2024年生成式AI重塑银行对公信贷业务报告.pdf

生成式AI重塑银行对公信贷业务孔维高 Robin Kong某商业银行数创办负责人银行数智化与敏捷转型专家2.1势：金融“五篇大文章”与AI时代.2道：AI重塑对公信贷业务.3术：AIGC的5个信贷用例.4法：1433-1框架，4个模式，3阶段、3路径、3抓手1、取势：金融“五篇大文章”之科技金融科技+数据投行+商行生态圈赋能生产力：科技金融支持“科技+产业+金融”的良性循环：直接融资：资本市场+风投 间接融资：信贷，投贷联动金融科技复合型人才产业+投资+银行+财务数智化平台协同+制度流程数据要素投融资+产业赛道+微观经营数据客户层 科创企业/VC/PE科创生态VC/PE/FA/产业园/院所/投行/监管沉淀数据业务数据化赋能数据的业务化业科融合业数融合3生产关系与全要素生产率实现“跃升”相匹配电子银行/网金部数字金融部数字化转型办敏捷组织xx产业赛道专班首席AI官（CAIO）2023年10月30日美国总统拜登正式签署第14110号行政令，要求联邦机构要增设首席人工智能官（Chief AI Officer，CAIO）41、取势：金融“五篇大文章”之数字金融收尾期成熟期成长期探索期发展阶段199019952000200520102015202320世纪末，金融行业开始探索信息化建设到13年，绝大多数业务的电子化信息化程度已经高度成熟信息化移动化开放化智能化系统替代手工，实现效率提升手机替代网点，打造高效、便捷、简单的客户体验开放替代封闭，延伸服务，实现无所不在、无缝流畅的客户体验数据替代经验，实现高度个性、智能的客户体验智能手机快速普及，金融行业大力开发移动端移动端功能发展均较成熟金融行业的四次数字化浪潮四次浪潮核心目标核心能力软件工程用户运营敏捷迭代生态连接大数据、人工智能中国金融行业整体处于“四期叠加”：信息化末期、移动化成熟期、开放化成长期、智能化探索期以银行为代表的金融机构17年开始发力开放银行资料来源：BCG分析，开放银行论坛51、取势：AI时代+数智化AI时代，日新秒异，AI一天，人间一年：上半场：卷大模型，下半场：卷基于大模型的AI原生应用；高估未来两年的成果，低估了五年的进展？数字化转型更多发力于个金ToC业务，而百花齐放的AI智能体将更深刻，更彻底地改变复杂业务的ToB领域？工业革命是生产力的变革，带来生产关系、社会结构的演进：农业：19世纪后半叶，80%的劳动力从事农业；现在约为3%；工业：20世纪中期，工业工人占比约为50%，现在约为19%，多数人转向了服务业；知识工作者：央媒报道游戏公司用AI节省了50%美术成本；麦肯锡预计在2045年前后，AI将取代50%的职业 AI人AI嵌入:输入+推理+输出AI人AI副驾驶:RAG+提示工程人AIAgentAgentAgentAgentAgentAgent单任务Agent多任务Agents全权代理AI智能体:记忆+规划+工具与行动资料来源：麦肯锡研究报告，央视公开报道等6AI已经成为我们身边的同事取代我们的不是AI，而是善于与AI智能协同的人双智协同时代已来 2、明道：对公信贷，从管控走向赋能，修通“最后一公里”流程长文件多行业、专业属性强一户一册，个体差异大风险复杂度高业务流程长，决策点多数据难场景难数据：外部数据，标化采集OCR/流水，客户标签体系与行业洞察场景：融合内外部数据，客户画像，赋能主导，营销+风控风控严经验多方法理念：经验导向到数据导向，专家经验数字化作业模式：将客户行业定位、财务等固化为逻辑规则，机器辅助+专家决策机制体制：迭代人才难组织难经营：突破总分支条块区隔，以产业、赛道分工，一行一策经营人才：业数科复合型人才作业：系统自动生成+人工填写关键结论转型不是一阵风，而是一套“组织+场景+产品+移动+体验”组合拳，难在端对端价值实现的“最后一公里”。782、明道：生成式AI，将重塑银行信贷业务资料来源：BCG分析，开放银行论坛圆圈大小与使用服务的员工人数成正比；一个圆圈可能存在多个场景用例GABCDEF123456789101112信贷流程支持跨部门客户服务金融市场交易ESG监测/报告17类可复用生成式AI服务，可满足如下业务需求A.