摘要：激发数据价值潜能， 需要建立金融与数据要素之间的有效关联。数据具有商品属性和金融属性， 数据资产化和数据要素金融化是实现数据价值变现的两次关键跃迁， 分别衍生出数据信贷、 数据信托、 数据银行、 数据证券化等金融新业态新模式。数据资源化、 资产化、 金融化是数据要素金融化的实现途径， 有助于推动数据要素的高效流通与高质量开发应用。当前， 数据要素基础制度还不够完善， 但数据要素金融化探索如火如荼， 出现了金融 “数据” 化和 “数据” 金融化的倾向。建议推动有条件的地方在重点行业开展先行先试数据要素金融化， 企业应将重点放在打造数据应用场景上。

近年来， 我国金融业逐步形成了以数据资源为基础、 数字技术应用为支撑、 业态模式创新为重点的发展态势， 数据要素在金融创新发展中的重要性凸显。金融业是对数据最敏感、 最先开发利用数据以提升服务水平的行业之一。党的十八大以来， 我国金融业与数据融合发展形成了两条路径：第一条路径是金融机构将数据要素用于经营管理和业务拓展。２０１３ 年开始， 我国金融机构积极探索大数据金融， 金融企业服务边界不断扩大。金融机构运用数据要素强化风险管理、 提高决策的精确性、 促进金融创新和推动行业数字化转型， 将数据要素与人工智能等数字技术深度融合， 以服务实体经济和提高风控水平。例如， 通过对借款人的个人信用记录、 财务状况、 消费行为、 兴趣爱好、 社交等数据进行分析后画像， 可以更准确地评估其还款能力和信用风险。第二条路径是金融机构探索数据资产化。一方面， 金融机构健全数据治理体系， 构建覆盖全生命周期的数据资产管理体系， 从而对自己拥有的数据开展数据治理、 数据资产估值、 数据资源入表等资产化工作。另一方面， 金融机构与相关部门合作， 汇聚外部数据资源， 探索个人、 小微企业基于数据的授信模式和数据资产无抵押融资模式， 创新由数据资产衍生的金融产品和服务。

我国高度重视数据的价值， 大力发展以数据为关键要素的数字经济。２０２２ 年， 中共中央、国务院发布了 《关于构建数据基础制度更好发挥数据要素作用的意见》 （以下简称 “数据二十条” ）， 提出 “以促进数据合规高效流通使用、 赋能实体经济为主线”， “在合规流通使用中激活数据价值”， 数据商为数据交易双方提供 “数据资产的合规化、 标准化、 增值化服务”， “依法依规维护数据资源资产权益”， “探索数据资产入表新模式”。２０２３ 年， 中共中央、 国务院印发了《数字中国建设整体布局规划》， 提出 “畅通数据资源大循环”， 并进一步要求 “加快建立数据产权制度， 开展数据资产计价研究， 建立数据要素按价值贡献参与分配机制”。

根据 “数据二十条” 部署， 当前我国对数据工作有两种思路：第一种思路是注重数据的开发利用。２０２２ 年中国人民银行印发的 《金融科技发展规划 （２０２２—２０２５ 年） 》 和原银保监会发布的 《关于银行业保险业数字化转型的指导意见》 等政策提出， 将数字思维、 数字元素持续注入金融服务流程， 充分释放数据潜能， 提高数据应用能力， 发挥 “数字技术＋数据要素” 双轮驱动作用， 催生新产品、 新业务、 新模式， 提高大数据分析对实时业务应用、 风险监测、 管理决策的支持能力。２０２３ 年 １２ 月， 国家数据局等部门发布了 《 “数据要素×” 三年行动计划 （２０２４—２０２６ 年） 》， 选取工业制造、 现代农业、 商贸流通、 交通运输、 金融服务等 １２ 个行业和领域，推动发挥数据要素的乘数效应， 释放数据要素价值。第二种思路是推动数据资产化。《企业数据资源相关会计处理暂行规定》 （以下简称 《暂行规定》 ） 提出， 以推动数据资产合规高效流通使用为主线， 有序推进数据资产化， 并自 ２０２４ 年 １ 月 １ 日起施行。在财政部指导下， 中国资产评估协会制定了 《数据资产评估指导意见》， 自 ２０２３ 年 １０ 月 １ 日起施行。２０２４ 年 １ 月， 财政部制定印发的 《关于加强数据资产管理的指导意见》 提出， 依法合规推动数据资产化， “鼓励在金融、 交通、 医疗、 能源、 工业、 电信等数据富集行业探索开展多种形式的数据资产开发利用模式”。两种思路都是为了 “在合规流通使用中激活数据价值”。

