0  引言

金融是国民经济的血脉，也是支撑产业革命的重要推动力，金融支持对于培育和发展新质生产力，实现高质量发展至关重要。金融业是数据密集型行业，数据现已成为驱动金融业务创新、效能跃升的重要引擎。2023年12月，国家数据局等多部门印发《“数据要素×”三年行动计划（2024—2026年）》，提出发挥数据要素的驱动作用，提升实体经济金融服务水平。为贯彻落实金融服务实体经济的重大决策部署，工业和信息化部联合多部门开展产融合作工作，旨在构建金融有效支持实体经济的体制机制，形成对产业科技创新的多元稳定投入体系，促进科技、产业、金融良性循环。产融工作过程中积累丰富的产业、金融数据要素资源，有望为推动金融支持产业创新体系建设，助力提升金融服务效率和水平提供数据价值支撑底座。

本文将详细解析在产融合作场景下，数据要素应用存在的典型需求与痛点问题，探讨在各类场景下数据要素应用的重要价值，并对未来进一步释放产融合作数据要素价值，推动金融服务实体经济的高质量、数字化、智能化发展提出建议。

1  产融合作场景下的数据要素应用痛点需求

1.1  企业融资服务效率有待提升

产融供需对接深度不足，产融合作中积累的企业需求与金融产品的匹配效率有待提升，企业综合融资成本及交易成本相对较高，需要更多方式拓宽企业获取金融服务的渠道。一是企业能够获取的金融资源有限，产融合作现阶段对接的金融资源仍以通用性的产品服务为主，缺少对不同类企业的针对性服务，多数企业由于缺少金融专业知识或缺乏财务管理经验，并不能准确区分并选择更匹配自身需求的金融产品品类或产品组合，需要统一管理的金融产品服务汇聚载体，提升及时性和易用性。二是企业融资需求未充分收集，目前产融合作场景中，获得金融支持的多以产业链链主、专精特新、小巨人等规模相对较高的企业为主，更零散、小规模的企业融资需求未得到有效收集梳理，此部分融资需求需要更高效的采集处理分析，从中甄别筛选出高价值和可操作的融资需求场景。

1.2  金融产品服务创新有待扩展

场景化的金融供给不足，尤其是面向重点领域、关键产业的定制化产品创新，需要更多数据要素作为创新输入，创新动能有待增强。一方面金融创新输入不足，需要更多高质量的数据要素供给。对于金融机构而言，其服务不同产业过程中始终面对较明显的专业特征差异，难以简单地复用通用性的决策机制和风控模式，由于对产业链供应链介入不深，缺乏产业实践经验和主动管理能力，在推动精细化标准化的产品服务创新过程中，金融机构需要更多场景、更多节点的数据要素输入，通过数据要素流动实现信用流转。另一方面创新实践反馈不足，数据要素应用推广力度有待提升。首先，在模型构建、产品设计、风险监测、客户管理等方面存在的技术性问题尚未暴露，多数机构出于技术迭代、沉没成本等考虑仍处于观望状态，未实际投入大规模应用。其次，多数前沿数据要素创新尚未受到监管机构认可，金融业作为强监管行业，未纳入合规框架的应用创新多停留在尝试和探索阶段。

1.3  产融合作动态供需平衡有待加强

产融供需平衡需要进一步完善，产业发展本身就是一个动态变化的过程，实现科技、产业、金融的良性循环，需要的不是“大水漫灌”，而是精准扶持。产业高质量发展中部分关键环节如产业转型升级、并购重组等，需要以产融数据要素为依托，形成多元化、动态化的产品设计和估值评价方法，筛选出具备比较优势或符合产业高质量发展要求的企业标的。短板产业补链方面，如何将金融资源引导至产业薄弱环节，避免资源向规模高、盈利强环节过度集中的“马太效应”，一直是产融合作过程中的痛点问题。优势产业延链方面，利用金融资源带动产业链上下游协同发展，打造全产业链竞争优势，如传统供应链金融中，金融产品多依托于核心企业向上下游扩展，很难覆盖处于供应链远端的企业，这些企业往往迫切需要金融支持。传统产业升链方面，不同传统产业在数字化智能化转型、向价值链中高端迈进的过程中，其阶段性特征以及金融需求存在差异。新兴产业建链方面，以高科技产业为主体的新兴产业，在其发展初期面临激烈的技术迭代竞争，金融需求较高，其技术创新的真实性和可持续性需要进一步评估验证。

