求。金融 機構現有業務系統的數據存儲分散，各個業務部門數據標準不統 一，無法形成有效的系統管理；各部門數據無法打通，“部門墻” 現象嚴重，數據重復建設造成資源浪費；數據系統無法對業務形 成有效決策支撐，實時、快捷、智能型的數據能力無法實現；各 金融數據所有方之間數據分割嚴重，數據壁壘意識強烈，囿于自 身商業機密和利益保護，數據共享流通也受到限制。由此可見， 金融系統建設與數據應用仍然存在著割裂，這些“數據孤島”問 題嚴重影響金融服務的數字化轉型進程。如何打破壁壘，實現數 據權益與數據提供者的安全、高效科學匹配，是一大挑戰。

中小金融企業數據應用主要通過手工臺賬完成。一些中小金 融企業，業務人員習慣手工臺賬記錄，然后用 EXCEL 加工生成數據應用，系統建設的意愿比較薄弱。 系統數據質量無法滿足應用要求。由于缺乏數據標準（即使 有標準，但標準落地執行不力），各系統在建設過程中獨立開發， 為后續數據采集、整合帶來了諸多壁壘，當數據需要共享和應用 的時候，就會發現口徑不一樣、不準確、不完整等問題。 系統建設無法滿足應用碎片化要求。數字化時代，業務需求 和客戶需求都在快速變化，支撐業務應用的數據需求要滿足快速 化多樣化的要求，這對系統建設者提出了前所未有的專業能力要 求，在沒有把握的情況下，系統建設者可能會抑制數據應用需求 的實現。

數據應用各自為政，數據資產無法沉淀。某些金融機構對系 統功能重視程度遠遠高于內在數據資產價值，隨著系統建設和數 據應用的深入，功能不斷更新、迭代，但沒有積累有效資產，數 據無法融通應用，復用率低下，數據資產價值無法發揮其應有的 價值。另外，不同業務線條根據自身分析的需要提出的數據應用 需求沒有得到有效管理，各開發團隊各自為政，自行開發，資源 浪費嚴重，數據資產價值低下。 缺乏統一的數據運營機制。金融系統建設和數據應用的橋梁 是良好的數據運營機制，包括建設企業界數據運營中心，負責數 據應用建設方法、規范、流程的落地等。需要制定統一的數據應 用建設方法，確保數據的一致性、確保提供數據的可信以及數據 質量。建立數據應用流程，確保各環節有效協同，明確各環節不 同角色的分工以及持續對流程進行優化。

數據產權機制不明確、數據要素定價困難、用戶自主權低等 導致金融系統之間的數據融合應用受限。當前，金融業在數據應 用過程中，存在數據產權不清晰、產權認知存在差異、產權易丟 失等問題，造成數據在流通、交易、使用過程中出現權屬模糊地 帶，導致市場規范性變差等現象。其次，數據要素定價面臨定價 模型復雜，以及容易稀釋的痛點。金融業數據應用面臨著復雜的 應用場景，包括數據查詢、數據分析、機器學習等等。在數據使 用過程中將產生大量的數據分割、中間數據產生和最終的結果數 據，如何對這些不同粒度的數據資產定價、如何評價數據使用流 程中各個數據產生的價值，對數據要素進行定價，如何使數據資 產價值以市場化的方式計量，并保障數據資產權屬利益，是另一 大挑戰。最后，金融機構在數據應用的過程中，一旦將數據傳出 本地的管理域之后，就會喪失自主權，包括身份自主權、數據自 主權、算法自主權等。失去自主權之后，數據應用方對于數據的 二次使用和二次分發，將變得不可控。 為了避免系統建設與數據應用存在的割裂進一步加劇，需要 完善系統建設和數據應用的頂層設計，分階段解決金融數據要素 確權、數據安全共享流通、數據治理與業務流程標準化等問題， 在數據應用過程中，不斷迭代完善數據標準及功能，構建數據應 用互聯互通能力，實現各應用數據的融合，提供統一管理與應用， 全面提升基于數據的智能化服務能力，實現系統建設及應用的迭 代升級。

金融數據價值挖掘、數據產品研發，用數據為業務賦能，逐 步成為各金融企業發展探索的新領域，然而因數據產品創新乏 力，“智能數據+金融”的發展目前尚處于起步階段。雖然隨著 人臉識別、OCR、安防等數字化手段的發展，金融機構在業務體 驗方面得以改善。但其數據產品單一，難以大規模應用，除人臉 識別技術成熟度較高，可以大范圍推廣使用之外，其他產品暫不 具備大規模應用的條件。根據外部報告顯示，只有 15% 的金融 機構使用 AI 大數據與同行競爭，銀行業對 AI 大數據的部署遠 遠落后于其他行業。金融機構在辦理業務流程方面客戶的體驗嚴 重比互聯網行業要差，相比其他行業來看，發展仍比較緩慢。 金融數據智能化應用研究的門檻高、投入大。盡管在當下金 融數據智能化應用研究已是大勢所趨，研究氛圍濃厚，但對于大 多數中小金融機構而言，AI 大數據依然是一個新興而未知的領 域，發展過程中仍然面臨困境。新興科技公司想要進入該賽道將 面臨較多的壁壘。其一，新興科技公司缺乏高端人才儲備，我國 AI 大數據人才培養的時間不長，在學術界以及產業界高端的 AI 大數據技術人才十分稀缺，而擁有高端人才是企業發展的核心推 動因素。其二，中小金融機構 AI 大數據研發投入高導致自主創 新困難，對外合作不易。相較于大型金融機構，資金缺陷和高素 質創新人才不足使得中小金融機構面臨無法自主創新和科技外 包風險高的兩難抉擇，同時研發投入高昂導致投資難以持續。例如中國平安近十年的研發投入近千億元，研發支出高昂導致中小 金融機構難以對 AI 大數據技術持續投入。

金融業務場景復雜，數據智能化應用合規風險大。金融細分 業務眾多且流程復雜，金融數據智能化應用需要非常強的金融場 景理解能力，這離不開對金融業務深入了解的業內專家的深度參 與。同時，金融行業的天然特性決定了監管對金融機構內部合規 和風控要求高。由于監管的要求嚴格，以及對于數據安全性的考 量，金融數據智能化研究一直都處于淺層次應用，不敢深入。 金融數據流通受限，數據應用創新乏力。AI 大數據技術相 關算法的迭代優化需要數據作為支撐，擁有海量優質的金融數據 將成為科技公司提升自身實力的重要基礎。雖然金融行業的數據 積累量較大，但由于金融數據產權機制不明確、數據要素定價困 難、數據質量難以保障、用戶自主權低等原因，導致金融業在數 據要素安全流通時受限。另外，金融監管對金融數據的管理日趨 嚴格，除公開的金融市場交易數據外，各家金融機構出于金融數 據安全考慮，很難主動向金融科技公司開放其內部數據，在一定 程度上制約了 AI 大數據在金融領域的創新應用。