辅助银行专员回答问题：利用对话界面或聊天机器人满足客户请求（如查询交易状态等）B.销售话术生成：结合通用信息和客户个人信息生成话术C.正式报告生成：生成材料，作为信贷申请资料或交易后文件D.便捷访问其他类似信贷/交易产品(信息数据库)：为决策提供信息和对标数据E.智能搜索引擎：解析分散在各文件和数据源（如基金招募说明书、法务/人力资源聊天机器人）中的数据F.外部数据发现：从半公开数据库等外部数据源中发现数据G.信息整合和洞察：为用户智能化提取相关信息2端到端转型成效最高的4大高优先级价值链（包括预测式AI）1.信贷流程支持2.跨部门客户服务3.金融市场交易4.ESG监测与报告92、明道：数据中台 AI中台将重塑信贷业务103、信贷数智化架构：基于“场景+数据“的架构蓝图10新一代应用架构新一代数据架构新一代基础架构新一代安全架构训练算力+推理算力-GPU算力层财报数据层数据是基础传统算力-CPU新一代应用架构新一代数据架构新一代基础架构新一代安全架构LangChain(嵌入+提示工程)知识库管理(向量数据库+图数据库)意图识别引擎|模型插件新一代应用架构新一代数据架构新一代基础架构新一代安全架构框架层数据工程工具文档拆分-文本解析-QA生成数据标注-数据清洗-数据增强模型训练|模型推理模型精调（轻量化）模型评估模型编排应用层抓场景集成助手数据治理信息安全新一代应用架构L0-基础大模型基座（开源模型 +商用模型，多模态）模型层大模型+小模型L0+L1+L2 大模型 L1 金融行业大模型，通用大模型 语义、语音、视觉、策略L2 场景任务类专有大模型感知：图像识别，OCR，语音识别认知：计算机视觉CV，自然语义NLP，多模态决策：知识图谱，逻辑回归，专家规则工商科创大数据司法招投标园区-地理制度知识库运营知识库T+1 数仓准实时数仓金融资讯投融资报告企业动态产业链新闻互联网聚合企信数据内部知识库数据库安全工程金融行业通用知识库指标知识库信贷知识库客服知识库Agent工具大模型接入知识库接入产业链营销与行研助手财报与信贷报告助手风控助手会议与知识沉淀助手信贷定价数据分析助手12345数字化原生应用：系统+AI助手AI原生应用：自然语言交互，多模态交互，AI智能体113.1 营销助手 业务需要既懂信贷，又懂财务，还懂产业，再懂风险融资？知识图谱：在微调或RAG中使用，增强AI的可靠性、有效性和透明度上下文，降低技术和监管风险，避免幻觉/偏见。数据抽取：结构化、半结构化、非结构化信息提取-知识融合（消解-消歧）-知识加工-知识图谱三元组：实体|关系|实体，实体|属性|属性值1、某民营银行：”基于大模型，提高模型预测企业贷款意向的精准度“，助力挖掘潜在信贷商机2、金融大模型+企业专属知识库=城商行：联合实验室，自研-检索增强生成RAG 符号AI语义AI关系型数据库，某国有行的三点经验：准确性：通过叠加专业知识库，避免“幻觉”知识库更新：定期全量更新知识库权限管控：对接行内文档权限控制系统资料来源：行业内对于行业内生成式AI落地实施案例的公开报道向量数据库，性能更好，相似性、更隐式的相关结果；某城商行：组建组建由业务由业务、科技科技、研究院等研究院等，开展数据采集和标注工作开展数据采集和标注工作。基于开源技术路线基于开源技术路线，自主建设语义向量库自主建设语义向量库、多路召回搜索引擎多路召回搜索引擎。提示工程提示工程路由器路由器&多路召回多路召回123.2 财报与尽调助手 企业财报、现金流分析，偿债能力智能分析传统尽调报告：上一代NLP技术大数据公司生成的尽调报告、信贷报告等，仅含公开信息，未能公、私域数据融合，难以迭代需求尽调助手：基于生成式AI的解决方案，江苏某城商落地集成LLM、OCR、规则引擎、指标分析引擎等技术，利用大模型开发平台构建Agent体系，财报数据准确率达95%以上，报告生成可接受率达85%以上，特别在财务比率自动化分析，行业基准值对标，偿债能力分析等，助RM提效60%以上。