商业银行数据要素价值实现的理论与实践探讨

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。     

要素市场化改革下企业数据资产权属辨识与价值评估思考

我国数据要素市场化改革正式开启，数据要素开始进入国民经济价值创造体系，数据资产将成为企业重要的资产之一。目前数字资产定义尚未明确，哪些数据要素属于企业数据资产，如何让数据要素成为企业数据资产仍有待探索。本文立足我国要素市场化改革顶层设计，结合资产概念发展进展，为科学界定数据资产提供新的思路。从数据价值创造出发对数据权利进行分类，进而探讨数据权属问题，对数据权利的明确构成了企业数据资产价值开发和管理的重要基础。此外，企业数据资产管理还要解决估值和计量问题，考虑到数据资产价值实现具有高度不确定性，对其价值评估不仅要考虑当前价值，还要评估其未来价值潜力。     

金融数据共享利益冲突平衡的法律进路

数据是数字经济时代最重要的生产要素之一，流动的数据才能发挥数据价值，金融数据共享是数据流动的一种形式。金融活动中金融数据在不同金融机构之间、金融机构与科技企业之间、金融机构与金融监管机构之间共享，金融数据控制者对其所控制的数据的财产性权益期待是促进数据共享的动力。金融数据中有大量关涉个人信息的数据，而且金融数据安全关系到国家金融体系安全，在确保国家金融体系稳健和个人信息安全的前提下，将金融数据权利赋予金融数据控制者，有利于促进金融数据共享，最大限度地挖掘金融数据价值。为平衡金融数据共享主体之间的利益冲突，应当以确定数据权属为底层逻辑，优先保障个人信息权益，并通过引进侵权惩罚性赔偿机制，调整惩罚性赔偿金分配机制和个人信息侵权公益诉讼规则，完善个人信息侵权赔偿制度。     

保险企业数据质量管理技术及其应用简

数据质量管理是指对数据在获取、存储、数据质量评估、维护、应用、消亡生命周期的每个阶段里可能引发的各类数据质量问题进行识别、度量、监控等一系列的管控活动。数据质量管理技术是循环管理的过程，其目标是通过可靠的数据提升数据在经营管理中的价值，并最终为企业赢得经济效益。数据质量管理，不仅仅对问题数据和垃圾数据进行探查、清理、补充和完善，更是对数据质量和组织管理技术的改善。在保险业，针对数据的改善和管理，主要包括数据探查、数据评估、数据清洗、数据监控、数据稽核、错误预警等内容。     

请帮忙把爱心转交

8月4日早上，周一的早上，月初的早上——一个忙忙碌碌做报表的早上：25家支行的数据，13家保险公司的数据，CS2002动态监测系统数据，经营分析系统综合统计数据，中间业务平台系统的数据…要对这些数据进行提取、处埋，同时还要把各支行上报来的数据进行统计，真是一个相当庞杂的系统工程呢。我一边采集数据，边刷新邮件接收，忙得不亦乐乎。     

基于监管合规的中小银行数据治理体系研究

数字经济时代，数据已经成为银行的重要资产和核心竞争力。中小银行客观上存在资源投入不足、标准职责不清、报送口径杂乱和应用模式单一等数据治理难题，在“严监管、细监管、深监管”的数据管理背景下，中小银行可以从顶层设计、战略目标、数字技术、专业人才和考核政策等角度突破数据治理难题，基于应用角度做好数据盘点、数据认责、数据标准、数据安全和数据质量管理等具体的数据治理工作，在此基础上基于全域数据观，搭建统一的监管数据集市，在满足监管合规要求的同时，充分发挥数据价值，赋能业务发展，提高银行经营质效。     

国有企业数据产品定价解决路径浅析

数据要素化和资产化的相关政策正在不断落实，数据资产化目前在各行业已得到广泛关注。在《企业数据资源相关会计处理暂行规定》《数据资产评估指导意见》等数据资产化财会文件出台背景下，数据资源“入表”无疑推动了企业数据资产化的进程，使数据资源成为企业的一项重要资产，可以为企业带来商业价值和经济利益。同时国有企业数据资产所形成的数据产品定价等方面也面临挑战，本文通过对国内外数据资产定价方式进行梳理，结合数据产品定价理论及实践方面的研究，提出了国有企业数据产品定价解决路径。     