学术界关于数据资产的研究沿袭了农村土地和生态资源的资源化、 资产化和资本化的思路，普遍认为农村土地要经历资源化、 资产化和资本化过程， 未来改革的方向是完善土地 “三资一体” 理论体系、 构建土地 “三资一体” 协同调控与综合管理模式。同理， 生态资源资本化遵循 “生态资源—生态资产—生态资本” 的演化路径。这一路径是 “资源—资产—资本” 三位一体新型资源管理观在生态领域的运用。生态资源资本化主要经历生态资源资产化、 生态资产资本化、 生态资本可交易化等阶段。学者们认为， 数据与农村土地、 生态资源、 矿产资源等的发展路径相似， 也要经历资源化、 资产化和资本化三个阶段。例如， 李海舰和赵丽提出， 数据要素运行机制形成的过程既是数据形态的 “数据资源—数据资产 （产品） —数据商品—数据资本” 演进过程， 也是价值形态的 “潜在价值—价值创造—价值实现—价值增值 （倍增） ” 演进过程。朱秀梅等提出， 数据价值化以数据资源化、 数据资产化、 数据商品化和数据资本化为核心阶段。梅宏提出， 数据要素化主要包括递进的三个层次：一是数据资源化， 主要涉及原始数据的获取及后续的清洗、 加工和组织等， 这是数据价值释放的前提；二是数据资产化， 在法律上确立数据的资产属性， 使之成为和不动产、 物产等一样可以入表的资产， 这是数据要素价值得以保障的根本；三是数据资本化， 使数据的价值可度量、 可交换， 成为可以被经营的产品或商品， 这是

数据要素价值得以释放并创造新价值的途径。孙静和王建冬提出， 资源化、 资产化、 资本化是数据要素市场化配置的必由之路且市场潜力巨大， 可通过构建三级市场联动的数据价格创新机制， 实现从 “数据资源入表” 走向 “数据资产入表”， 推动数据要素市场化配置最终实现资源化、 资产化和资本化闭环。

数据是新型生产要素， 也是数字经济的关键生产要素， 这一判断是我国的理论创新。数据在进入经济系统之后能否成为资产及如何成为资产， 在理论上是一个重要议题。数据资产化释放了数据价值， 而数据要素金融化是数据要素价值化的衍生。在政策推动下， 金融机构加速了数据要素的开发利用和资产化、 金融化进程。然而， 数据资源为什么能成为资产？数据资产的本质与特征是什么？如何认识数据要素金融化及其演化？如何基于数据资产推动金融业与数据要素协同创新？这些问题值得探讨。本文基于数据要素与金融业融合、 数据资产化和金融化提出一些看法。

一、 数据资产化与金融化的形成逻辑

习近平总书记强调， 发挥数据的基础资源作用和创新引擎作用， 加快形成以创新为主要引领和支撑的数字经济。数据是数字时代的新型生产要素， 数据资产化是实现数据价值的过程， 数据要素金融化是探索多样化、 可持续的数据要素价值释放路径的过程， 而数据要素金融化需要经历数据资源化、 数据资产化和数据要素化 （或者产品化） 过程。原始数据经过加工成为有使用价值的数据资源， 数据资源进入财务会计报表， 成为企业资产或者形成数据产品， 再经过交易给利益相关者带来经济利益。数据要素金融化是将数据要素与金融业融合， 在数据和金融两个要素之间形成一个价值转化的链条， 放大数据资源的价值。

（一） 数据资源转化为数据资产

数据是对客观世界的测量和记录， 是对人类社会的一种描述、 记录和表达。人们从数据中提炼信息， 分析信息之间的关系， 进而总结出知识。数字时代的数据包括纯数字、 电子表格、 声音、 视频和图像等多种形式， 是以电子或其他方式记录下来的结构化和半结构化的记录。在数字时代， 万事万物都可以看作是由数据构成的， 一切皆可 “量化”， 一切皆可数据化。

随着互联网等数字技术和数字平台的迅猛发展， 现实世界快速网络化、 线上化， 并产生了海量数据。一方面， 互联网、 云计算、 物联网、 即时通信、 人工智能等数字技术的研发和应用， 会提高数据产生的速度、 增加数据产生的方式、 提升数据处理的能力， 打造海量数据的持续生成空间。另一方面， 社交平台、 电子商务平台、 公共服务平台、 数字社区、 智能终端、 智能家居等平台和业态涌现， 人们的生产生活加速线上化， 推动现实世界快速向数字社会形态切换， 不仅为人类生存和发展提供了新的空间， 而且衍生了规模巨大、 类型多样的数据。