对公信贷业务流程长，其间需要客户经理撰写大量文档，耗占大量生产力：文档：营业执照、财务报表、税务记录、征信报告等，形成KYC客户尽调报告、贷前信贷备忘录、信贷合同、贷后风险评估报告等；在传统NLP方案基础上，借用大模型内容生成、推理能力与提示工程，自动生成报告，实现从co-polit模式到agent模式的提升；综合解决方案：结合传统自动化技术的结构化刚性，生成式AI的探索性流动性，服务于业务场景创新。资料来源：行业内对于行业内生成式AI落地实施案例的公开报道133.3 定价助手 NL2SQL技术，业务流程 x 数据驱动=利润提升保本价格目标价格优惠价格资金成本运营成本风险成本税务成本资本占用回报价格优惠贷款价格目标利润定价优惠点数历史贡献承诺业务存贷款EVA借款人EVA关联人EVA历史合作中收业务授用信比存贷款比等承诺存款承诺中间业务1议价2审价3管价4定价是利润管控的关键：某城商行使用提示词工程+LangChain组件搭建NL2SQL的数据查询助手，利用元数据和查询模板训练，实现自然语言交互的取数数据治理与数据质量是基础：某城商行实现“看得清、看得全、看的透”，构建了x用户标签、x项经营指标，x实时数据指标和标签资料来源：行业内对于行业内生成式AI落地实施案例的公开报道与现有FTP方案的汇总143.4 会议助手+知识助手 实现一户一册，“事事有着落”抓风控信贷审结报告与信贷会议跟进事项管理助手，“隐性知识的显性化”，沉淀银行行业知识与风控知识：在审结阶段，通过自动收集业务审批结论、流程中意见和审贷会会议纪要，通过大模型组织生成信贷审批书初稿；并支持用户通过提示语调整风格，用户只需简单修改即可作为最终审批书下发，大幅减轻审批书编写工作量；自动生成有关会议讨论的跟进事项，生成跟进任务，指派责任人跟进，并跟踪是否落实等。某股份制：审计领域，构建的知识助手某大模型的实时语音转文字，提炼会议纪要与行动项的会议助手153.5 风控助手 小模型+大模型，科技金融做精做深，向专业行数智化风控业务架构模型：平台化前台、组件化中台、智能化后台贷前尽职调查业务流程及系统贷中审查审批贷后风险管理尽职调查报告财务风险分析访谈会议征信情况分析CRR评级信贷审结报告审批条件跟进清单提款|还款运营与监控贷后舆情监控风控处置建议投融资信息数据层工商科创大数据司法招投标园区-地理信贷行为数据企业财务数据担保数据资金交易数据金融资讯投融资报告企业动态产业链新闻互联网聚合企信数据内部数据风险360全景视图数智化风险模型库关联关系图谱担保链|供应链产业链监测集团关系监测十层股权穿透关联关系：客户交易|投资|担保|任职|法人|股东企业智能风险分析报告重点客群分析综合风险分析模型小微企业违约预测模型资本市场主体股市|债市风险传导信贷资金异常流向智能化贷后还款资金异常异常结算分析预警财务分析报告客户洞察报告经济下行，息差收窄，信贷质量质量面临压力。信贷管理的核心是风控：数智化风控：专家经验判断+模型算法、机器学习 +迭代大模型逻辑推理能力，更全面风控某民营银行申请专利：普惠金融125个行业，补充上下游信息，完善产业链关系图谱，基于大模型开展客户画像工作，提效5倍。某互联网民营银行：利用大模型构建9条产业链图谱，识别超2100万家潜客，客户画像提效10倍，提升信贷覆盖率和满足度。双智协同：“幻觉”不可避免，大模型绘制的产业链图谱会向风控系统提供客户识别、经营评分和画像，最终仍由风控系统多维度交叉验证后，仍由人做决策。信贷风险监测与决策风险因子库信号库风险预警监测标签库特征库对公评级行为评分风险决策引擎申请评分风险计量不良资产率拨备覆盖率风险指标管理不良贷款率贷款集中度信贷策略解决方案宏观：一行一策行业特征、景气、健康、产业链传导中观：一区一策（区域）区域经营量化、行业布局、区域产业表现预测微观：一户一册（客制化）全生命周期陪伴成长164.1 择法：1个运营管理框架负责任的人工智能战略（包括风险分类和人工智能原则）(Gen AI)人工智能战略和北极星愿景组织人工智能能力的目标原型人工智能团队之间的协调机制人工智能技能评估产学研用创新机制跨人工智能、数据、IT 