1.4  适应企业科技创新发展需求

随着新一轮科技革命和产业变革深入发展，我国面临日趋激烈的科技竞争态势，需要强化企业科技创新的主体地位，大幅提升对科技企业基础研究、技术攻关等的支持力度。目前，科技企业获得融资不足，是推动科技创新需要解决的关键问题之一。产融合作场景中，由于金融供给侧与科技企业之间的信息不对称，主要暴露出以下三方面问题。一是缺少耐心资本，由于科技领域专业壁垒较高，金融机构对于产品潜力、盈利收益等评价缺少有效参照依据，导致科技企业早期阶段的资金支持不足。二是缺少低成本融资，目前占主导地位的间接融资，其信息搜集、风险担保等中介成本较高。三是缺少定制化匹配，金融机构对于适配科技创新和产业创新的精细化设计有待提升，仍以提供面向全行业的常规通用产品服务为主。结合科技企业数字化、轻资产、长周期等特点，通过构建覆盖科技企业全生命周期的数据要素应用，能够汇聚参与技术、产品、市场、组织、管理等科技创新全过程的数据要素价值，推动金融资本“投早、投小、投硬科技”，促进科技金融发展。

2  产融合作场景下的数据要素应用价值分析

2.1  深挖产业链数据价值，拓宽信用来源

深挖产业链上下游数据，覆盖深层真实的企业融资需求场景。产业链沉淀的各类真实生产经营全流程数据，借助数据要素应用，能够拓宽企业信用来源，作为融资服务依据，产业链数据可以进一步划分为生产经营数据和供应链数据两大类（见图1）。

图1   产业链数据价值实现路径

生产经营数据主要用于评估企业当前的实际经营情况，一方面包括企业拥有的各类实物资产数据，基于物联网等数字化技术，金融机构或其他资金提供方能够对于生产企业的机器设备、存货、半成品等进行有效盘点，实时获取资产变动数据，评估真实价值。另一方面包括企业生产涉及的设备状态、能源消耗、质量检测等各类生产数据，这些数据通过生产现场传感设备采集，并沉淀在相应的系统平台上，为企业增信融资提供数据支持，例如通过自动化设备维护或智能质检，用于核心设备预防性维修和生产管理，此类历史数据同样可以用于企业信用评估。供应链数据可用于描绘企业的发展轨迹，建立发展预期，主要包括企业生产所需的物料、物流、仓储信息等，通过企业进销存实体物料信息数据统计，评估其经营预期，支持仓单质押融资、货物抵押贷款等金融产品设计。

2.2  发挥数据算法模型效能，创新服务范式

用好数据模型算法，支撑金融产品服务创新。金融业作为数据算法模型率先落地的重要领域，从金融产品设计，金融服务模式创新，到风险防控改善等，数据要素持续显现其效能。算法模型作为新的生产工具，为企业的画像评级、融资定价、抵押品追踪、信用流转传递、金融风险防控等提供了有力保障，为金融创新提供了更为广阔的空间和场景，推动金融更加高效精准地支持实体经济的发展。金融产品设计方面，基于多维度外部数据的企业画像与评分模型，不仅基于传统的基本面数据，还能增加市场实时投融资动态、产业链相关情况以及市场公告等，能够更高效、全面、精准地刻画新赛道企业，为企业提供针对性金融服务。金融服务模式创新方面，基于大模型技术，结合生成式人工智能以及判别式人工智能，实现轻量化配置下的互动问答，帮助客户及投资者快速获取行业信息，做出更优秀的投资决策和规划。风险防控改善方面，综合利用有监督学习模型、自训练策略、混合抽样数据集等，对于外部企业风险来源数据，尤其是无标注数据，进行充分评估预测。

2.3  深化场景数据共享应用，促进生态联动

以场景化应用为契机，推动金融机构、产业链企业、数据平台运营企业、数据交易机构、数据加工标注企业等多主体的生态协作[1]，加快产融数据要素价值化进程。产业侧沉淀了丰富的数据要素，但多数产业侧企业并不具备数据挖掘分析的能力和动力，其价值不能得到充分释放。通过引入金融机构作为参与主体之一，以金融业务为驱动，在金融业认为价值较高的场景领域优先开展数据要素应用实践，经过数据清洗筛选、标注加工等数据产业侧企业的协作，最终转化为金融服务（见图2）。

图2   场景化数据要素应用生态协作模式

以冷链冻品物流产融合作场景为例，金融机构由于专业壁垒、数据不互通、缺乏验证手段等原因，难以形成真实有效的授信数据支撑。在此背景下，平台运营企业通过实地部署终端设备，以及各类企业资源计划（Enterprise Resource Planning，ERP）、客户关系管理（Customer Relationship Management，CRM）等系统的接入打通，有效掌握冷链物流上下游的商品、资金、信息流向，汇聚企业生产、贸易、仓储和物流四个核心环节实时数据形成数据资源池，并作为第三方提供特征标签数据。数据处理企业进行数据加工清洗，将其转化为经营指标，形成企业经营评估模型，全方位实现产业经营监测评估，提供给金融机构。金融机构结合自身业务要求，在剖析企业经营和资产结构后，预测评估其经营发展趋势，提供金融服务。

