文/中国进出口银行信息科技部 肖雁 李旭东

随着数字化时代的到来，银行将数据的重要性提升到战略层面，金融创新迅猛发展，数据价值的重要性日益显现。2023年中央金融工作会议提出做好“五篇大文章”，为银行发展指明了方向，提供了根本遵循。作为“五篇大文章”的重要组成部分，数字金融已经成为当前金融创新发展的重要趋势，银行通过加强数字技术的深度应用，积极培育金融新质生产力，构建金融新业态，使金融服务拓展更多触点、更具智慧，不断推进金融数字化转型，从而推动金融高质量发展。

数字金融的概念及发展支持因素

1. “数字金融”的概念

数字金融是一个不断发展和变化的概念，其定义随着科学技术的进步和金融创新而不断演进。2019年10月，习近平总书记在中共中央政治局第十八次集体学习时首次提到了“数字金融”。此时的数字金融是从金融科技（尤其是区块链）角度提出的概念。2021年12月，国务院印发《“十四五”数字经济发展规划》，明确使用了“数字金融”的概念，要求发展与数字经济相适应的金融服务。2022年原银保监会办公厅发布《关于银行业保险业数字化转型的指导意见》提出“以数字化转型推动银行业保险业高质量发展，构建适应现代经济发展的数字金融新格局”。近期，数字金融上升至国家战略层面并首次写入中央文件。2023年中央金融工作会议将数字金融作为“五篇大文章”之一，将其纳入数字中国建设并成为发展数字经济的重要组成部分；会议对数字金融提出了更加明确的发展任务，使其服务数字经济的根本要求更加清晰。2024年7月，党的二十届三中全会提出“深化金融体制改革”，强调积极发展数字金融，以金融活水滋养新质生产力，为实体经济发展提供更高质量、更有效率的金融服务，促进经济和金融的良性循环。2024年11月，人民银行等7部门联合印发《推动数字金融高质量发展行动方案》，提出到2027年底，基本建成与数字经济发展高度适应的金融体系。形成数字金融和科技金融、绿色金融、普惠金融、养老金融协同发展的良好局面，高质量服务数字经济和促进数实融合。该方案对于建设金融强国、巩固和拓展我国数字经济优势具有重要意义。

综上可见，数字金融是以数据为要素、以数字技术融合应用为动力，进行金融业务模式的数字化创新，最终实现与数字经济全面适配的金融业态。简而言之，就是将先进技术应用于金融行业，从而提供新的金融产品和服务。

2. 数字金融发展的支持因素

发展数字金融需要强化技术创新。通过采用新技术和新模式，不仅提高了金融服务的效率和安全性，还推动了金融产品和服务的创新。以数字技术为基础的金融创新，正在不断引领金融业务和模式的变革。例如，大数据和人工智能技术可通过收集、分析、整理海量数据，帮助银行精准分析用户行为和偏好、评估企业信用、预测市场趋势、提高金融服务的精准性和有效性。

发展数字金融需要创新业务场景。党的二十届三中全会提出“加快构建促进数字经济发展体制机制，完善促进数字产业化和产业数字化政策体系”。这给数字金融服务新时代产业发展提出了新要求，也带来了新机遇。金融业数字化和智能化转型推动了金融服务生态开放化、渠道触达精准化、风险防控智能化、内部管理一体化，有效提升了金融资源配置效率和服务能力。同时数字金融为创新业务场景提供了更多可能性，如数字信贷、跨境线上支付等，不断激发智慧金融服务力，促进精准营销场景、智慧服务场景、集约运营场景、产品创新场景、风险智控场景等应用场景拓展。

发展数字金融需要突出数据价值创造。数据是数字金融的关键要素。通过加强数据治理、推动数据资产入表等方式提升数据资产价值，对银行聚焦新质生产力、提升发展质量具有重要意义。一方面，通过提升数据治理能力来放大数据价值。推进数据治理框架中的数据标准的业务覆盖度与落标率，提高基础数据质量，对内为管理层决策提供依据，对外赋能业务发展，为全面提升数据价值打下坚实基础。另一方面，探索数据资产入表来深挖数据价值。数据“入表”的目的是深入反映银行经营状况，科学分类入表是数据创造价值的前提，探索构建可交易、可抵押的数据资产入表新秩序，促进数据价值增值，在同业竞争中赢得先机。特别是作为重要市场主体的银行，数据资源入表将可进一步增强银政、银企合作的意愿和层次，进一步发挥金融促进数字经济与实体经济融合发展的作用，进而推动新质生产力发展。

