商业银行数据要素价值实现的理论与实践探讨.pdf

一一、引言引言数字经济时代，数据已成为最具活力的生产要素之一。2020年，数据首次被作为一种新型生产要素写入中央文件；2022年，构建和完善数据要素基础制度被提到历史新高度。银行业是数据积累最为深厚、数据质量较高、数据应用场景最广、数据安全最为重要的领域之一。推动银行业数据要素价值实现，既是数据要素市场的重要组成部分，也是促进商业银行科技与业务深度融合的必然要求。现有金融监管政策强调提升商业银行数据治理和数据安全能力。如 金融科技发展规划（20222025年）关于银行业保险业数字化转型的指导意见 等顶层制度文件将数据治理和数据安全作为重点内容。此外，银行业金融机构数据治理指引 银行保险监管统计管理办法 等相继出台，对银行数据质量、数据治理、数据安全提出了更为具体的要求。与“严监管”相对应的是“广实践”和“晚研究”。在监管要求下，我国商业银行纷纷着手建立数据治理体系，银行数据生产要素领域的研究也在逐渐增多。目前，国内已有研究主要分为三类：一是银行从业人员介绍银行业数据治理实践。如，吴军1介绍中信银行通过“一湖一库一平台”基础数据体系建设，将数据资产广泛应用到产品研发、运营管理、风险防控等普惠金融业务全流程；霍学文2介绍北京银行基于统一数据底座、覆盖数据全生命周期、一体化的数据治理体系；史晨阳3总结光大银行在全面规划企业级数据战略、建设可持续的数据资产管理与运营体系、建设全域开放的数据中台等方面的实践。二是提出银行业数据治理的对策建议。如，杨涛4从商业银行自身加强和完善数据治理工作、政府与监管的环境保障等两方面提出具体建议；张淑芬等5提出完善数据治理架构、持续提高数据质量、健全数据标准等建议。三是专门针对银行数据资产进行分析。如，陆岷峰等6对商业银行数据资产的价值评估与交易定价进行分析；金旭君等7构建商业银行数据资产管理能力成熟度评估模型，并对三家银行进行实证检验。摘要：数字经济发展趋势下，数据资源、数据资产、数据资本、数据产品等相关概念既有所差异又存在共通之处，其本质都是数据生产要素在不同阶段的具体表现。本文基于数据生产要素理论，构建了银行数据要素价值实现的理论模型，总结出银行数据要素“资源化资产化资本化”的价值实现过程。基于银行业实践，本文发现目前我国银行数据要素呈现出“数据资源化大规模展开、数据资产化理论研究先行、数据资本化尚未取得实质性进展”的特点。因此，未来商业银行推动数据要素价值实现的方向主要有：一是树立系统性思维，在监管合规要求下，进一步加大对数据资源的保护、管理和开发力度；二是探索科学性方法，适时推动数据资产入表，全面深化数据融合应用；三是坚持开放性路径，利用先进科技手段有序推进数据流通共享，探索数据银行可行模式。关键词：金融科技；商业银行；数据要素中图分类号：F832.33文献标识码：A文章编号：1009-3540（2023）07-0081-0008王小彩 杨涛作者简介：王小彩（1991），女，博士，华夏银行股份有限公司博士后科研工作站、清华大学经济管理学院博士后科研流动站博士后研究人员；杨涛（1974），男，中国社科院金融研究所研究员，博士生导师。商业银行数据要素价值实现的理论与实践探讨Management in Commercial Bank商业银行经营管理商业银行经营管理81812023年第7期WUHANFINANCE可以发现，目前国内银行数据要素领域的研究大多出现在2021年之后，且主要是基于银行业实践进行探讨，这是金融科技创新前沿研究的重要方法。但随着数据生产要素理论的逐步完善，理论研究不足导致银行数据治理实践缺乏系统性思维和科学指导，整体进展较为缓慢。当前银行业重点关注数据资产管理，但对数据资产、数据资本、数据资源等基本概念及内在联系认识不清，导致银行数据要素的价值难以充分发挥。在此背景下，本文基于数据生产要素理论，结合银行业实践，从理论和实践两个方面进行探讨。论文的结构如下：第一部分为引言，包括研究背景、研究意义、国内研究综述；第二部分为银行数据要素价值实现的理论基础和理论框架；第三部分基于银行业实践，分析银行数据要素价值实现的实践进展与挑战问题；第四部分从商业银行角度，提出挖掘银行数据要素价值的重点方向。二二、商业银行数据要素价值实现的理论基础商业银行数据要素价值实现的理论基础与理论框架与理论框架（一）理论基础生产要素理论是西方经济学建立的基础与前提，生产要素稀缺性要求生产者必须提高要素的配置和使用效率。