数字金融作为金融“五篇大文章”之一,正在成为金融机构有效利用数据资源,以数字技术推动产品和服务创新的有力抓手。
在服务实体经济的进程中,数字金融也面临一些“成长的苦恼”。比较突出的除了此前业内讨论较多的数据失真、确权问题,还有数据互认、算法歧视等新问题。
迫切要处理的是金融数据互认问题。同一家企业的数据,在不一样的金融机构之间,包含国有大型银行和股份制商业银行之间,彼此不互认。金融数据的重复认证,一方面无益于金融资源的高效利用,另一方面也增加了企业的各类成本。甚至有企业反映,有金融机构的不同分支行对同一类型的企业审核标准都不相同。
在更广泛的领域内推动数据互认,将给金融领域造成诸多利好。通过与零售等其它行业的数据互认,金融机构可以更准确地分析消费者行为,从而设计出更贴合市场需求的金融产品,如已经有的一些基于实时消费数据的信用评估系统。深条理的数据融合还可以增进新业务模型的发生,如按需保险和预测性财务管理服务等,这些都是在传统服务模式下难以实现的创新。
这时,与数据互认相伴的一些风险也值得监管警惕。近一个时期,数据互认在一定范围内引发了关于 数据安全 和隐私保护的讨论。在金融数据互认的进程中,大量企业尤其是中小企业的数据还是纸质的,并且存在保密的问题,需要考虑怎样在打通数据流通壁垒的同时,保护好企业的金融 数据安全 。现实中,一个产业链上的供货商往往对接七八家核心企业,核心企业又对接多家银行,一家供货商可能在十几家,甚至二十几家银行都开了户,从监管的视角,需要考虑如何去支持有限度的跨行放款,从而解决供货商多头开户的问题;在电子票据日益普及的进程中,也要考虑如何避免“一票多融”的危险;...。
金融数据互认对于数字金融发展非常重要。在推动金融数据互认的进程中,掌握了大量沉淀数据的金融机构要施展主力军作用。同时,监管职能部门要关注其中的危险,既要充分运用数字技术提高服务效率,也要防范技术不妥应用可能影响社会公平,要避免 大数据 和算法的歧视,造成弱势人群被金融大模型排斥在服务之外。