数字金融推动银行数字化转型的路径

全面推进数字化转型将为银行经营管理效能和服务效果的提升提供新动力。数字金融的快速发展对银行数字化转型产生了显著且积极的推动作用。

1. 发挥数据驱动力，赋能内部经营管理与对客服务

数字技术与数据要素是数字金融的重要组成部分，也是银行数字化转型的重要驱动力。发挥数据驱动力，首先，需要深入挖掘银行数据价值。银行对数据价值的挖掘应以业务范畴和数据分类作为依托。例如在前台，基于客户交易数据，通过大数据分析，提供精准、个性化客户服务；在后台，通过实时监测和大数据分析，更准确地评估信贷风险、市场风险和操作风险，及时采取风险应对措施。将数据应用与业务发展相融合，通过对不同数据的分类管理，解决传统经营模式下，银行存在的内外部数据整合困难，进而赋能银行数据资产价值提升。其次，以数据为驱动，重塑银行价值创造模式。数字金融具有万物互联、生态融合、数据驱动的特点，其中生态融合是核心。在数字化转型发展过程中，银行以数据为驱动带动战略理念、经营模式以及组织架构的全面调整。再次，为推动数字化转型发展，银行可结合自身业务统筹制定数据的标准化引入和使用机制，规范数据在业务全流程中的应用场景；同时对各类应用系统进行整合，形成适应银行数字金融发展的业务场景。

2. 搭建数字金融场景，推动产品数字化转型

数字金融借助科技优势，从掌握商品流、资金流延伸至支付、融资、投资等金融核心业务领域，推动银行金融产品创新发展。数字金融的发展为银行产品数字化场景建设创造了可行路径，同时也为其服务高质量发展提供了应对之策。在同质化竞争日益激烈的市场环境下，银行在防范金融风险的基础上，借助数字金融载体，为客户构建多元化、个性化的金融产品，以此带动银行数字化转型。一是依托数据分析功能精准把握客户需求和偏好，开发满足其需要的金融产品和服务。基于大数据技术的优势，通过对客户信息等数据进行多维度、多角度分析，理解客户需求，精确、及时捕捉各类融资需求。例如围绕供应链金融、产业链融资，通过数字技术的运用，进而提高融资效率。二是依托数字化网点平台，提升金融服务效率。银行通过构建智能设备、搭建电子银行等方式，可实现线上渠道与线下网点一体化协同服务，把线上渠道触客“广”和线下渠道触客“专”的优势结合起来，实现线上线下全渠道协同经营。三是依托数字技术赋能传统金融业务，在支付、风控、客户服务等方面实现显著创新。运用科技手段突破时空限制，赋能业务扩大经营范围，提升获客能力，为用户提供便捷的服务平台，提升客户满意度。例如针对跨境电商所面临的传统跨境结算周期长、风险大、成本高等问题，以数字金融来破解相关跨境支付中的小额、高频、合规等痛点和难点。

银行在发展数字金融中所面临的挑战

1. 战略规划和组织机制调整相对滞后

目前，国内银行对数字金融的认识仍需不断深入，战略转型规划的制定相对滞后，导致数字化转型动力不足。该情况已成为当下银行在数字化发展中所面临的共同挑战，主要表现为：一是数据战略规划落地难。数据战略细分的具体目标和考核机制难以向业务部门传导或与业务部门实际情况脱节，相关基础设施保障力度（如数据存储能力和计算能力）不到位或影响战略实施的基础稳定性。二是组织架构调整进展慢。虽然银行已逐渐对传统的竖井式信息科技组织架构进行调整，但业务部门与科技部门之间在需求与信息系统实施中仍存在壁垒，部门之间界限依然明显，融合度需进一步提升，各系统、业务流程与数据协同共享机制尚未完全打通。三是传统管理方法难匹配新需求。敏捷响应能力是数字金融发展的基本要求，现阶段用户需求在业务部门（分支机构）与科技部门之间传导和响应时效方面仍存在阻滞，导致内部协作成本较高，难以形成有效合力，降低了对用户需求的响应效率。

2. 数据应用及价值创造面临多重困难

数字金融发展对银行利用数据创造价值的能力提出了新的挑战。传统的“片段式”“线条式”的数据已无法满足管理要求，现阶段数据的多样性、大规模、低价值特征，使得其真实性难以把控，无法充分进行交叉验证，利用数据创造价值面临诸多困难。首先，如果相关数据获取不全面或分析识别不准确，将直接影响银行的风险识别及经营判断。其次，银行外部数据的标准和格式差异较大，加大了银行获取并处理数据的成本。同时，外购数据还存在因数据确权困难导致的权属争议隐患及成本收益不匹配等问题。