从时间顺序来看，根据不同阶段经济发展特点，生产要素体系不断扩容，呈现出从具体到抽象的特点。对于以技术、知识、组织、企业家才能为代表的第四种生产要素如何纳入生产函数尚未形成统一的观点，但其作为生产要素的地位已经取得了共识。继农业经济、工业经济之后，以数据为关键生产要素的数字经济成为各国经济发展的主流方向，数据生产要素理论逐步形成与完善。数据是对客观事物的数字化记录和描述，用数据形式表现的信息能够更好地被用于交流、解释或处理。数据能够成为一项单独的生产要素，主要是由于：一是数据具有虚拟性，与劳动、土地、资本等传统生产要素形成最主要差异，但又无法与技术要素通约8，9；二是数据具有稀缺性，也具有规模经济性，数据的可复制性使得数据的边际成本很低，符合成为关键生产要素的要求1012；三是数据生产要素与土地、劳动和管理等其他生产要素具有替代和融合关系1315；四是数据构成数字经济与传统经济的主要区别，非竞争性使得数据具有高使用效率和巨大的潜在经济价值，为经济持续增长提供了可能8。现有研究主要围绕数据要素价值实现的“三化”框架进行研究，即数据资源化、数据资产化、数据资本化16，17。李海舰等15在此基础上提出了数据商品化概念，形成数据形态“四化”的演进过程。蔡万焕等18基于马克思理论，认为数据要素被“使用”的过程就是其价值形态演进的过程，包括数据、数据产品、数据商品和数据资本。王恩东从整个社会的角度出发，提出数据资源化、数据商品化、数据生态化、数据社会化四个阶段。但整体来看，数据产品不是理论研究范畴，数据资本化包括数据商品化，因此本文遵循“数据资源化数据资产化数据资本化”的研究框架进行分析。基于现有研究可以发现，企业内部数据生产要素价值实现遵循着基本规律。首先，需要将庞大的数据整合成具有潜在价值的数据资源，将数据与数据的采集、存储、处理、分析、应用等一系列劳动相结合，转变成可量化的数据资产；其次，数据资产只有通过交易和流通转变为生产性的数据资本，才能真正释放出企业数据的内在价值。（二）理论框架1.银行数据要素价值实现的理论模型银行业是数据密集型行业，在经营过程中积累了大量跨周期的金融交易数据，也是利用个人和企业数据进行生产经营决策的重要行业。基于数据生产要素理论，银行数据要素价值实现应当包括以下三个阶段：首先，银行数据资源化，将分散的原始数据加工成为具有潜在价值的高质量数据，是释放数据价值的逻辑起点。一项数据成为数据资源，应当具有可采、可见、互通、可信等特点，尤其是排除各类脏数据（dirty data）、冗余数据（redundant data）、假数据等低质量数据，并构建数据资源的质量管控机制和标准体系。商业银行天生与数据打交道，每时每刻接触和产生大量内部数据，同时也在获取大量外部数据，积累起海量的客户数据、交易数据、外部数据等。早期银行业通过原始手工收集和记录的方式积累数据资源。金融电子化时代，商业银行开始利用现代计算机技术和网络通信技术，将处于分散状态的基础信息加工成为高质量的数据资源。金融科技时代，数据资源的范围进一步拓展，从个人职业、收入、财产等数据拓展到全方位客户画像，从企业财务经营8282数据拓展到上下游交易数据、电力税务数据、投融资数据、招投标数据等。商业银行通过公开搜集、个人和企业主动提供、外部购买等方式积累数据资源，因此数据资源具有开放共享的特点。其次，银行数据资产化，通过界定数据权属、评估数据价值，将数据资源转化为可量化、可带来经济价值的数据资产。银行数据资产指商业银行拥有或者控制的，能够带来未来经济利益的数据资源，因此并非所有的数据资源都可以转化成数据资产。从数据资源到数据资产，应当包括“数据资产确认数据资产评估数据资产核算数据资产披露”等四个环节。根据2022年12月财政部发布的 企业数据资源相关会计处理暂行规定（征求意见稿），明确企业内部使用的数据资源和对外交易的数据资源属于资产。基于会计处理方法，银行数据资产意味着：一是作为核心资产纳入资产负债表，需要解决数据确权、价值评估等问题；二是为银行带来经济利益，数据作为科技与业务融合的着力点之一，将高质量的数据与具体业务场景、风险管理模型、内部控制与管理决策紧密结合，有利于真正助力商业银行提质增效，发挥数据要素的商业价值。最后，银行数据资本化，银行数据以资本的形式运营和运转，通过数据交易、流通等方式获得超额利润并进行利润分配，是数据资源经济化的最终形态。