伴随各行各业不断地产生和使用数据， 数据积累到一定规模后就形成数据资源。数据资源是以电子形式记录和保存的具备原始性、 可机器读取、 可供社会化再利用的数据集合， 能够参与社会生产经营活动， 可以为使用者或所有者带来经济效益， 具有可利用性、 可复制性、 无限增长性、 时效性和潜在价值性等特征。线上产生的数据和线下产生的数据都可以成为数据资源， 但必须达到一定的规模。因此， 具有体量大、 多维度、 全面性的大数据才能成为数据资源。数据要素是数据生产要素的简称， 是指参与社会生产经营和社会治理活动， 为所有者或使用者带来经济效益的数据资源。数据要素进入经济系统， 在企业生产经营、 数字化转型中发挥作用， 成为优质生产要素， 进而引起生产关系的变革。这就是数据的资源化和要素化过程。

我国将数据看作基础资源和战略资源， 大力发展以数据为关键要素的数字经济， 既肯定了数据在生产生活中的作用， 又为数字经济发展打造了新引擎。这是对经济增长理论与实践的重大创新。当然， 经济学界需要进一步从理论上论证：数据为什么能成为生产要素？数据为什么是数字经济的关键要素？对此， 已有学者取得了一些研究成果。比如， 蔡继明等认为， 数据要素可以通过数据的初始存量、 前期收集处理数据所投入的劳动及当期收集处理数据所投入的劳动等三种途径提高绝对生产力， 进而通过综合生产力和比较生产力的提升带来价值量的增加。Ｌｉｎ 等构建了包含数据要素的内生经济增长模型， 揭示了数据对于创新及长期经济增长的核心作用机制， 指出数据要素的运用可以有效提高创新效率， 进而促进长期经济增长。

数据资源的价值有两种体现方式：一是企业运用数据资源提高生产效率， 政府利用数据资源提高治理效率；二是数据被加工成数据产品， 进入市场并进行交易， 以获取利益。数据资源被当作生产要素用以提高生产效率和治理能力， 这是数据使用价值的体现。数据资源经过加工形成数据产品， 就实现了商品化转变。数据产品是数据资源价值化的主要载体， 主要包括数据包、 数据ＡＰＩ、 数据报告和数据服务等。当数据作为商品或资产进入市场交易时， 就会产生交换价值。数据资源体现了商品同时具有价值和使用价值的特性， 也就是说， 数据具有商品属性。

“化” 是一个经济社会转型的过程。比如， 工业化指一个国家和地区的国民经济中， 工业生产活动 （特别是制造业活动） 逐渐取得主导地位， 工业产值占国内生产总值的比重、 工业就业人数占比不断上升的过程。数字化是数字技术与业务融合， 通过采集、 分析数据建立适当的数字化模型， 全面支撑产品创新、 模式创新、 组织创新、 管理创新， 形成数字经济、 数字社会、 数字政府的过程。企业或数据商对数据资源进行加工处理和算法模型化后， 以产品和服务形式销售给购买者， 这就是数据资源资产化的过程。在数据资源化过程中， 分散的、 碎片化的原始数据经过收集、 存储、 处理、 加工和公开等环节， 转化为有使用价值的、 标准化的、 可利用的、 高质量的数据资源。数据资产化就是将数据资源转化为数据资产的过程， 即结合场景将数据资源转化为具有特定功能和价值的产品或服务， 通过数据产品的交易和流通， 实现数据的价值转化和增值。

关于数据资产， 目前还没有形成统一的定义。美国学者 Ｒｉｃｈａｒｄ Ｐｅｔｅｒｓｏｎ 于 １９７４ 年就提出了“数据资产” 概念， 认为数据资产包括持有的政府和公司债券及实物资产。随着互联网和数字平台加速发展， 国外学界和业界对数据资产的认识不断深化， 认为通过数据挖掘得到数据资源中有价值的信息， 进而形成数据资产。比如， Ｔｏｎｙ Ｆｉｓｈｅｒ 提出， 数据是一种资产， 企业应该把数据看作资产。２０１６ 年， 微软以 ２６２ 亿美元收购拥有 ４ ３３ 亿会员的全球最大职业社交网站ＬｉｎｋｅｄＩｎ， 就是看中了其拥有的庞大个人信息资源。基于 ＬｉｎｋｅｄＩｎ 海量的个人数据， 微软可以为全球范围内的用户提供数据服务。国内大多是将数据资源定义与资产定义相结合来界定数据资产。比如， 中国资产评估协会制定的 《数据资产评估指导意见》 提出， 数据资产是指特定主体合法拥有或者控制的， 能进行货币计量的， 且能带来直接或者间接经济利益的数据资源。中国信通院的界定大致可概括为， 数据资产指企业过去的交易或事项形成的， 由企业拥有或者控制的、 能够为企业带来未来经济利益的、 以物理或电子方式记录的数据资源， 如文件资料、 电子数据等。叶雅珍和朱扬勇认为， 数据资产是能为经济主体带来未来经济利益的数据资源， 是企业拥有数据权属 （勘探权、 使用权、 所有权）、 有价值、 可计量、 可读取的网络空间中的数据集；建议将数字资产、 信息资产、 数据资产概念统一为 “数据资产”， 这更有利于数据资产进入会计报表， 更有利于数据要素市场的建立， 也更有利于发挥数据资源的作用。

