用好数据元件：数据要素高质量赋能数字金融

清华大学五道口金融学院金融安全研究中心主任周道许出席“数据要素与金融高质量发展”分会场相关活动，并作了题为“用好数据元件：数据要素高质量赋能数字金融”的主题演讲，部分内容如下：

（一）数据是人工智能的“粮食”

目前的人工智能处于“吃啥补啥”的阶段——通过“吃”进去的“大数据”训练大模型，以形成人工智能。在这个过程中，数据要素扮演着至关重要的角色。

而高价值的数据需要在数据脱敏的同时最大化地保留数据的价值。通俗而言，既脱敏又最大化保留数据原有价值，才是适合喂给人工智能的“放心粮”。

（二）“数据元件”打造人工智能的“放心粮”

中国电子的“数据元件”，通过构建原始数据的“中间态”，重塑了数据要素的基本单元。“数据元件”指通过对数据脱敏处理后，根据需要由若干字段形成的数据集或由数据的关联字段通过建模形成的数据特征。采用可控制、可计量、可定价的数据元件作为连接数据供需两端的“中间态”，实现原始数据与数据应用“解耦”。将原始数据转化为“数据元件”，在数据脱敏的同时能够最大化地保留数据的价值，相当于给人工智能打造了“放心粮”。这对于人工智能的发展非常重要。

（一）数字金融服务实体经济，有三大新的要求

一是更高的数据质量和安全性：智能制造产生大量的生产、运营和市场数据。数字金融在利用这些数据时，需要确保数据的准确性、完整性和及时性，同时要严格保障数据的安全性，防止数据泄露和滥用。

二是更深度的数据分析和挖掘能力：不仅要能处理和分析结构化数据，对于非结构化数据也需要具备强大的分析能力。通过深度挖掘数据中的潜在价值，为智能制造企业提供更精准的金融服务和风险评估。

三是更敏捷的服务响应和创新能力：智能制造行业变化迅速，数字金融需要能够快速响应企业的资金需求和金融服务需求的变化。同时，不断创新金融产品和服务模式，以适应智能制造不断发展的新需求。

（二）数据元件在数字金融服务智能制造中大有可为

一是提高数据质量和可用性：数据元件能够对智能制造过程中产生的复杂、多样的数据进行标准化处理和整合，去除噪声和错误，提高数据的准确性和一致性，使金融机构能够更有效地利用这些数据进行风险评估、信贷决策等。

二是保障数据安全与隐私：数据元件可以对敏感数据进行脱敏、加密等处理，在不泄露原始数据的前提下，驱动数字金融服务的同时增强数据安全性和合规性。

三是促进数据流通与共享：智能制造的数字金融往往需要整合产业链上多个环节的数据。数据元件可以打破数据孤岛，实现不同来源、不同格式数据的有效整合和共享，使金融机构能够全面了解企业的生产经营状况，提供更精准的金融支持。

四是提升数据使用效率和价值：经过处理和封装的数据元件能够与先进的数据分析技术和算法更好地结合，快速挖掘出有价值的信息，如企业的市场前景、供应链稳定性等，为金融决策提供有力依据。

五是支持金融创新：基于数据元件开发新的金融产品和服务模式，例如基于实时生产数据的供应链金融产品、基于设备运行数据的融资租赁服务等，满足智能制造企业多样化的金融需求。

六是降低数据管理成本：统一的数据元件格式和规范有助于降低金融机构在数据采集、存储、处理等方面的成本，提高运营效率。

一是提高数据兼容性：标准化使不同来源、不同格式的数据在结构上趋于一致，数据元件更容易在各种场景中被理解和使用，从而拓展了其应用范围。

二是降低数据交易成本：标准化的数据要素减少了数据交易中的沟通成本、转换成本和合规风险，为数据元件在更广泛的场景中的应用创造了条件。

三是增强数据可信度：标准化的过程通常伴随着对数据质量的严格把控和规范，会加强数据元件准确性、完整性和一致性的保障，提高其在不同场景中的可信度和可用性。

四是促进数据融合：标准化有助于不同领域、不同行业的数据要素相互融合，为数据元件在跨领域、跨行业的复杂场景中应用提供了便利。

五是推动技术创新：标准化为相关技术的发展提供了统一的基础和规范，激发了新的技术应用和创新，进一步拓展了数据元件的应用场景。

六是满足合规要求：标准化符合法律法规和监管要求，降低了数据应用的法律风险，使得数据元件能够更安全地应用于更多的场景。

七是培养用户习惯：标准化的数据要素和数据元件使用方式，能培养用户统一的使用习惯和认知，降低了用户的学习成本，从而促进了其在更广泛场景中的推广和应用。

展望未来：数据要素标准化、数据元件泛在化、数字金融智能化这三大关键进程将会构成一个紧密相连、相互促进的正向循环。这三者协同发展时，将充分释放数据的潜能，优化资源配置，激发创新活力，促进产业升级和转型。这不仅能够提高企业的生产效率和竞争力，还能推动整个经济结构的优化和调整，从而积极推动我国数字经济的高质量发展。

（一）建议进一步做好数据元件与数据资源入表的结合

首先，进一步细化在数据资源的分类、计量、估值方法等方面的数据元件使用指引，确保在入表过程中有清晰一致的准则可依。

其次，进一步优化数据整合与转化技术。积极推动数据元件与数据资源在结构和格式上的有效整合，使其能够顺利地适配入表的要求。

第三，完善和建立专业的数据元件使用人才认证体系。让更多的数据资源使用者、管理者和运营人员熟悉数据元件化数据资源的特点，掌握相关的会计处理原则和方法，能够准确地进行入表操作、交易、估值和财务分析。

（二）建议积极探索数据元件在科技创新领域的应用

传统的科技创新，讲究的是“独创”和“数据独享”，从而难免形成数据孤岛。但数据元件的出现，为科技创新形成合力，协同创新共克难关提供了可以落地的实践方案。因此，建议进一步推动数据元件在科技自主创新领域的应用，为加速我国科技自主创新添砖加瓦。

REVIEW