商业银行参与数据要素市场，主要有三种途径：一是作为买方，购买行业数据以及金融风控、数字普惠金融、精准营销等各类数据解决方案，将内部数据与外部数据相互验真并深度融合，本质上是获取数据资源、外购数据资产，不是真正意义上的数据资本化方式。二是作为数据商，交易、转让其数据是银行数据资本化的重要渠道，但银行面临监管政策的不确定性。根据 人民银行关于银行业金融机构做好个人金融信息保护工作的通知 等相关规定，银行仅是个人金融信息的控制者，原则上不应出售、共享、转让其收集的个人金融信息，因此商业银行形成的数据资产难以通过数据交易所进行价值增值。近年来，全国性和地方性数据法律法规逐步明确自然人、法人和非法人组织的数据权益，鼓励企业在合法合规的前提下参与数据资产流通，这标志着银行数据资本化迎来新的机遇。三是作为第三方服务机构，为企业和个人提供数据资本化服务。商业银行创新开展数据资产金融服务，如数据质押、数据资产证券化等，代表企业或个人的数据资本化，形成商业银行资产，但也不是典型的数据资本化方式。综合来看，银行数据资本化有以下可行理论途径：一是在征得个人同意的基础上，与第三方服务商共享客户金融账户数据，对银行数据及银行资源进行市场化整合及配置，这涉及开放银行模式；二是利用隐私计算技术，包括多方安全计算、联邦学习、差分隐私等，实现数据不出域、可用不可见，在不泄露个人数据的基础上实现数据流通及数据价值深度挖掘，从而实现银行数据资本化。2.银行数据要素价值实现的保障措施健全的数据治理体系是商业银行数据要素价值实现的内部组织保障。关于银行业保险业数字化转型的指导意见 首先强调健全数据治理体系。根据国际数据管理协会（DAMA），数据治理聚焦数据资产管理，侧重于企业内部数据管理体系。广义的数据治理应当包含所有数据事项决策，尤其是数据采集、存储、质量、管理、开放、应用等关键流程。完善的数据治理体系是银行业数据要素价值实现的必然要求，也是商业银行挖掘数据要素价值的具体措施，贯穿数据资源化、数据资产化、数据资本化三个过程，是数据生产要素化在商业银行管理层面的具体表现。完善的数据基础制度是商业银行数据要素价值实现的外部制度保障。关于构建数据基础制度更好发挥数据要素作用的意见 明确提出数据产权、数据要素流通和交易、数据要素收益分配、数据要素治理等具体要求，为数据要素价值实现提供制度支撑。以数据产权为例，对于银行业务开展过程中个人和企业主动提供的收入、财务等信息和数据，银行依法享有数据资源持有权，并在依法持有的基础上行使数据加工使用权。因此，需要从顶层制度层面明确数据产权结构性分置制度，建立公共数据、企业数据、个人数据的分类分级确权授权制度，否则无法确定商业银行拥有或控制的数据资源，更无法进行数据资产的估值和数据资本的流通。三三、我国银行数据要素价值实现的实践与挑战我国银行数据要素价值实现的实践与挑战在外部监管要求和内部发展驱动下，目前我国银行数据要素整体处于从数据资源化向数据资产化迈进的阶段。从实践来看，银行数据要素并没有完全按照“资源化资产化资本化”的顺序依次进Management in Commercial Bank商业银行经营管理商业银行经营管理83832023年第7期WUHANFINANCE行，而是表现为内部分化、各自探索的特点。具体表现在：一是大型商业银行通过多年数据资源积累率先进入数据资产化阶段，目前重点关注数据与业务融合；二是中小银行开始整合分散的数据资源，着力搭建数据治理体系；三是一些银行开始利用前沿技术和开放模式探索银行数据资本化。但是由于我国数据产权等基本制度尚未明确，加之银行数据要素的特殊性和复杂性，银行业数据资源化普遍开展，但数据资产化仍处于理论探索阶段，数据资本化还未取得实质性进展。（一）银行数据资源化的实践进展及问题挑战银行业是数据密集型行业。基于BCG研究报告，银行业每创收100万美元，大约产生820GB数据。但银行业积累的数据资源主要是业务经营过程中客户主动提供的标准化数据，掌握的另类数据较少，导致数据资源的整体规模有限，且严格受制于客户规模的大小。银行业数据资源化的历史悠久，从数据中心，到数据库、数据仓库、数据湖、湖仓一体等新型数据产品，其首要功能是整合和存储内外部数据。自1999年起，我国大型商业银行开始数据大集中活动，集中和整合分布在各个分支机构和营业网点的业务及数据，形成数据中心，并对数据进行系统性分析和评价。2003年，商业银行初建数据仓库；2006年，商业银行开始统一数据规范和数据交换，提升数据质量。