(网经社讯)导语：产业数字金融业务在“数据可用”“数字可信”基础上，沿着积累数字资产、挖掘数字价值、创设数字信用、形成数字担保四个数字层次演进，最终目标是在实际业务中创设数字信用，并在银行实际业务中形成应用结果。
当前，产业数字化和数字产业化正推动金融服务模式创新发展。融入国家总体战略布局，积极发展产业数字金融，是银行业构筑竞争新优势、构建发展新格局的重要举措。银行亟须转变发展思路、重塑经营能力、研判产业生态、创新风控方式，建立起适应数字经济的服务新模式，为产业链上相关主体提供一揽子金融服务，疏通中小微企业融资痛点、堵点，贯彻国家“稳链、补链、强链”政策，促进产业生态繁荣发展。
数据可用和数字可信是形成数字资产的前提
进入数字经济时代，数据已经成为重要的生产要素，具备数字资产的特征。在财务体系中，“资产”是指企业由过去的交易或事项形成，由企业拥有或者控制，预期会给企业带来经济利益的资源。以前数据不能成为“资产”是因为不满足给企业带来切实的经济利益，当前数字科技实现革命性创新，数据经过挖掘、分析和使用可以带来价值变现，数据作为“资产”的理论基础得以确立。
积累数字资产首先要解决数据可用、数字可信问题。“数据可用”不一定必须“数据可得”。由于数字资产的市场化评估、交易和保护等方面机制尚未成熟，《个人信息保护法》《征信业务管理办法》等法规和监管制度对数据获取、数据运用、数据保护等也作出严格规范，企业在对外提供数据时存在担心和犹疑，产业生态数据不可得的现象较为普遍。但数据不可直接获取并不意味着不可使用，隐私计算、联邦学习等算法的运用和推广，为破解数据不可得情况下的使用和保护难题，实现数据“可用不可见”提供了解决路径，在不泄露银行与客户各自数据和保护数据安全的前提下，可实现多源数据跨域合作，通过多方数据源建模，完成银行端金融服务交付。
实现“数据可用”的策略可分为两类。一方面，是“引进来”。对于面向社会公开的数据，如宏观经济、区域指标、司法、税务、公积金、舆情、交通信息等，可以运用数字科技合法获取。对于链上生态数据，则可通过系统对接方式直联核心客户，经过脱敏后传输，或运用隐私计算、联邦学习等技术实现数据“可用不可见”。另一方面，是“走出去”。银行或其金融科技子公司与企业联合设立专业化数据运营单元或机构，通过提供产业链数据资产管理服务，沉淀产业生态交易数据。
在“数据可用”的基础上，通过“PEST”框架可实现“数字可信”。“P”是“Political”，即“信政府”。税务、工商、海关、水电、产权交易等政府部门直接提供的公共服务数据可直接采用。由政府主导但由社会各方共同提供的数据，如采购平台、招投标平台等，完成多维交叉验证后可采用。“E”是“Economic”，即“信生态经济体”。生态中核心企业属于行业或区域内龙头企业，且合作过程已绑定该企业的银行信用，相关生态数据可直接采用。“S”是“Social”，即“信社会认证”。对于征信持牌机构如中国人民银行征信中心、百行征信、朴道征信等提供的征信数据，以及拥有权威认证的“开放可信技术提供商”，如中国质量认证中心、SGS（瑞士通用公正行）等，可信度也较高。“T”是“Technological”，即“信技术”。采用隐私计算、联邦建模、工业物联网，以及独立5G信道传输、物联网平台认证、区块链存证传输等技术产出的产业生态数据，数据基本可信。无法满足上述技术和条件，但通过多维数据开展交叉验证，验证结果为强耦合的数据，也可以采信。
产业生态数据具有更强的成为数字资产的特征。近年来，数据要素市场化改革得到大力推进，“东数西算”工程启动实施，5G、工业互联网、数据中心等新型基础设施建设正在全面推广，物联网、区块链、人工智能、云原生等数字技术加速集成应用，产业端积累了大量实时、高频、多维的产业生态数据。
产业生态数据的四个特征为形成数字资产奠定了基础，可以较好地解决数据可用、数字可信问题：一是产业生态数据是产业链上产生的商流、物流、服务流、信息流、资金流“五流”数据，通过持续积累，数据长度、宽度较为完善和丰富，能够还原各参与方的真实交易情况。二是产业链各参与主体系统互联互通，形成数据共同体，链上数据难以由单一主体随意篡改和控制，形成类似区块链机理的高耦合协作机制。三是数字化程度较高的产业生态中，随着IoT、5G、区块链等技术在产业生态链上的运用，数据在上链流转前，已由系统完成校对、鉴权、清洗等工作，通过技术和算法形成强约束，其可用性较传统线下已有大幅提升。四是产业生态中引入多维数据验证体系，如工商、税务、发票等外部数据，与生态数据交叉验证，同步协同第三方商检、物联网数据认证平台、公证机关、银行、保险公司等参与方对数据完整性、有效性等采取随机和抽样检查等验证措施，形成监管合力。