3. 新技术应用落地仍面临现实问题

大模型等新技术的出现将加速银行数字金融发展的效率和质量，但目前仍处于探索试点的初级阶段。大模型的应用将使数据运用更加“简单”，即使用户不具备科技背景，也可直观地对数据进行加工分析，为银行营销、风控、运营、决策等提供数据支撑。但大模型落地过程中有几大关键因素：一是算力需求大。若机构直接自建算力，虽然安全性得以保障，但成本相对高昂；若进行算力混合部署，即在敏感数据不出域的情况下，通过私有化部署的方式处理本地数据，虽然成本相对较低，但便利性受到制约。二是数据要求高。大模型训练需要高质量的数据作为基础，使得银行需拥有完整的数据标准体系及标准落地实施机制作为支撑。随着数据在银行经营中发挥的作用愈发重要，对数据安全的要求也愈发严格，需要做到模型训练、应用的全流程闭环管理。三是模型定制化实现难。目前通用大模型的使用较为普遍，但针对本行业、领域的大模型较为匮乏。而定制化模型前期资源投入高、建设周期长，同时要求银行具备算力基础设施以及拥有建模经验与业务背景的人才储备。四是生态构建尚需时日。如何将大模型应用到更核心、更严谨的业务场景中，如何构建产学研协同创新的生态系统是大模型走向产业深度应用所面临的挑战。

政策性银行发展数字金融的趋势展望

政策性银行承担着支持我国重大战略和重要项目建设的职责，是维护我国经济和金融稳定的压舱石。同时，也要正视科技基础较薄弱，科技创新进程较为滞后的历史现实。针对政策性银行在客户群体、产品运营、人员结构上的特点，加快金融数字化、智能化转型，在服务国家战略中实现高质量发展是政策性银行改革发展的必经之路，应积极适应数字金融发展趋势，从以下几方面着重发力，为推动全面深化改革与金融高质量发展提供有力支撑。

1. 持续完善金融科技组织架构

政策性银行应围绕业务战略，明确转型需求与自身资源、能力的匹配度，制定可操作的数字化转型战略，明确转型目标和实施路线图，找准转型突破口。一是开展投入产出及可持续发展能力建设需求分析。在当前全球经济形势下行、资本持续承压及监管趋严的大环境下，银行的盈利模式逐步发生转变，更加依靠数字化服务能力推进业务发展。在此进程中，应结合自身实际情况，权衡投入与产出之间的关系，评估科技投入的可持续性；尊重科技发展的客观规律，防止超出自身能力和资源约束开展转型。二是强化工作协同。着力打破部门、系统间的界限，加强业务联动协同，推进各条线信息融合应用，避免信息重复采集和信息割裂分布等问题。同时，做好独立制衡和联防联控，防止风险交叉传染。三是着力提升自身核心竞争力。数字金融是数字技术与金融服务的复合领域，需要具备技术和数据背景的人才作为发展数字金融的“主力军”。为此，应优化人才培养机制，打造金融、科技、数据复合型人才，鼓励科技人才发挥专业技能，激发人才创新活力。应推动建立从业人员交叉培养模式，充实数字化人才储备库。应加强员工常态化培训学习机制，将数字化思维贯穿于日常工作，鼓励全员共同参与数字金融发展建设，营造合作、包容、开放、创新的工作氛围，为人才建设做好坚实的组织和文化保障。

2. 推动数据要素共享畅通

政策性银行要加快推进数据要素的共享与畅通，一是要打破目前存在的数据壁垒，解决业务部门与数据管理部门融合不深、合作意愿不高等问题，建立科技驱动、数据共享的用数环境。二是要在加快业务数据化的同时，推进数据资源整合，有效实现数据分类管理和应用，协同推进数据的资产化和资产的要素化，更好支撑决策制定和业务创新。三是积极对接政府部门、企业部门等多维度数据，以数据共享推动金融产品和服务的共同开发。四是推动生态化、平台化数据中台的搭建，打通数据与业务渠道，实现数字化、智能化的金融业务场景融合，力求在数据平台的建设运营过程中释放数据资产的业务价值，不断对数据进行规整和沉淀，加速业务全维度信息提取，实现传统服务业态与数字金融服务业态的高效结合。

3. 加强关键数字技术创新

数字金融的发展需要大力提升数字技术创新能力，政策性银行一是要加强与高校、研究院所、科技孵化园等机构的合作，以数据和人才等要素为牵引，加强产学研深度融合，推动创新链、产业链、资金链的有机协同，通过数字金融技术手段对接机构相关数据，打通金融服务与产研需求渠道。从传统“资金中介”转变为“服务中介”和“数据中枢”，夯实数字金融根基。二是要加强国际合作，积极推广数字金融国家标准。借助“一带一路”国家、金砖国家等多边合作平台，推广数字金融中国标准和优秀案例，强化在数字金融资产等关键领域的理论研究和实践引领，为参与全球数字金融持续贡献力量。

（此文刊发于《金融电子化》2025年1月上半月刊）