在数字技术推动下，商业银行开始探索数据资源全生命周期管理，不断提高数据运维管理的安全、可控、可追溯、自动化能力。随着银行业务向数据驱动模式转型，商业银行纷纷加大数据资源的汇集整合力度，推动构建一站式、智能化、开放式的数据资源管理体系，加强数据的互联互通与开放共享。以政务数据为例，政务数据广泛分散在各地政府机构中，近年来地方政府建设线上政务平台推动政务数据数字化，成立专门的大数据管理和运营公司推动政务数据市场化，这在数据资源化数据资产化数据资本化外部数据买方：购买数据，内外部数据结合，形成资产内部数据财务数据非财务数据个人数据企业数据数据中心、数据仓库、数据湖、数据集市数据数据数据数据资产管理系统数据资产入表数据资产确认数据资产评估数据资产核算数据资产披露数据要素市场卖方：银行是个人金融信息的控制者和加工者服务机构：为企业和个人提供数据资本化服务可行模式：开放银行可行技术：隐私计算数据共享商业银行数据治理保障措施：数据基础制度清晰的产权制度高效的流通和交易制度兼顾公平效率的收益分配制度安全可控的治理制度图1银行数据生产要素价值实现的理论模型和保障措施资料来源：作者自行绘制。表1我国商业银行获取政务数据的主要方式及案例获取方式政银战略合作市场化购买具体方式商业银行与地方政府采用隐私计算技术方式进行合作商业银行通过开放接口将金融服务融入政务场景中商业银行通过各地数据交易所购买政务数据典型案例中国银行海南省分行和海南省大数据管理局合作，依托中银金科建木隐私计算平台构建政务大数据智慧E贷平台打造数据安全共享通道北京银行与北京市人力资源和社会保障局进行了接口对接，通过渠道交互、数据引入、系统对接等方式拓展政务服务渠道2022年12月贵阳大数据交易所正式上线运营“政府数据开放专区”，这是继“气象数据专区”“电力数据专区”上线之后，贵阳大数据交易所再添优质数据供给。专区目前覆盖市场监管、医疗卫生、生态环境、社保就业、生活服务等12个领域，共计140个数据产品数据来源：作者根据公开资料搜集。8484一定程度上便利了商业银行引入外部政务数据资源。截至2021年10月，我国共有193个省级和城市的地方政府开放了线上数据，超过70%的地级市推进了政务云的建设。对于政银战略合作，政府机构首选全国性商业银行和头部区域性商业银行，综合利用隐私计算、开放接口等技术共享政务数据。市场化购买方式主要依托各地数据交易所，数据产品种类丰富，银行参与度更高。截至2022年底，全国由地方政府发起、主导或批复的数据交易所已接近50家，贵阳大数据交易所、北京国际大数据交易所、华东江苏大数据交易中心等均开通了政务数据交易专区，交易形式包括数据集、数据报告等。目前，我国商业银行广泛开展数据资源化，但仍存在两个方面的问题：一是个人数据采集和使用不规范，个人数据隐私权仍是商业银行数据要素价值实现面临的核心问题。从2022年监管机构罚单来看，交通银行信用卡中心未依法合规使用客户信息、工商银行吉林省分行违反信息采集相关管理规定、湖南浏阳农村商业银行向金融信用信息基础数据库提供非依法公开的个人不良信息等，商业银行采集和使用个人数据资源的合规性有待提高。二是银行数据资源的质量参差不齐，外购数据的准确性和合规性存在不确定性。中国人民银行2019年曾对商业银行合作的数据公司是否存在违规爬虫行为进行重点调查。目前数据交易所的供给方包括政府、数据集成商、数据加工与分析商等主体，除政府之外的数据供给方大多依赖自己的大数据工具对市场公开数据进行挖掘，可能存在未取得平台授权秘密爬取数据的风险；个别数据商通过与企业、政府战略合作获得非公开数据，数据的准确性存在风险。（二）银行数据资产化的实践进展及问题挑战由于 企业数据资源相关会计处理暂行规定 尚处于征求意见过程中，加之银行数据资产的特殊性，目前尚未有商业银行将数据资产纳入资产负债表中，但光大、浦发等商业银行正在积极开展数据资产相关研究。对于数据资产估值方法，光大银行在传统的估值理论基础上，构建了普适性、可落地的数据资产估值方法体系，测算出光大银行数据资产价值已超千亿元；江苏银行根据银行收益的组成，选用增量收益评估法对江苏银行数据资产进行推算。基于光大银行总资产规模占比1.70%左右，推测我国银行业数据资产价值约6万亿元左右。由于我国上市商业银行股价长期处于偏低状态，因此估算银行业数据资产价值有利于帮助商业银行股价回归内在价值。