笔者曾经分析提出， 当前关于数据资产形成了三个共识：一是数据资产是经济主体自己形成的或者合法拥有的；二是数据资产是能给经济主体带来预期经济利益的数据资源；三是数据资产化是数据要素价值化的基础， 成为数据资产的数据资源需要由经济主体拥有或者控制。综合已有文献， 基于数据是数字经济的关键要素的定位， 结合国内外关于数据资产的界定， 本文从数据要素金融化的视角提出， 数据资产是经济主体过去的交易或事项形成的、 合法拥有或控制的、 在未来一定时期内为经济主体带来直接或间接经济利益的、 以电子方式记录的数据资源。

数据资源转化为数据资产有两条途径：一是数据资源估值后进入会计报表。数据在企业中有数据资源、 数据资产、 财务报告中的数据资产和财务报表中的数据资产四种形态。财务报表数据资产的形成要经历三个步骤：从数据资源中识别符合资产定义的部分， 形成数据资产；从数据资产中识别对报告使用者决策有用的部分， 作为需要披露在财务报告中的数据资产；从财务报告中的数据资产中进一步识别符合资产确认条件的部分， 形成财务报表中的数据资产。从会计核算的角度看， 数据资产要完成入表， 需要经历会计确认、 计量、 记录和报告等环节。目前， 财政部颁布的 《暂行规定》 中入表对象是 “数据资源”， 企业拥有的大量与数据相关的模型、 算法、 工具、 平台等数据资产不在 《暂行规定》 的入表范围之内。未来应当积极尝试从 “数据资源入表”走向 “数据资产入表”。企业数据资产入表包括数据入表 （包括其衍生数据和中间数据）、 算法入表 （可遵循数据知识产权登记和无形资产入表的路径） 和算力入表 （即支撑数据资产运行的各种硬件固定资产入表） 三部分， 可以完整地反映企业数据资产的实际价值。从 ２０２４ 年开始，各地公共数据资产化进展较快， 入表资产以公交、 供暖、 供水等公共事业数据为主， 个别城投公司还通过数据资产完成了融资。目前， 国内有公开报道的财政指导企业数据资产入表第一单， 是温州市大数据运营有限公司基于温州政务区块链的 “数据资产云凭证” 体系研发的数据产品“信贷数据宝”。二是企业在数据要素市场购买的数据产品和服务构成企业或机构的资产。基于数据资产的商品属性和金融属性， 多层次数据要素交易市场加速发展。企业在市场中购买的数据产品和服务以无形资产和存货形式进入财务报表。通过数据产品交易， 既可以促进数据要素流通、 优化数据资源配置、 助力数据要素价值释放， 又能促进金融业与数据融合， 使数据要素成为金融市场的新元素， 加快数据要素金融化进程。

（二） 数据要素金融化及其作用

所有商品都具有金融属性。数据要素作为生产要素， 兼具商品属性和金融属性。数字资产本质上是一种金融资本。金骋路和陈荣达分析了数据要素金融属性的形成逻辑及其衍生路径， 提出数据要素的金融属性特指数据产品在其商品属性以外， 还因为数据要素价值化后出现了如流动性、 收益性、 风险性等差异化特征， 从而具有了保值、 增值甚至融资的能力。金融属性是形容某种商品具有金融的特征， 投资者可以通过购买这些资产来获取收益。数据资产的金融属性特征表现为外部性、 增值性和价值波动性。