2.4  提供全生命周期金融服务，支撑科技创新

通过建立产融数据要素运营体系，完善多方数据共享机制，满足风险分担要求，为重点企业尤其是科技企业在不同成长阶段的金融需求提供依据。数据要素应用为多方价值共赢提供路径，例如天使投资、风险投资、私募股权投资等投资机构参与产业侧企业数据要素价值实现[2]，基于区块链分布式身份认证、隐私计算等技术，在保证企业的敏感数据、原始数据不出域的情况下，为投资机构提供数据目录、数据订阅和数据共享等统一的数据服务，形成科技企业数字档案，支撑进一步完善与科技创新周期各阶段特点相适应的多元化“接力式”金融服务模式[3]，提供分梯度分阶段全生命周期金融支持。同时，数据要素应用具有指导企业经营管理的重要价值，一方面，在数据层面支撑企业财务管理优化，通过引入专业金融能力，帮助企业建立更加规范的预算体系、业务经营、项目管理等，对于企业长期发展以及后续进一步获得间接融资等方面均有积极作用；另一方面，借助数据资源共享、开放和授权运营，促进政务数据、公共数据、金融数据聚集，部分科技企业能够借此获得更多数字化、智能化技术应用场景经验，指导经营发展。

3  产融合作场景下的数据要素应用建议

3.1  完善数据要素应用机制规则

一是明确数据权属关系，以数据资源持有权、数据加工使用权、数据产品经营权等产权分置为原则，为产融数据的合理利用提供依据和前提，确保高价值数据要素供给。二是确保数据安全原则，构建健全的数据安全可信共享机制，尤其是对于涉及企业商业机密的敏感隐私数据，做到“可用不可见”，为充分释放产融数据要素价值提供支撑[4]。三是优化应用协作机制，以公共数据授权运营为基础建立数据共享权益，以跨行业数据衔接为基础丰富数据应用场景，提升数据资源利用效率。

3.2  降低数据要素互联互通门槛

一是建立跨部门、多维度、高价值的数据对接机制，拓展产融相关数据共享渠道，打破“数据孤岛”，实现大范围、低成本、及时性的有效数据链接。二是推动产业侧与金融系统的平台互联和数据资源共享，推进产融类服务平台与金融机构业务系统的直连，加强融资需求、企业标签、融资成效、金融产品等数据信息的互通。三是加强中央与地方的数据资源协同，建立从上而下的政策传达机制和从下而上的信息反馈路径，地方政府、机构、企业能够高效传递特色政策、项目需求、企业推荐等重点数据[5]。

3.3  构建数据要素智能化应用能力

首先，科学应用数据模型算法，集思广益搭建模型算法公共资源库，推动优质算法模型、典型案例及实践成果加速落地。其次，增强智能化交互能力建设，尤其是产融类平台运营主体应当充分运用大模型等智能化能力，降低平台用户信息搜集成本，重点缓解产业企业对于金融专业的知识壁垒。再次，提升个性化定制化服务能力，以高价值数据要素为基座，准确评估建立企业项目标的数字画像，保障金融资源在重点产业链的关键环节、关键领域、关键产品的优化配置。

3.4  推动数据要素应用生态建设

一是优化主体准入管理，以安全合规为前提，规范产融数据要素应用建设的主体准入，从源头上保证数据来源高质量，数据流通高可靠，数据应用有方向，保障应用生态健康有序发展。二是提升应用标准化水平。联合产业相关主体，共同建立数据要素应用模式、建设路径等方面的行业共识性标准，并通过标准化能力评估等方式，筛选技术可靠、价值可复制的应用模式，推广典型场景应用，以实践反馈优化、拓展标准体系。三是强化应用协作优势互补，推动产学研用联合开展数据要素应用的探索、建设和迭代。

4  结束语

本文通过梳理产融合作场景下的数据要素应用需求，结合案例总结产融合作中产业链上下游管理和应用数据要素的堵点与痛点，分析了数据要素创新应用及其价值，并形成完善数据要素应用的建议。下一步仍需基于跨学科视角，研究人工智能时代背景下，产融合作中数据要素的技术融合应用、区域协同、数据确权等问题，进一步发挥数据作为驱动金融业务创新、效能跃升的引擎作用，促进科技、产业、金融形成相互塑造、紧密耦合、良性循环的格局。