对于数据资产入表方式，2021 年浦发银行与IBM、中国信息通信研究院提出“数据资产经营报表”第四张财务报表的概念；2022年光大银行提出将数据资产使用权和数据资产经营权列入资产负债表中的无形资产二级科目进行核算。根据 企业数据资源相关会计处理暂行规定（征求意见稿），数据资产根据内部使用或外部交易两种用途，分别计入无形资产或存货。目前，银行数据资产化尚处于理论探讨阶段，除了受到会计制度的根本限制之外，还存在以下挑战：一是银行数据确权难。银行拥有的数据既来源于客户的交易行为，又由银行的信息系统产生并进行加工处理；既有客户主动提供的数据，也有搜集和购买的客户另类数据。二是商业银行拥有原始数据、衍生和加工数据等各类数据，非结构化数据占比较高，不同类型的数据资产价值评估方法差别较大。三是目前大部分商业银行尚未构建起完整的数据资产管理体系。历史数据仍然分散在各类小数据库中，单个部门受权责边界限制，难以对全行数据资产进行全口径和全生命周期管理。这是制约银行数据资产化的最主要原因。（三）银行数据资本化的实践进展及问题挑战目前，银行业数据资本化尚未取得实质性进展，大部分商业银行对内部数据要素“走出去”持审慎态度。2020年中国人民银行发布 商业银行应用程序接口安全管理规范，为开放银行健康发展提供了一定的支持。从实践来看，国内商业银行开放银行体系建设侧重于场景和生态层面，出于数据安全和隐私保护考虑，尚未真正涉及账户层数据共享问题。如，招商、浦发和华夏等商业银行重点发力生态层，兴业银行基于同业基础进行技术输出。整体来看，法律法规相对滞后、数据开放风险管理难度较大、成表2我国主要商业银行开放银行模式商业银行招商银行浦发银行华夏银行兴业银行天资禀赋零售1亿客户对公转零售工业企业股东同业基础发力层生态层生态层生态层中间层打法自建生态层自下而上对接生态层产业数字金融帮助中小银行赋能数据来源：作者根据公开资料搜集。Management in Commercial Bank商业银行经营管理商业银行经营管理85852023年第7期WUHANFINANCE本与收益衡量等问题制约了我国开放银行建设步伐，但以数据共享为核心的开放银行模式是释放银行业数据要素价值的必然方向。我国隐私计算市场发展迅速，银行业对隐私计算具有刚性需求，并开始将其应用到普惠金融、联合风控、监管合规等领域。在 多方安全计算金融应用技术规范 金融业数据能力建设指引 等一系列法律法规的规范下，目前很多头部商业银行启动了隐私计算研究，搭建和上线隐私计算平台，并与政府、同业、运营商、互联网平台公司、传统企业等机构开展数据共享。目前，银行业通过隐私计算技术推动数据资本化存在几个问题：一是当前隐私计算商业模式还处于早期探索期，要达到非常成熟与可用的技术状态还需要一定时间；二是隐私计算技术对商业银行传统IT架构提出更高内控要求，技术投入较大，且存在“系统孤岛”、运算效率低、安全性等挑战；三是商业银行利用隐私计算技术，更多是“引进来”，即引入外部数据形成数据资源和数据资产，而不是“走出去”，即通过银行数据共享进行价值增值。表3我国主要商业银行隐私计算应用情况商业银行工商银行建设银行交通银行兴业银行光大银行微众银行工商银行渤海银行北京银行南京银行隐私计算应用情况l.推出企业级隐私计算平台2.与政务、电信、互联网、金融同业等数据方合作，在保障各方数据隐私和安全的前提下进行联合建模和多方计算，并将成果运用于多个业务场景3.基于隐私计算的小微商户普惠金融服务项目1.基于瑞莱智慧隐私计算平台打通集团数据孤岛2.基于联邦学习的智能营销项目1.基于多方安全计算的图像隐私保护2.基于多方安全知识图谱计算的中小微企业融资服务3.同中国银联合作，基于多方安全计算平台，推出云闪贷精准营销1.与两家控股子公司的反洗钱客户名单信息的合规共享2.2022年打造智慧金融隐私计算平台，应用到信用卡领域上线企业级多方安全计算平台2021年发布WeDPR-PPC多方大数据隐私计算平台基于隐私计算的小微商户普惠金融服务项目基于联邦学习平台的营销场景模型建设服务采购项目隐私计算平台联邦学习功能建设项目基于多方安全计算的差异化营销项目数据来源：作者根据公开资料搜集。四四、总结与展望总结与展望加快推动银行业数字化转型，本质是建立数据要素驱动的服务模式和商业模式，数据正在成为银行业主要生产要素、基本业务单元和重要资产。银行业是数据生产要素价值实现的重要领域，也是数据要素市场的重要参与主体，未来商业银行需要从以下几个方面重点发力。