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。