"集中"与"统一"的区域数据中心

在早期，银行业务主要是以经营性业务为主，其特点是业务处理运算量大，但数据量相对较少，处理对象主要是当前数据或短期之内的数据，数据时间跨度小，这就意味着处理的数据规模相对固定可控。近年来，银行业务处理的数据规模不断膨大，国内银行不约而同地走上了数据大集中的道路。     

数据治理双重面向之协同路径——以构建中国式数据信托为切入点

大数据时代，数据要素的经济价值不断凸显，国内外已逐渐从个人信息保护转向数据的流通利用，以期促进数据价值的释放。然而，我国现行立法理念过于强调对个人信息的绝对赋权，而较忽略数据的流通价值，且实践中的事后救济效果尚不达预期，由此有必要重塑数据治理之双重理念，在确保数据安全的基础上最大限度释放数据活力，形成对个人信息有限保护与流通利用的良性闭环。在制度设计上，可参考域外数据信托实践，引入信义关系并采取中国法语境下解释进路，根据受托人的不同构建中国式数据信托模式以打破信赖赤字，平衡各方主体的利益需求并完善我国数据交易生态系统。     

贸易信贷数据综合利用系统的设计和实现

2008年下半年，国家外汇管理局在全国推广了贸易信贷登记管理系统。该系统缺少数据的统计分析功能，而贸易信贷数据综合利用系统完善了对数据的统计分析及综合利用。该系统以贸易信贷登记系统中逐笔数据为基本信息源，并引入企业档案系统、出口收汇核报系统和进口付汇核销监管系统等数据，将这些数据信息搭建在同一数据平台之中，实现对贸易信贷数据的查询、汇总、分析和监管，并借助与贸易信贷管理相关的外部数据实现对贸易信贷登记数据进行事后核对。     

金融行业的大数据管理探讨

目前，全球正处在一个数据暴增的时代，数据以几何级数增长。海量的数据给管理和维护带来困难的同时，也提供了巨大的潜在价值。如何存储这些快速增长的、海量的数据？如何对大数据进行分析处理，挖掘出价值？相关的一系列问题已经成为所有企业特别是金融行业面临的共同挑战。一、大数据的定义和特点大数据对每个领域都产生了影响，在商业、经济和其他领域中，决策行为将日益基于数据和分析作出，而不是基于经验和直觉。根据科技研究公司IDC作出的初步估算，数据一直在以每年50％的速度增长并形成海量的数据资源。（一）大数据的定义     

数据仓库中的逻辑数据模型

在数据仓库项目中，我们常常需要进行数据整合，即将企业不同业务系统的数据进行抽取、清洗、转换，最后变成可以进行数据分析的企业基础数据集。逻辑数据模型（以下简称LDM）就是企业基础数据的一部分，它是企业数据资产的全面的、准确的描述，是数据整合的核心或目的。数据整合就是将不同来源的数据整合到一个统一定义、统一形式的LDM中。     

开放平台数据共享的制度困境与法律应对

数据成为数字经济时代国家基础性战略资源和重要生产要素。在合法获取用户数据的多种方式中，开放平台数据共享模式是企业之间共享数据的重要方式，对建构数据要素市场、释放数据价值发挥重要作用，但在实践中面临着数据权益保护不足、数据安全受到威胁、数据垄断等诸多风险。现存风险的背后是我国开放平台数据共享存在法律制度困境。数据要素市场建构需要高效便利的数据共享流通规则，这就需要在政府主导多方协同综合治理的基础上平衡信息保护和数据流通，重视提高数据共享效率兼顾数据权益公平配置。开放平台数据共享法律制度完善需区分场景，明确多方参与形成数据权属划分规则，分类适用数据授权规则以平衡数据共享和隐私保护的冲突，分层规范参与数据共享的平台主体资质，以及优化反垄断中滥用行为的认定标准。     

安徽省建立分级数据共享平台

6月17日，安徽省保险行业协会召开保险业数据员工作会议，并就数据信息交流、共享办法征求意见。全省38家保险公司信息数据员参加会议，就如何规范业内业务数据信息交流共享工作，提高业务数据信息价值进行了探讨。     