（一）树立系统性思维，在监管合规要求下，进一步加大对数据资源的保护、管理和开发力度数据资源的规模和质量是商业银行打造数据驱动型业务模式的基础。因此，商业银行需要坚持系统性思维，梳理和整合行内外数据资源，加大对数据资源的保护、管理和开发力度。针对目前数据资源分散在各部门、各条线、各分行的问题，需要从总行层面加强数据资源管理，建立企业级或集团级数据资源管理平台，或在原有客户信息管理系统的基础上，利用隐私计算等技术，加快多源异构数据的融合和汇聚，打造定期维护与更新、标准化管理与交互式自助、安全与高效的数据中心或数据仓库。针对银行数据资源来源渠道有限的问题，重点加强与政府、电信公司、互联网公司、金融同业、第三方数据公司等数据方合作，积极参与要素市场交易，在保障各方数据隐私和安全的前提下，加大数据采集和整合，并定期对数据来源渠道可靠性、数据更新及时性、数据质量有效性、数据内容完整性等方面进行全方位评估。针对个别银行违规采集和使用个人信息的问题，需要全行树立保护个人信息和合规开展业务的工作机制，在消费者权益保护工作委员会或风险管理委员会的基础上设立专门的数据保护委员会，并具体落实到银行业务的各个环节。无论是手机银行App功能设计，还是银行产品和业务办理所需材料，抑或是基层业务人员具体营销工作，都应当坚持“最小化”原则，采取合法、正当的方式采集个人信息。（二）探索科学性方法，适时推动数据资产入表，全面深化数据融合应用未来，数据资产将成为银行业最重要的资产类型，并直接影响商业银行核心竞争力和提质增效能力。因此，商业银行需尽快构建合理的数据资产管理体系，全面深化数据融合应用，充分挖掘数据要素的内在价值。在数据资源管理的基础上，形成银行内部数据资产清单。可以按照数据来源，分为内部形成数据资产、外购数据资产、共享公共数据资产等；按照数8686据资产的具体形态，分为有形数据资产（如数据工具、软件产品和服务）和无形数据资产；按照数据资产的功能，分为原始类、过程类和应用类等。对其进行科学合理估值，形成初始的数据资产清单。数据资产清单没有统一的格式和要求，目的在于建立数据资产的统一管理模式，为数据资产入表奠定基础。根据 企业数据资源相关会计处理暂行规定 等法律法规的具体要求和实际进展，在数据资产清单的基础上，探索将数据资产纳入银行会计报表的可行方式。建议将数据资产分层分类，分别按照成本法、收益法、交易法进行估值。如，银行外购数据资产按照交易法、银行内部生产的数据资产按照成本法、政府共享的数据资产按照收益法进行估值。目前，光大银行已经针对17个估值对象确定计算公式，可在此基础上进一步探索行业统一的数据资产估值方法。数据资产真正发挥价值，建立在数据与业务深度融合的基础上。从零售业务角度来看，以数据要素为核心形成客户画像，充分挖掘长尾人群的金融服务需求，推动构建以智慧网点和手机银行为核心、以开放API拓展服务场景为手段、以智能化风控为保障的线上线下密切协作的零售业务新模式。从对公业务角度来看，基于产业链供应链，形成核心企业和上下游普惠、零售客户联动的产业数字金融生态，提供涵盖对公贷款和零售贷款、财富管理、支付结算、国际贸易融资等在内的综合金融服务体系。从金融市场业务来看，加强数据要素对投资决策的支撑以及客户的拓展作用，推动金融市场板块各条线业务向线上化、智能化、数字化、一体化综合金融服务转型。（三）坚持开放性路径，利用科技手段有序推进数据共享流通，探索数据银行可行模式伴随数据确权、数据流通等数据基础制度的完善，数据资源持有权、数据加工使用权、数据产品经营权有望进一步明确。金融科技发展规划（20222025年）提出跨机构、跨地域、跨行业数据规范共享有力有序推进，银行数据资本化将迎来新的发展。持续推动开放银行体系建设与应用，并将其作为推动数字化转型的重要抓手。开放银行以新技术、数据共享、平台合作为核心特征，既是商业银行拓展业务场景、丰富金融产品与渠道的重要方式，也是商业银行构建合作共赢生态圈、提高服务实体经济能力的重要举措。开放银行代表商业银行的开放性趋势和开放性理念，不局限于通过开放API技术让提供商访问客户的财务信息，未来可进一步拓展到商业银行拥有的数据、技术、场景和业务等，与各方携手共建金融服务生态。以隐私计算等新型技术为抓手，在安全合规前提下，兼顾数据需求者和供给者双重身份，主动探索与政务、运营商、新型数据交易平台的数据共享模式。