数据资产的金融属性必然推动数据要素向金融化发展。商品金融化领域的研究以大宗商品金融化问题最为常见。在商品的交易机制中， 持有商品的主要目标不是为了消费， 而是为了获得保值、 增值和资金融通等功能。数据要素金融化指的是数据具有普通商品的金融属性， 而且在具有商品价值的前提下， 因其外部性、 增值性和价值波动性等特征， 从而具有了保值增值能力的过程。数据要素金融化是数据资产的价值衍生， 一方面， 可以提高数据要素市场的完备性、 扩充数据要素应用维度、 丰富全社会数据的使用渠道；另一方面， 优质的数据产品本身具有较高的投资价值， 数据要素分布的不均衡性、 相对稀缺性及不同主体具有不同的边际收益共同决定了数据产品的投资价值。因此， 推动数据要素金融化对于破解我国数据要素时空分布不均、 数据要素利用效率偏低等问题具有重要的现实意义。

数据资产化与金融化融合发展， 丰富了数据流通形式。数据要素流通可以分为两种：一种是无须货币参与的无交易场景下的流通， 比如公共数据的开放和共享， 数据的政府之间共享、 政企之间共享、 企业之间共享， 企业数据在合法合规前提下的交换等；另一种是数据产品的交易， 主要采取单向流动形式， 包括场外点对点的交易模式和场内集中交易模式。数据交易需要金融的介入， 从而使金融促进要素自由流动、 引导资源优化配置的功能得到充分体现。

数据要素金融化有助于培育数据流通新模式。金融在数据流通中的作用体现在以下三个方面：一是金融业在数据产业链中发挥优化资源配置的积极作用。数据产业链覆盖数据要素从产生到发挥要素作用的全过程， 包括数据采集和分析、 确权登记、 定价和流通交易等各环节， 需要数据商、 第三方专业机构、 交易机构等共同发挥作用， 而这些机构的发展都需要金融的支持， 并且未来金融机构有可能加大对技术型、 服务型和应用型三类数据商的支持力度。二是金融服务深入商业生态， 培育数据资产与金融相融合的数据产品， 打通数据要素流通价值链， 助力企业数据资产价值释放。大量中小企业缺乏数据挖掘能力， 导致企业数据成为 “沉睡的宝藏”， 无法实现数据资产化。金融机构基于自身的技术能力和人才优势， 加强与企业的合作， 共同打造商业生态、数字生态、 价值生态、 金融生态， 从数据资源的 “搬运工” 转变为数据资产的 “创造者”， 助力中小企业实现数据资产化。三是金融机构依托企业数据资产入表， 制定个性化的金融服务方案，探索数据资产融资、 保险和证券化等新模式。这是当前金融机构创新的重点之一， 通过探索数据资产的创新应用与价值实现， 推动数据资产领域的繁荣与发展。未来， 随着数据要素基础制度和数据要素市场的不断完善， 数据要素的股权化和证券化有望带来数据要素的价值乘数效应。

（三） 从金融数据化到数据金融化

金融业是数据密集型行业， 数据金融化离不开金融业的推动作用。金融业的数据开发利用目前经历了如下两个阶段：第一阶段， 金融机构运用经营过程中积累的数据资源， 与外部公共信息如司法、 社保、 工商、 税务、 海关、 电力、 电信等相关数据互通， 在业务发展和经营管理中进行客户画像， 加强风险控制， 提升经营效率， 推动业务流程的线上化、 智能化和自动化， 实现风险管理实时化、 决策支持智能化、 资源配置精准化。第二阶段， 金融机构基于数据拓展业务， 开发新产品和新服务， 促进金融服务由被动式向主动式转变。金融机构利用数字技术和数据要素实现双轮驱动， 加深了解客户的消费习惯、 投资偏好、 风险承受能力等， 挖掘客户的个性化需求和行为特征， 为客户量身定制金融产品和服务， 实现 “以产品为中心” 向 “以客户为中心” 的跨越。比如， 保险行业基于数据融合的个人精准模型， 打造个性化、 有温度的保险产品。当前， 我国金融行业正处于第二阶段， 即在数据驱动下提供个性化的金融服务， 也仍属于金融数据化阶段。根据监管部署， 到 ２０２５ 年， 要实现数字化金融产品和服务方式广泛普及， 基于数据资产和数字化技术的金融创新有序实践， 个性化、 差异化、 定制化产品和服务开发能力明显增强。

作为经济社会数字化转型进程中的新兴资产类型， 数据资产成为金融行业创新发展的新动能。一线城市具备较好的产业基础和数据要素流通交易条件， 地方政府对数据要素金融化比较积极， 鼓励探索新的金融模式。例如， 《北京市数字经济全产业链开放发展行动方案》 《上海市数字经济发展 “十四五” 规划》 《深圳经济特区数字经济产业促进条例》 等地方政策和法规均提出， 鼓励和支持金融机构在融资、 保险、 证券化三个方面开展数据资产金融服务创新工作。在政策的推动下， 金融行业对数据要素的利用正在进入第三阶段即数据金融化阶段， 数据即资产逐步成为社会共识， 金融机构积极基于数据要素探索数字资产化和金融服务新模式。在风险可控的前提下推出与数据要素相关的金融产品， 可以实现数据要素的价值发现功能， 激发数据市场活力。

