过去10年，我们见证了大数据概念从诞生到行业落地，如今数据无处不在。当下正朝着以数据为关键生产要素来驱动的数字经济时代发展，数据可以带动其他要素加速流动，实现供需之间的精准匹配，打通市场堵点。

近期国家数据局的成立，引起社会广泛关注。“任何新生产要素的引进都是革命性的，数据生产要素引入金融领域也会带来革命性的变化。”马上消费金融股份有限公司（简称“马上消费”）副总经理孙磊在近期召开的2023金融街论坛年会“金融科技创新与合规安全”平行论坛上如是表示。他认为，释放数据价值会给金融行业带来从量变到质变的改变，不仅体现在降低成本和提高效率上，或将实现从0到1推动产生新的业务模式和业务活动。

(金融科技创新与合规安全论坛)

金融行业天然依赖数据，金融机构自身的可持续健康发展与经营数据质量密不可分。业内专家认为，数据要素价值落地面临基础设施建设、数据安全合规等方面挑战，是当下金融机构数字化转型需要攻克的重要难题。数据本身并不能驱动和引领数字化转型取得成功，如何让数据发挥最大的价值？如何全面发挥数据价值为金融机构降本增效实现数据智能化，是金融机构共同需要探讨的问题。

数据要素价值化对基础建设提出了新要求

数据常常被比作数字经济时代的“石油”，业内人士认为经过国家数据局的统筹，数据正在从资源向要素转变。

数据对于金融科技创新、金融业数字化转型、普惠金融发展具有重要的赋能意义。

星图金融研究院副院长薛洪言表示，国家数据局包括数据交易所的成立，国家层面正在逐步完善数据安全治理的规则和边界。

“数据作为关键要素和传统要素之间差异化非常大。”重庆邮电大学樊自甫表示，数据要素不存在边际收益递减的现象，投入产出的效率很高，还可以带动其他要素加速流动。当前要推动数据要素市场化，需要攻克数据基础制度的构建和数据技术设施建设两大难题。

他进一步指出，去年底《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》发布，提出20条政策举措，初步搭建了我国数据基础制度体系。国家数据局的成立，能够更好统筹数据资源整合共享和开发利用。但数据基础制度的构建，还有很长的路要走，需要逐步解决数据确权、数据交易、数据定价等核心问题。此外，互联网、大数据、云计算、人工智能、区块链等数字技术加速创新融合，对算力、算法等基础设施建设也提出了更高的要求。

马上消费副总经理兼CTO蒋宁曾公开表示，马上消费整体模型系统每天能基于用户1000万个行为做出个性化的营销和风险判断，每天做上亿次模型计算，每秒可以处理150万特征的计算，这依托于庞大的数据积累以及强大的计算能力。他透露道，目前数据每个月以将近20%的速度增加，对芯片、机房、网络带宽、算力等要求巨大。

另一家金融行业相关负责人也指出，大模型带来的算力需求，可能是指数级增长的。对金融机构而言，如何保证有足够的算力来支撑公司推进大模型的开发和应用，都是巨大的挑战。

数据要素市场化面临安全、治理等挑战

释放数据价值和业务发展需要一个平衡点，金融机构要发展就不能忽略数据问题。

某地区数据中心的相关负责人表示，目前技术基础建设还需要长时间投入，比如原始数据无法直接交易，从数据加工为数据产品，最终要放到交易所交易。他直言，全国有40多家数据交易所，但整个数据交易量不到5%。数据交易市场普遍存在的“数据资源有效供给不足”“数据治理开发和应用不足”“数据流通关键技术支撑不足”等痛点问题，这些都制约着数据高效流转。

如何保证数据安全？一家金融科技公司相关负责人表示，金融机构存储的大量个人信息，往往都是敏感且高附加值的信息。金融机构要采取技术手段来确保内部数据资产绝对安全。

孙磊认为，这个问题将会长期困扰金融业，尤其在现有的数字化金融转型背景下，越来越突出。第一，数字化金融要求对数据广泛的利用、深度的挖掘，这天生和个人隐私的保护是有冲突、有挑战的。第二，现在数据高度分散，但是要集中应用，自然就会导致大量的数据传输，这个对安全也有极大挑战。第三，现在的金融业越来越互联网化，越来越开放化，业务系统大都是在互联网上开放的，这导致受攻击的概率会增加。第四，数据的大量应用导致单一机构存储了大量客户的敏感数据，而这个敏感数据的精度、维度和挖掘的深度都非常高，一旦泄露它的危害性就比以前要大得多。

数据治理作为金融机构数字化转型的重要方向之一，一家数据安全公司相关负责人表示，数据的治理分级分类一直是难题，目前也处于摸索阶段。

 “数据治理”已在多家银行的财报中被频繁提及。交通银行提出“深化数据治理，提升数据支撑能力”；中信银行表示要“持续构建企业级数据能力，持续释放数据要素价值”；招商银行表态“持续加强企业级数据治理，让数据资产发挥更大效用”。

从消金行业了解到，马上消费将数据进行分级分类，通过生命周期管理，管控数据的有效性。

数据智能化释放数据价值

如何释放数据价值？薛洪言认为，需要尽快打破数据孤岛、推动数据共享，才能更好地释放数据的商业价值和潜能。

某商业银行数据智能部负责人则认为，很多行业或企业都有风口期、技术壁垒阶段，但长期看，企业要回归到经营的本质，拼成本、拼效率、拼整体运营能力，这些正是数据智能的硬功夫，数据智能的应用是一条降本、增效、提质的创新道路。

数据智能系统可以利用大数据 、AI智能决策、机器深度学习、隐私计算等前沿技术，有效解决信贷双方因信息不对称造成的授信障碍，为普惠人群提供风险信贷管理深度数据能力。

今年以来，金融大模型快速“落地”，对金融行业的影响也逐渐显现。某业内人士表示，大模型应用走得较快的金融机构，都在数字化转型方面做得比较扎实，他们在数据治理、数据资产管理和数据服务、数据安全管控、数智融合架构等方面，已经打下了坚实的基础。

蒋宁认为，金融大模型有助于提升决策的效率，马上消费自研的“天镜”大模型，在客服应用方面意图理解准确率达91%。他称，并非无限制向大模型中投入数据，就会产生智能。智能的产生与数据的质量、样本的分布密切相关。需要确保高质量、有合规授权的数据，以有组织的方式投入到大模型中。

当前，数据驱动是所有金融机构价值的发展方向，数据智能是金融业务的核心价值。业内人士认为，金融行业要更多引入AI大模型，实现金融决策和运营能力的跃升，来释放数据价值。