强化产学研联动，鼓励大型商业银行加大隐私计算技术研发与应用，形成行业可行方案和标准，再逐步推广和应用，中小银行在加强风险管理能力的基础上逐步探索隐私计算应用。加强对敏感数据的保护，建议优先在产业链、产业集群、产业园区等产业生态和普惠金融服务场景中进行试点，通过产业数据联盟等方式推动数据共享取得突破性进展。探索新型数据银行模式。目前关于数据银行有两种观点：一是由国家成立专门机构统一管控，集中存储和公开相关数据；二是浦发银行提出数据银行的三层含义，其实质是将银行作为链接数据供给方和需求方的媒介，收取服务费与差价。商业银行具有开展数据银行模式的先天优势，在数据银行牌照化管理的基础上，个人和企业将自身相关数据存储在银行，广泛开展价值评估、存储管理、数据信贷、数据交易等业务。但是由于数据的可复制性，数据银行的具体保障机制需要进一步探索。注释 罗默模型、卢卡斯模型、格鲁斯曼赫普曼模型等模型的核心是将技术进步纳入生产函数中，但具体形式不同。如罗默模型将社会生产划分为研究部门、中间品生产部门和最终生产部门；卢卡斯模型实际上是“专业化人力资本积累增长模式”，人力资本变化率代表技术进步率等。资料来源：2022年Inspur World大会的主题为“Only Data数据进化世界”，浪潮集团执行总裁、中国工程院院士王恩东带来题为“计算+数据原动力”的主题演讲。如 关于构建数据基础制度更好发挥数据要素作用的意见 提出“推动建立企业数据确权授权机制，健全个人信息数据确权授权机制和数据要素各参与方合法权益保护制度，尊重数据采集、加工等数据处理者的劳动和其他要素贡献，充分保障数据处理者使用数据和获得收益的权利”。此外，深圳经济特区数据条例 广东省数字经济促进条例上海市数据条例 四川省数据条例 均规定了自然人、法人和非法人组织对其合法方式获取的数据，以及合法处理数据形成的数据产品和服务依法享有相关权益。根据AlternativeData.org的定义：另类数据是指投资者用来评估一个公司或一项投资的数据，而其并不来自这类评估所经常使用的传统数据源（例如财务报表、证监会报告、Management in Commercial Bank商业银行经营管理商业银行经营管理87872023年第7期WUHANFINANCE管理层宣讲以及公司公告等）。从数据源来看，另类数据包括个体相关数据、商业过程数据、传感器数据等。数据来源：国家工业信息安全发展研究中心主编的 中国数据要素市场发展报告（20212022）。2022年2月，北京某科技公司因爬虫窃密案被判处罚金人民币4000万元。该公司在未取得求职者和平台直接授权的情况下，秘密爬取国内主流招聘平台上的求职者简历数据，涉及2.1亿余条个人信息。数据来源：根据光大银行2021年中期报告和中国银行业协会公布的 2022年度中国银行业发展报告 测算得出。参考文献1 吴军.数据资产与普惠金融数字化转型J.中国金融，2022（8）：59-60.2 霍学文.构建金融操作系统实现数字化转型J.中国金融，2022（S1）：11-13.3 史晨阳.提速数据能力建设，探索商业银行数字化转型之路J.银行家，2022（6）：29-32.4 杨涛.数字化转型视角下的银行数据治理J.银行家，2022（4）：47-50.5 张淑芬，尹振涛.商业银行数字化转型的数据治理问题J.银行家，2021（2）：116-119.6 陆岷峰，欧阳文杰.商业银行数据资产的价值评估与交易定价研究J.会计之友，2022（19）：30-37.7 金旭君，沈叶红，陆思怡.商业银行数据资产管理能力实证比较J.国际金融，2022（11）：65-74.8 JONES C I，TONETTI C.Nonrivalry and the Economics ofDataJ.American Economic Review，2020，110（9）：2819-2858.9 MUELLER M，GRINDAL K.Data Flows and the DigitalEconomy：Information as a Mobile Factor of ProductionJ.Info，2019，21（1）：71-87.10 黄鹏，陈靓.数字经济全球化下的世界经济运行机制与规则构建：基于要素流动理论的视角J.世界经济研究，2021（3）：3-13+134.11 刘玉奇，王强.数字化视角下的数据生产要素与资源配置重构研究：新零售与数字化转型J.商业经济研究，2019（16）：5-7.12 蔡跃洲，马文君.