团队的技能人工智能组织结构和技能用例小组组成隐私保护规范训练与推理数据的隐私保护原则信息过滤规范有害信息的过滤原则全员AI企业文化GenAI人工智能平台目标和参考架构目标用户和用户旅程平台多用户需求ML/MLOps 产业化人工智能架构原型GenAI 平台功能和参考架构GenAI 部署原型LLM 选项和选择能力集中化方法人工智能能力图路线图目标人工智能优先领域优先用例：人工智能用例/产品生命周期：构思选择实施实际运作稳定状态商业案例开发 用例接收用例优先级排序 资金筹措(Gen)人工智能组合管理试点/MVP 执行放慢脚步，延长beta版本，降低对完美结果的期望支持和价值监测所有权、维护和变更管理登月计划灯塔快速赢利基础知识人员和组织机制AI用例和产品产品驱动，敏捷组织负责任的AI治理与管理体系平台与合作伙伴产学研用结合资料来源：参考BCG分析与开放银行论坛知识产权知识产权保护开源软件治理体系算法伦理规范算法透明，可解释性模型约束规范模型的快速纠错与约束机制人工智能治理合规部、风控部、信息安全、架构、高管网络安全与欺诈网络安全、数据安全，防止网络共计与数据注入攻击等174.1 择法：1个AI创新驱动，战略框架资料来源：毕马威大模型与生成式AI的银行业应用价值初探184.1 择法：4种组织运营模式联邦具备人工智能能力的团队不具备任何人工智能能力的团队业务单位/职能业务单位/职能业务单位/职能中心 AI业务单位/职能AILead业务单位/职能业务单位/职能中心 AI业务单位/职能AI引领业务单位/职能业务单位/职能没有中心人工智能部门本地化的临时人工智能项目没有针对人工智能机会的标准化流程业务单位/职能部门牵头执行，中心人工智能提供咨询/建议 中心人工智能进行协调；提供基于需求的支持中心人工智能有更少、更专业的资源来支持业务单位/职能部门的项目中心人工智能维护全球工具的能力中心人工智能部门是用例执行的主要流程负责人中心团队容纳并培训大部分人工智能资源中心人工智能维护人工智能用例和相关请求的整体视图中心人工智能部门定义标准并确定最佳实践业务单位/职能部门利用中心人工智能部门的大量资源领导执行工作中心人工智能部门拥有大部分人工智能资源更成熟的业务单位/职能部门拥有精选的人工智能人才许多大型公司的起点大多数大公司在实施人工智能战略后许多规模较小或有特殊需求的公司非集中化中心人工智能作为“促进者”中心人工智能作为“执行者”完全集中4321业务单位/职能中心 AI业务单位/职能业务单位/职能AI引领资料来源：BCG分析与开放银行论坛194.2 择法：落地实施的“三个阶段”AI成熟度商业价值AI愿景实现AI筹备期探索期规模化对客服务内部运营日常使用颠覆式创新中后台业务部门前台业务部门产品与服务核心业务能力落地实施的三个阶段：AI筹备期，缓坡地貌：每天的日常，公有模型+公有数据辅助处理；右图的左下角象限，办公场景，生产力工具，嵌入式协同如代码生成AI的探索期，小径地貌：从0到1，尝试从低成本、高回报的业务用例出发，探索私有化部署，或有失败；进入前中台业务场景，流程重构规模化实施期，陡壁地貌：从1到N构建多场景、多应用，创新重塑业务；成熟期后，面向客户服务，甚至成为核心业务能力的一部分资料来源：GartnerAIGC是一个新的“大航海时代”，挑战重重：缺人才，缺场景，成本高，风险高-有幻觉，我应该封闭等待，还是积极拥抱未知？4.3 择法：有关大模型选择的“三个路径”模型：通用大模型，支持多模态，底座部署：通用大模型+企业知识库，即完成企业自身大模型开发与工具链建设，包括企业向量知识库建设，在此基础上基于开源（甚至是多模态大模型）等通用大模型完成通用场景建设。借力：大模型公司通用基础大模型L0专业单模态大模型：单模态通用大模型 语义、语音、视觉、策略等行业大模型部署：借力大型商业银行，发挥行业大模型优势，实现银行在理财、计量等专业场景的建设，同时降低重复训练算力资源投入。值得注意的是，通用大模型+知识库 行业大模型。借力：大型商业银行，金融科技公司输出金融行业大模型L1模型特点：按需快速引入满足特定业务场景、流程的端对端成熟解决方案，实现快速的业务价值。