目前， 国内外已有数据要素金融创新模式和案例落地。从整体上看， 我国数据资产创新应用仍处于起步阶段， 最早的创新应用开始于 ２０２１ 年 ９ 月， 杭州银行科技支行基于浙江省知识产权区块链公共存证平台， 以数据知识产权为标的物发放了两笔数据资产质押贷款， 涉及金额分别为５００ 万元和 １００ 万元。之后北京、 贵阳、 南京、 常州进行了数据资产质押融资探索， 深圳进行了无质押数据资产增信贷款探索， 青岛进行了数据资产作价入股探索。

二、 数据资产化和金融化融合的主要模式

我国金融机构基于数据要素的商品属性和金融属性， 积极开展数据要素金融化的探索工作。当前， 数据质押融资贷款和无质押数据资产增信贷款已经有了相对较多的探索， 数字资产保险、数据信托、 数据证券化产品和数据资产作价入股等领域也展开了初步探索。在地方政策的鼓励下， 数据要素金融化步伐加快， 形成了四种数据资产化和金融化融合的主要模式。

（一） 数据资产贷款业务

数据资产信贷是企业将拥有或控制的数据资源， 通过登记、 核验、 评估等流程进行资产化，再把数字资产作为标的物抵押给银行进行融资。当前， 数据资产质押贷款有两种较为主流的方式：一是企业将合法拥有并在知识产权登记系统或存证平台取得的证书作为质押物， 获得银行的信用贷款；二是企业将数据资产登记后作为质押物， 获得银行授信。比如， ２０１６ 年 ４ 月， 贵阳银行为贵州东方世纪发放了金额为 １００ 万元的 “数据贷”。２０２２ 年 １０ 月， 北京银行城市副中心分行基于罗克佳华科技集团股份有限公司的数据资产质押， 发放了 １０００ 万元的数据资产质押融资贷款。随着数据资产贷款业务的发展， 用于抵押或质押的数据范围也逐步扩大。比如， ２０２４年 ２ 月， 南方财经全媒体集团南财金融终端 “资讯通” 数据资产完成入表， 在此基础上， 在广州数据交易所落地融资对接服务的支持下， 获得了中国工商银行广东自由贸易试验区南沙分行授信的 ５００ 万元。同时， 也有商业银行探索无质押数据资产增信贷款模式。比如， ２０２３ 年 ３ 月，深圳微言科技有限责任公司凭借在深圳数据交易所上架的数据交易标的， 通过光大银行深圳分行授信审批， 成功获得无质押数据资产增信贷款额度 １０００ 万元。

（二） 数据信托业务

数据信托是数据资产、 信托服务、 数字金融深度结合的产物， 是金融机构依法依规针对数据主体 （政府部门、 企业、 社会组织等） 合法采集、 汇总形成的数据设立财产权信托， 按照合同约定保管数据并提供相应的托管服务。从实践上看， 数据信托的应用场景可分为商业数据信托、慈善数据信托、 公共数据信托、 混合数据信托和国际数据信托等。比如， 中航信托与中国南方电网广西电网公司达成电力数据信托合作， 释放电力数据价值。基于共同受托人模式， 中航信托对用电企业相关的电量信息、 服务信息等数据资产进行信托管理， 目的在于发掘并实现数据资产价值， 保障数据安全流通， 为信托受益人增效创收， 并形成可复制的商业模式。同时， 中航信托也围绕航空产业链上中下游全链路， 挖掘数据价值。通过 “航数空间” 项目建设， 实现航空数据的资产化、 智能化、 生态化。从效果来看， 一是打破了数据孤岛， 解决了数据合规共享和数据确权、 定价、 权益分配问题；二是有效发挥市场化手段和创新机制作用， 建立了航空领域数据要素市场化配置体系；三是整合航空产业链数据， 提升数据管理运营能力， 赋能航空产业发展。目前， 中航信托正在基于数据信托， 推进服务行业数据的基础设施建设， 打造 “科技＋产业＋金融”的数智产业体系， 推动数据要素应用， 实现数据资产化。