数据要素对高质量发展影响与数据流动制约J.数量经济技术经济研究，2021（3）：64-83.13 王谦，付晓东.数据要素赋能经济增长机制探究J.上海经济研究，2021（4）：55-66.14 白永秀，李嘉雯，王泽润.数据要素：特征、作用机理与高质量发展J.电子政务，2022（6）：23-36.15 李海舰，赵丽.数据成为生产要素：特征、机制与价值形态演进J.上海经济研究，2021（8）：48-59.16 何伟.激发数据要素价值的机制、问题和对策J.信息通信技术与政策，2020（6）：4-7.17 尹西明，林镇阳，陈劲，等.数据要素价值化动态过程机制研究J.科学学研究，2022（2）：220-229.18 蔡万焕，张紫竹.作为生产要素的数据：数据资本化、收益分配与所有权J.教学与研究，2022（7）：57-65.（责任编辑：WQS/校对：XY）（上接第80页）5 ABRAMS R，HAN S，HOSSAIN M T.Environmental Performance，Environmental Management and Company ValuationJ.Journal of Global Responsibility，2021，12（4）：2041-2568.6 HELLMANN T，THIELE V.May the Force be with you：Investor Power and Company ValuationsJ.Journal of Corporate Finance，2022，72：102163.7 CHU P K.Corporate Social Responsibility Proposals andFirm ValuationJ.International Journal of Financial Studies，2021，9（3）：1-14.8 CORNELL B，SHAPIRO A C.Corporate Stakeholders，Corporate Valuation and ESGJ.European Financial Management，2021，27（2）：196-207.9 王彩，李晓慧.同行自愿披露对企业盈余管理的影响：来自自愿性业绩预告的证据J.经济管理，2022（6）：172-189.10 斯丽娟，曹昊煜.绿色信贷政策能够改善企业环境社会责任吗：基于外部约束和内部关注的视角J.中国工业经济，2022（4）：137-155.11 李志斌，邵雨萌，李宗泽，等.ESG信息披露、媒体监督与企业融资约束J.科学决策，2022（7）：1-26.12 李青原，刘习顺.会计信息质量与资源配置：来自我国规模以上工业企业的经验证据J.会计研究，2021（8）：3-21.13 谢斌，许治，陈朝月，等.民营企业的创新投入与创新效率：基于微观创新调查数据的实证分析J.管理评论，2023（1）：108-120.14 YOSHA O.Information Disclosure Costs and the Choice ofFinancingSourceJ.JournalofFinancialIntermediation，1995，4（1）：3-20.15 丁宁，任亦侬，左颖.绿色信贷政策得不偿失还是得偿所愿?基于资源配置视角的PSM-DID1成本效率分析J.金融研究，2020（4）：112-130.16 徐寿福，徐龙炳.现金股利政策、代理成本与公司绩效J.管理科学，2015（1）：96-110.17 苏冬蔚，连莉莉.绿色信贷是否影响重污染企业的投融资行为?J.金融研究，2018（12）：123-137.18 HADLOCK C J，PIERCE J R.New Evidence on Measuring Financial Constraints：Moving Beyond the KZ IndexJ.Review of Financial Studies，2010，23（5）：1909-1940.19 BERTRAND M，MULLAINATHAN S.Enjoying the QuietLife?Corporate Governance and Managerial PreferencesJ.Journal of Political Economy，2003，111（5）：1043-1075.（责任编辑：DJ/校对：XY）8888