产业生态数据与宽维数据有本质区别。宽维数据属于广维视图数据，主要用于对场景下的客户群体进行数字画像，但宽维数据并不贯穿产业链，无法刻画上下游之间基于交易的相互依存关系。产业生态数据则聚焦于产业生态中动态的实时交易数据，体现的是纵向交易、横向合作中各参与主体的交易依存关系，既有产业的纵向生态，也有生态的横向溢出。可以较好地解决数据可用、数字可信问题，为形成数字资产、挖掘数据价值、创设数字信用奠定更为扎实的基础。
基于数字资产形成数字信用是银行业务技术代际跃升的基础
随着数字技术迭代演化并与实体经济深度融合，产业数字化与数字产业化持续推进，产业端的生产经营模式发生颠覆式的改变，传统金融业务技术的渐进式改善已难以满足实体经济发展要求。相应地，银行必须同步推进自身业务技术的数字化转型升级，加快弥合金融端与产业端的数字鸿沟。产业数字金融业务在“数据可用”“数字可信”基础上，沿着积累数字资产、挖掘数字价值、创设数字信用、形成数字担保四个数字层次演进，最终目标是在实际业务中创设数字信用，并在实际业务中形成应用结果。首先，是积累数字资产，即依托产业生态体系，通过交易积累数据，足够量级的交易数据和足够维度的外部数据共同形成数字资产。
其次，是挖掘数字价值，是指将数据真正转变成生产要素并形成生产力，这个过程能同时解决银企双方的痛点和难点。在企业端，因为技术能力、人力资源等方面受限，难以深入挖掘企业数据，寻求经营效率提升点、敏锐感受市场变化等，数据成为“沉睡的宝藏”。在银行端，由于银行不参与实际生产经营和交易流程，对企业融资需求背后的动机和诉求把握有限，只能依靠静态财务信息、有限合同资料，以及个人经验判断进行甄别，风控重心实际更多依赖于有价值的担保品、担保机构等。因此，挖掘数据价值能同时成就银企双方。
再次，是创设数字信用，主要依靠企业间稳定的交易关系数据，针对链圈上下游的企业主体，通过持续对企业实际控制人信息、企业自身财务指标、交易多维数据等交叉验证，运用算法模型生成企业数字信用评级结果，对企业稳定经营和还款能力进行判断，实现信用创设。
最后，是基于交易关系的数字信用被创设出来后，数字担保也应运而生。数字担保完全基于数据、模型算法形成，担保额度根据交易数据动态变化。因此，产业链上下游企业通过稳定交易建立起数字信用后，可据此向银行申请融资支持，免除如土地、房产等抵质押环节，减少对核心企业的授信占用，更好地润滑交易，增加上下游客户的黏性，从根本上破解对中小企业发放信用贷款的难题。
在基于四个数字层次的产业数字金融新模式形成过程中，银行需要围绕金融服务体系、风险控制体系、增值服务体系等开展全方位的数字化改造，完成业务技术数字化自我变革。
在服务体系方面，银行从过去单纯的“资金供应商”转变为企业协同发展的合作伙伴。其金融服务与企业底层商务逻辑融合共生，从生产经营基础要素、交易结算、智慧物流等多环节切入，基于人（用户或组织）、货（商品或库存）、物（门店或资产）的交易、支付、履约提供金融解决方案，形成产业服务+金融服务的“产融一体化”模式，从而实现金融服务无感化融入企业经营场景。
风控体系方面，数字信用并未改变银行信贷业务的本质，核心仍是识别并评估借款人的风险等级和偿债能力，但在方法论上却支撑银行实现跃升。一方面，数字信用以产业生态数据为基础，通过模型规则算法产生，能够实现客户审批自动化、批量化。另一方面，基于数字信用，运用数字技术，银行可以沿着产业链寻找交易，不断向更远端上下游客群穿透、延伸，越接近终端消费，贸易背景的真实性越能得到保障，银行对风险的穿透控制能力也就越强。
在增值服务体系方面，随着产业数字生态纵横交织发展，金融服务将深入到商业生态。银行选择在生产经营、交付协同、仓储物流等领域具备数字化能力的服务商，纳入到生态伙伴体系，产业侧增值服务和金融侧资金服务双管齐下，银行提供满足企业数字化改造需求的增值服务方案，助力企业经营客群增长、数据资产价值释放。这时，银行从数据资源的“搬运工”转变为优质资产的“创造者”，商业生态、监管生态、数字生态、价值生态、协同生态、金融生态等六大生态场景共建、业态交融、价值倍增，为实体经济发展提供高质量金融供给。
数字风控体系建设是产业数字金融破局的关键
要推动服务模式代际跨越，提升价值创造能力，关键是要建立相匹配的银行数字风控体系。四个数字层次递进，是识别并评估借款人的风险等级和偿债能力，给予相匹配的授信额度，形成相应风控管理的主要措施。但其实现方式发生了变革，存在两大技术革新：一是数字授信技术，通过引入产业生态内部交易链条数据和外部大数据多维验证，对客户进行数字评级，实现用算法和模型规则解决产业生态中参与主体的授信问题。二是智能风控技术，通过引入宏观因子、行业因子、区域因子，用阀值、参数控制风险和质量，实现对业务的全生命周期风险控制。