（三） 数据银行业务

数据银行是针对目前数据应用与交易中存在的产权模糊等问题， 基于银行信托与资金运管理念， 对数据进行价值挖掘应用、 隐私安全保护及数据产品研发与融通， 是数据要素市场化配置的新模式。一方面， 数据银行结合了数据的金融属性， 通过对数据的收集、 存储、 确权、 治理， 实现数据的资产化、 证券化、 通证化， 将数据资源转化为可以流通的数据产品和合规的数据资产。利用区块链技术对各类实物资产、 权益与通证锚定， 从而实现资产的数字化， 并根据应用场景对数据进行产品化封装， 例如行业咨询报告等。另一方面， 数据银行创新推出数据分析产品， 并提供多样化的增值服务。比如， 数据银行对数据资产进行价值评估， 进而提供数据金融服务， 包括数据资产融资、 商品价格指数编制、 数据资产价格指数编制、 远期交易等， 或者将客户的数据资产进行价值收益评估后， 打包成收益类或债券类基金产品进行发售。

（四） 数据证券化业务

数据证券化是以数据资产未来产生的现金流为偿付支持， 通过结构化设计进行信用增级， 形成可出售流通的权利凭证， 从而获得融资的过程。通俗地讲， 数据证券化就是通过将数据资产转化为可交易的证券产品， 实现数据资产的变现和流通。比如， 相较于其他数据类型， 公共数据具有公共性、 权威性与规模性特征， 蕴藏巨大价值， 是我国数据要素供给体系的重要组成部分， 因此， 一些地方积极鼓励开展公共数据资产的证券化探索。《上海市数字经济发展 “十四五” 规划》 提出， 探索试点公共数据资产凭证， 深入挖掘公共数据价值， 支持金融机构探索开展数据资产质押融资、 担保、 保险及数据资产证券化等金融创新服务。《深圳经济特区数字经济产业促进条例》 提出， 推动探索数据跨境流通、 数据资产证券化等交易模式创新， 探索开展数据资产质押融资、 保险、 担保、 证券化等金融创新服务。为充分挖掘公共数据 “沉睡的价值”， 多地公共数据授权运营按下加速键。数据证券化是可以探索的一种实现方式， 比如， 可试点设计服务地方政府公共数据授权运营的专项债， 或者通过公共事业部门的数据资产作担保， 在基础设施建设领域发行国有企业债券。

三、 数据资产化与金融化融合发展的实现路径

我国金融机构对数据要素的金融产品和服务创新正处于从第二阶段向第三阶段， 即数据金融化阶段的过渡中。现阶段， 我国数据资产交易参与主体主要以政府部门、 金融机构和医疗机构等为主， 广大中小企业参与并不踊跃。唯有数据资产产权明晰、 数据资产估值定价和交易的市场机制完善， 数据资产的价值才能真正释放。在建立数据资产多层级交易市场的基础上， 数据要素金融化的实现路径包括：

（一） 积极探索数据要素金融化的新业态新模式

金融机构应积极响应 “数据要素×” 行动， 加深从业人员对数据要素内在价值、 “数据要素×金融服务” 的认识， 探索数据要素金融化的新业态新模式。一方面， 金融机构应立足自身的业务场景， 探索数据要素协同、 复用模式， 基于人工智能算法对信用、 交易、 融资等多维度数据进行融合分析， 稳妥推进金融服务管理由经验决策向数据决策转变， 重塑智能高效的服务流程， 满足科技金融、 绿色金融、 普惠金融、 养老金融、 数字金融的发展需要。同时， 探索建立敏捷、 协同、 交互、 共享的数字化风控体系， 强化贷后管理类数据归集整合， 增强金融风险预警与控制能力， 实现数据要素多向赋能。另一方面， 金融机构要与其他行业机构加强合作， 融合实体经济、对外贸易、 碳排放、 消费、 社交等外部数据， 优化完善信贷评估模型和信用管理体系， 增强对实体经济的支撑能力， 提升对绿色项目、 高新技术项目的识别能力。

（二） 创新数据资产定价和交易模式

鼓励金融机构创新基于数据资产的信贷、 保险、 作价入股、 托管、 证券化等金融产品和服务， 运用金融手段挖掘数据要素的内在价值。目前， 实践中形成的新模式尽管可复制性不强， 探索意义大于实际价值， 但是都在试图打通数据由要素到资产再到产融创新的可行路径， 实现授信还款、 交易履约与合规评估等多主体业务协同， 完善数据商信用管理， 推动数据要素市场生态体系建设、 数据资产创新与中小微企业融资等多个领域的快速发展。对于参与其中的数据交易机构和商业银行来说， 完成数据资产 （交易标的） 审核、 激发数据资产价值、 提高信贷管理水平也是有突破意义的探索。随着实践的不断推进， 数据资产定价与验证等问题也将得到进一步解决。