如行业内引入的开发大模型、测试案例大模型等。借力：借力行业解决方案提供商，或自研场景垂类专用大模型L2路径之争的非共识：业数科融合MVP v.s.平台整体规划？开源与闭源？外购 v.s.产学研用模式？214.4 择法：科技团队的“三个技术抓手”检索增强RAG模型微调提示工程正确地问对的问题 抓手一 检索增强生成RAG：利用嵌入(embedding)，使大模型能基于给定的数据库来生成答案。系统首先到向量数据库检索出相关信息片段,之后再将问题和搜索到的信息片段传送给大模型,由大模型整合形成最终的对话式答案。抓手二 提示工程：利用强有力的提示词设计，使模型给出契合专业性要求的准确答案。利用LangChain把问题解决的长线逻辑和相关例子全部融入进去，使大模型能按照预设的步骤、思维链、回答格式来产生答案。抓手三 微调：修改模型的参数，使得模型在有限提示词下，一次性生成答案的质量更高。精调模型需要更多的数据和一定的算力资源（需高算力芯片）。需关注轻量级fine-tune的模型的发展：LoRA,P-Tuning等21RAG，每个环节都有难点技术实施路径的选择224.3 择法：AIGC落地实施的RoI论证部署生成式AI的成本估算模型：固定成本：上图蓝色，大模型成本，算力成本，应用开发成本等变异成本：上图粉色，数据，数据标注，并发用户，token长短，推理，持续优化的成本适合的才是最好的：小公司小闭环，大公司大闭环实施原则：垂直应用为先，以私有化部署为主；与现有系统松耦合，由点及面分步实施；大模型、小模型、AI原生应用协同发展资料来源：毕马威咨询，Gartner234.4 择法：AI-Ready的组织，人才是起点，高价值场景是突破点最大障碍：53%-缺少业务与技术领域的AI人才30%-尚未找到匹配的业务用例与价值14%-难于选择合适的大模型与培训痛点即突破点，难以找到适合的业务用例：52%的AI项目依然无法从原型验证转化为生产AI方案平均需要超过8个月才能从原型转化为生产资料来源：Gartner4.4 择法：ALL IN AI？好奇 恐惧 尝试 接受2023年3月 启动AIGC技术调研2023年6月 上科管会，科技牵头立项2023年7月 第一次开源大模型部署2023年9月 完成初次算力采购与部署2023年Q4 客服、电销、贷后场景2024年5月 多个AI助手应用上线 某民营银行近一年的AI历程在2023年二季度开了三次合伙人会议，形成了共识即“大模型很重要”。10月份各部门骨开会讨论2024年的商用用例。花了整整半年的时间，团队自上而下、自下而上的在“要做大模型”上逐步达成了一致。“知道要做”和“动身去做”是两回事。某咨询公司全员学AI邓宁-克鲁格效应宏观：是另一个区块链，元宇宙？还是第四次工业革命？Generative 生成式:模型学习如何通过上下文预测句子中被Mask的单词；扩大语言模型的规模，可以显著提高零样本与小样本学习的能力.Pre-Trained 预训练基础大模型预训练：万亿级低质量互联网数据非监督学习算力：预训练，耗占了总体算力资源的98%微调：质量数据全参微调SFT人类标注RLHFTransformer 模型Google-Attention is All You NeedTransformer:向量的解码器与编码器算法族谱：BERT/GLM/GPTChatGPT是什么？AIGC奇点是否已经突破？沿革：深度学习，特定模型，模式识别 海量数据训练大模型，泛化能力，多模态NLP+CV+ASR+TTS+ML+DL+RL+GAN；行业：提前10年-尚不完美，足够强大；Gartner：处于膨胀期望的峰值，2-5年将被市场主流采用；启明创投：类似互联网的97-98年 全球：麦肯锡-每年贡献“一个英国的GDP”-2.6-4.4万亿美元；2030-2060年间50%的知识工作者的工作将逐步被AI替代 