数据挖掘中的数据质量检验

数据质量检验是数据挖掘过程中的重要环节，是数据预处理工作的基础。长期以来，国内IT系统在运行过程中对于数据质量缺乏关注，数据质量低。很多项目由于开始未经过周密的数据质量检验，导致通过数据挖掘建立的模型有偏差，甚至结果完全错误。数据质量问题已严重影响到数据挖掘技术的应用，成为数据挖掘项目成败的关键因素。     

数据资产证券化的法律风险辨识与中国启示——以美国数据资产证券化实践为鉴

数据资产证券化是以数据资产未来产生的现金流为偿付支持，发行数据资产支持证券的过程；它能为数据产业提供强大的金融驱动力，是突破我国数字产业化与产业数字化发展瓶颈的关键环节。美国实践表明，数据资产证券化存在特殊法律风险，涉及数据来源的合法性、数据资产评估的准确性、数据企业经营活动的稳定性、数据安全隐患等。我国现有规则难以防范上述新型风险，这种局限性的理论症结在于数据权益分配争议和多数人侵权理论分歧。借鉴美国的理论和实践经验，能使我国深入认识数据资产证券化的特殊法律风险，提前做好充分的制度准备。我国可运用实用主义原理调和理论困境，在规则层面明晰数据来源合法性判断规则、完善数据资产评估规则、调整数据企业的合规义务、健全管理人管理规则，助力中国数据资产证券化顺利实施、数字经济蓬勃发展。     

厘清数据资产化发展的关键问题

<正>当下，需要立足我国要素市场化改革顶层设计思路，结合国际资产概念发展，从价值创造出发明确数据权利、探究数据权属、推动建立数据产权制度我国数据资源丰富，国家数据资源调查报告显示，2021年我国数据产量达6.6ZB，同比增长29.4%，占全球数据总量的9.9%，居全球第二位。大数据时代，数据逐渐成为战略资源和创造社会财富的重要生产要素，因此，激活数据要素、挖掘数据要素价值、促进数据要素融入国民经济价值创造体系已成为培育经济社会发展新动能的重要途径，战略意义凸显。     

基于大数据的银行经济预测和金融统计研究

在大数据时代，数据的价值越来越凸显，银行需要积极适应环境的变化，探索新的发展路径，合理规划金融经济数据化建设，应用现代大数据技术，完善战略布局。文章阐述大数据对银行经济预测及金融统计的作用，分析大数据用于银行经济预测及金融统计中的问题，探讨相应的发展对策，旨在促进银行的可持续发展。     

二次割差法对工业数据资产的评估——以宝钢股份为例

工业数据的产生随着第二次工业革命呈爆炸式增长，工厂中每一台机器设备包含的研究数据、生产数据等指标共同构筑了工业数据的基石。电气化之后工厂之间的车间数据开始交互，工业的管理系统和自动化控制系统随之出现，以便高效处理工厂之间的交互数据。第三次工业革命之后，随着信息技术与制造业的深度融合，数据跳出了工业企业开始在互联网空间交互聚集，工业数据已逐渐成为企业经营管理与战略决策的核心资产。本文通过二次割差法对工业企业数据资产进行评估，选取宝钢股份作为研究对象，为完善数据资产价值评估体系提供一定的参考。     

数字化转型大背景下银行数据能力怎么建？

数字化转型大背景下，银行经营管理愈发依赖数据，数据已逐渐成为银行不可或缺的生产要素，但当下各银行依然普遍存在找数难、取数难、用数难、可信度低、质量差等问题。各银行都高度重视数据能力体系建设，但数据丰富度不足、时效性不高、整合度低、累积历史问题多等诸多难题亟待突破。针对当下银行数据能力体系建设现状，本文提出银行需构建起支撑全量数据、全域数据两类应用的数据双模能力体系方案，给出升级完善全量数据体系、构建全新的全域数据体系、构建有数字化工具支撑的数据治理体系、打造可并行支撑全量及全域数据应用的湖仓一体的数据基础服务体系、完善数据组织文化人才梯队建设等五大举措，并介绍了银行业数据能力建设的领先实践。