（三） 促进金融业与数据开发利用的良性循环

深化产业链数据、 信用数据的开发利用， 为金融机构的模型训练和产品创新提供基础。支持金融机构将产业链链主企业、 数据交易所、 产业集聚地掌握的特色信息与公共信用信息充分融合， 向数据产业提供精准的融资服务。推动有条件的地方和行业开展数据资产金融化先行先试，鼓励金融机构开展 “信易贷”、 供应链金融等信贷产品和服务， 探索开展数据入股、 数据信贷、数据信托和数据资产证券化等试点。加大对数据密集型企业、 数据商、 第三方专业机构的支持力度， 发挥政府投资基金的引导作用， 统筹运用财政资金和各类产业基金， 引导和支持天使投资、风险投资等社会力量加大资金投入， 加强对数据要素关键核心技术研发的资金支持力度， 鼓励探索数据要素专项资金、 风险补偿基金、 专项债、 产业基金等金融创新手段， 繁荣数据产业生态。落实 《关于推进 “上云用数赋智” 行动 培育新经济发展实施方案》， 发挥国家数字经济创新发展试验区的带头作用， 探索根据云服务使用量、 智能化设备和数字化改造的投入， 认定为可抵押资产和研发投入， 对经营稳定、 信誉良好的中小微企业提供低息或贴息贷款， 鼓励探索税收减免和返还措施。发挥国家开发银行政策引导与开发性金融支持相结合的优势， 支持工业制造、 现代农业、 商贸流通、 科技创新、 医疗健康等重点领域打造数据要素应用场景。

（四） 合力培育数据金融新生态

数据要素的金融化创新是一项系统工程， 需要充分调动各界力量， 积极培育数据金融新生态。具体而言， 政府及各行业企业应在安全可控的前提下推动数据开放， 便利金融机构对多源数据的整合；金融机构应积极创新 “数据要素×金融服务” 方案， 明晰 “数据要素×” 内涵， 突出其相较于 “互联网＋” 的深层次要求， 选取真正从数据要素出发、 能够解决金融服务痛点的案例进行推广；高校及科研院所应加强对 “数据要素×金融服务” 的理论研究和实地调研， 总结不同国家、 不同地区的实践案例， 进一步完善 “数据要素×” 的理论基础。

结语：数据要素金融化急不得

２０２３ 年， 中央金融工作会议提出 “做好科技金融、 绿色金融、 普惠金融、 养老金融、 数字金融五篇大文章”①， 为推进金融高质量发展、 加快建设金融强国指明了方向。未来， 谁能更好地掌握数据要素， 谁就能掌握金融发展的制高点。因此， 激发数据要素潜能、 构建以数据为关键要素的数字金融是建设金融强国的战略支点。当前， 面临数据资产确权难、 隐私保护难、 价值评估难等痛点问题， 通过市场化方式促进流通交易， 给使用者和所有者都带来经济利益的数据资产化成为必然趋势， 而这也是基于数据创新金融服务的基础。

数据要素与金融业融合是数据资源和数据资产价值实现的新思路， 数据要素金融化是大势所趋。当前， 数据要素从资源化到产品化再到资产化和资本化的探索如火如荼， 并在推动数据要素市场化配置进程中出现了金融 “数据” 化和 “数据” 金融化现象。一方面， 金融机构积极为数据产业服务， 资金流向数据公司、 信托机构， 数据资产抵押业务蓬勃发展。但与此同时， 企业数据资产入表的过程中也可能出现 “泡沫化” 问题， 通过炒作数据资产概念形成虚假的金融 “数据” 化。另一方面， 一些数据公司、 数据密集型企业、 拥有数据的公共服务机构不是思考如何开发利用数据来驱动业务， 而是过度追求数据资产化和金融化， 导致数据产业中出现金融活动现象， 甚至一些地方政府出现从 “土地财政” 向 “数据财政” 的转变趋势。

当前， 我国关于数据要素的基础制度仍在构建之中， 不宜急于推动数据要素金融化。因此，建议在北京、 上海、 深圳等有条件的地方或行业开展数据要素金融化先行先试， 积累一定经验，打造可复制的模式以后再逐步推广。企业应将数据资产作为数字化转型进程中的新兴资产类型，建立 “高质量数据资产供给赋能企业数字化转型升级” 的数据战略， 搭建覆盖 “基础管理、 治理运营和开发利用” 的数据资产管理体系， 创新应用场景和商业模式， 充分挖掘数据资产的商业价值， 发挥数据要素的乘数效应， 为相关业务的高质量发展注入新动能。