中国：大模型-282个；人才-41%大学，清华领先；商业：+AI,AI+;市场规模：亿欧咨询预计到2030年，万亿规模预训练模型:是一个未加控制的“怪物”（图：修格斯怪物H.P.Lovecraft），训练数据来源于对互联网，其中可能包括点击诱导、错误信息、政治煽动、阴谋论或针对特定人群的攻击等内容中观：AIGC产业架构与发展展望与人类大脑处理语言极其相似：1800-2000亿个神经元，GPT3.5:2千亿参数；通过预测编码来处理语言，学习与适应等，多模态微观：对于银行，业务部门，个人生产力的意义与价值，拥抱AIGC应用模型云芯片基础模型&API服务OpenAI|智谱AI|文心一言利用第三方模型构建的应用Jasper|Descript|Copy.ai|TutorEAI.ai英伟达DXG Cloud|腾讯-星脉网络|字节-火山引擎|阿里云|曙光智算 工具链-AnyScale,MosaicMLCPU/GPU-中央处理器，图形处理器-训练推理可编程FPGA|专用ASIC:TPU机器学习|NPU-神经网络开源模型&Model HubHuggingFace|Stability AI阿里Model Scope|腾讯MaaS垂类大模型云知声|衔远科技|无限光年个人生产力常用:ChatGLM/gamma/讯飞星火认知大模型/阿里通义千问/文心ChatGPT 4:2000亿参数*8矩阵;Web Browsing-浏览最新网站应答；数百个三方插件PlugIns 扩展生态；100-1000亿参数-行业，100亿-私有化业务场景科创金融金融大模型：彭博BloombergGPT|摩根大通IndexGPT|恒生点在LightGPT,星环无涯 Infinity|度小满轩辕|同花顺数字人；场景:开发|营销|销售|客户运营等有监督全参微调 Supervised Fine Tune(SFT)+高质量预处理数据-灾难性遗忘大模型局部参数微调：LoRa(训练增量网络层),P-tuning v2，标注RLHF(RM激励模型，PPO近端策略优化)，单体知识注入；私有化部署：开源大模型+算力+开发框架Langchain,LIama_index-领域知识注入，embedding知识库入库-向量数据库，也提供有记忆交互流程风险考量：AI幻觉与深度伪造，隐私和安全、偏见与歧视、结果的透明性和可追溯性、知识产权，失业风险等产业图谱：算法+算力+数据，芯片+AI云+模型+应用赛道核心：“赋能”人而非取代人：利用AI的“意图识别”和“推理能力，可让AI成为助手，放大人的产能26像树根一样，企业知识工程锚定了生成式人工智能理解的深度资料来源：德勤研究报告4.4 择法：重启知识工程 拥抱它，核实它知识库与大模型-双向赋能、协同1大模型支撑知识建设底座知识库用于大模型的训练、调优、评测4知识库用于RAG检索、问答3知识反哺大模型能力升级2场景知识库通用知识库指标知识库制度知识库运营知识库客服知识库金融行业通用知识库向量数据库图谱数据库大数据平台“4+1”知识库知识存储和检索知识加工与处理表格理解OCR识别文档切分固定|标题段落|递归问答对生成指标处理知识向量化三元组生成知识图谱文档知识FAQ知识知识校验知识融合数据支撑结构化数据制度文案流程知识经营案例产品文档通用知识库采用融合数据存储模式，围绕场景建设“4+1”的知识库，为大模型建设提供坚实基础协同机制：构建业数科融合团队，通过业务中台、数据中台持续建设、沉淀业务知识；组织保障：设立特定知识管理与运营岗位，如流程、行研专家等，给予激励错失，鼓励知识沉淀；业务流程集成：将隐性业务知识沉淀为显性业务知识，将知识沉淀要求纳入现有业务流程中。4.4 强基：激活数据要素，提升对内/对外赋能资产盘点数据资产化按会计规定入表数据资产成本计量质量评测价值评估资产入表加计扣除确权登记数据资本化经营数据资产数据要素信贷增信信贷质押挂牌流通数据空间数据治理数据资源、数据产品标准合规、安全持有DCMM确权认责数据质量数据产品数据资源企业内部：数据治理/IT/业务企业+咨询+会计师所+律所企业+咨询+数交所+金融经营数据资产主张数据价值数据资源化数据产品化数据资产化数据资本化业务的自动化与信息化积累数据资源，数据统计数据中台与数据产品数据产品化，数据分析业科融合业数融合中央金融工作会、央行国务院，国家数据局数据要素流通数据资产增值