运用数字化、智能化风控手段解决传统授信的痛点。一方面，运用数字授信与智能风控体系能够促进解决贸易背景真实性和资金流向问题。首先，通过先进的智能识别技术，处理图像、自然语言、视频等非标准化数据，识别提取生态中非标准交易信息，并自动转化为标准化数据，实现数据可用。其次，通过物联网、第三方公立认证平台以及相关技术手段掌握、分析信息流，自动完成产业生态数据采集、存储、处理、加工，确保数据可信。最后，通过模型规则对“五流”数据交叉验证，确保交易信息与融资信息形成映射关系，最终有效把控贸易背景真实性，对资金流向进行监控。
另一方面，数字授信与智能风控在强化银行风控能力的同时，能够提升业务价值拓展空间。数字授信与智能风控能力持续增强，可助力银行沿产业链交易延伸纵向生态和横向生态，延伸到更远端的客群，形成银行对资金的持续跟踪能力和对业务机会的把握能力。
数字授信体系建设重点是建立模型规则，对目标客户进行精准画像。数字授信改变了过往单点方式为客户授信的模式，基于产业生态数据和清洗后的宽维数据，运用先进的数字技术，形成数字评级体系。其关键是建立数字风控模型和规则，精准构建客户画像，从而实现批量化、自动化评估客户的风险等级和偿债能力，给予客户与偿债能力相匹配的数字授信额度。
具体而言，一是基于征信、财务、第三方数据等，结合专家经验，构建金融信用模型，评估授信主体信用风险。二是基于交易、经营、生态场景等数据，选择匹配的技术路径，创设商业信用模型，量化授信主体的经营状况。三是基于金融信用模型和商业信用模型评分结果，结合生态场景评估和数字能力评估，建立额度和定价模型，形成差异化额度、定价能力。四是运用文字识别（OCR）、自然语言处理（NLP）等技术，智能化识别客户提供材料，自动校验资料完备性、真实性，自动评估交易背景真实性。
智能风控体系建设关键是建立实时监测预警机制。智能风控体系改变了过往依托专家判断的单户、断点式风控模式，运用“数据+算法+模型+专家规则”，建立覆盖全流程环节的智能风控体系。其关键是建立覆盖业务、模型、日常运营等多个维度的实时监测和预警机制，及时识别风险并作出相应的管控，实现全生命周期数字化、智能化风险管理。
具体而言，一是设机制，建立业务监测机制和模型监测机制，形成监测指标规则集，前瞻性预判生态、客户风险，及时提升模型规则稳定性和有效性。二是建平台，打造数据驱动的数字化运营管理监测平台和工具，提升风险监测预警的自动化和智能化水平。三是筑边界，设立各类监测预警阈值、阀值指标集，实现系统智能实时预警、业务实时熔断，将风险控制在合理范围内。
数字授信与智能风控需要新技术集群支撑。适配产业数字金融业务流程和风控流程，需要构建一套全新的技术平台集群。首先，产业数字金融项目在客户的行业生态、业务模式、区域特色、数字化程度等方面存在诸多差异，每个项目风控内容和具体要求也有差异，需要平台能够定制化满足产业数字金融业务风控“千人千面”的需求。其次，系统中存在人工处理环节时，耗时费力易出错，需应用RPA等先进技术，提升业务系统各环节自动化和智能化水平。再次，需要构建对“数字可信”的智能分析能力，改变传统线下人工核对、清点、评估数据方式，提升数字资产管理智能化水平。最后，引入低代码研发模式，构建组件库，打造标准化组件工具，提高研发效率。
具体而言，一是按照轻前台、厚中台、稳后台的原则搭建产业数字金融科技平台；以云原生架构构建业务中台、数据中台和技术中台，遵循“高内聚、松耦合”原则，以敏捷方式开发微服务业务组件，供不同场景编排使用，利用容器和DevOps特性，实现资源弹性伸缩和自动化运维，满足产业端“千人千面”的服务请求。二是加大探索和引入前沿技术与数字金融的融合应用。建设湖仓一体的数据中台技术底座，采集、存储、加工结构化、非结构化多种形态的产业生态数据和广维客户数据；打造GPU、量子计算机、高性能存储为基础的算力平台，利用隐私计算、量子计算、机器学习和人工智能等技术，构建小样本、抽样数据、全量数据、多方数据等不同场景下的数字授信和数字化智能风控模型；引入图数据库和图计算技术，构建产业生态图谱，深度描绘企业画像，指导交叉营销和风险控制。三是构建开放式面向开发者提供开放化低代码开发平台，提升产业数字金融场景应用创新能力。四是打造数字信贷工具箱，提供账户流水核验、智能财报分析等数字化工具，提升风控体系“智防”水平。五是建立数据可信等级评价管理体系，为筛选入模数据要素提供专业可信分析工具，结合专家经验判断，整体提升数字授信和智能风控等模型数据应用能力。
