在数字经济时代，数据已经跃升为一种核心生产要素。随着监管层面《“数据要素X”三年行动计划》的发布，以及数据资产入表正式落地，数据要素市场发展驶入快车道。

“数据要素既是新质生产力的基础，也是新质生产力的倍增器和新动能，不过从供给市场来看，数据要素也存在确权难、定价难等问题。”中国科学院大学经济管理学院教授吕本富在接受《华夏时报》记者采访时表示。

金融作为数字化程度非常高的行业，产生了大量、多样的数据资源，数据的积累和应用至关重要。3月22日，信百会研究院与波士顿咨询联合发布的《数据价值网络》白皮书显示，当前数据间孤岛现象严重，难以协同发挥大数据优势，风控等传统场景存在机会点。

难在哪？

作为重要的新质生产力，数据已经成为继土地、劳动力、资本、技术四大生产要素之后的第五大生产要素。

近两年，我国在数据要素市场体系建设方面进展迅速。

2023年2月，中共中央、国务院印发《数字中国建设整体布局规划》，从顶层设计的对数字中国建设作出整体布局；3月，国家数据局组建，统筹数据资源整合共享和开发利用；12月，国家数据局等部门发布《“数据要素×”三年行动计划》，推进数据要素在相关行业和领域的广泛利用；2024年1月1日起,财政部发布的《企业数据资源相关会计处理暂行规定》正式生效,数据资源纳入企业财务报表等。

今年两会，全国政协委员、恒银金融科技股份有限公司董事长江浩然带来了《关于加快公共数据资源开发利用的提案》，提到数据作为一种新型的关键性生产要素，是推动数字经济发展的重要动力。

江浩然对《华夏时报》记者表示，一方面公共数据质量有待提升。部分公共数据更新不及时，个别地方出现基础设施重复建设问题。另一方面，公共数据开放程度有待提高。各个地方的公共数据平台建设水平良莠不齐、标准不一，难以满足经济社会发展的迫切需求。

当前，我国数据要素市场发展尚处于起步期，数据要素复杂，在传统产权、流通交易、收益分配和治理模式等方面面临新难题。

《数据价值网络》白皮书指出，由于面临合规风险、数据治理能力不足以及缺乏有效的数据技术工具等原因，企业及政府机构对数据资源的应用仍然存在“想用不敢用”“想用不能用”“想用不会用”。

具体来看，首先合规风险是企业面临的主要挑战，数据交易政策有待进一步明确，企业不敢轻易向外输出数据。

其次，数据供给方对数据的治理能力依然不足，存在数据采集标准不一致、数据存贮混乱等问题，导致数据质量差，使用难度大。且数据开放共享不足，数据间孤岛现象严重。

例如传统金融机构分行较多，内部数据分散在不同部门，其整体数据治理、管理效率不高，需要科技企业提供一套端到端数据治理的工具，实现金融数据全生命周期管理，同时也帮助企业搭建更加科学的数据管理体系。

最后，大量数据在需求端仍停留在统计和追踪层面，数据利用能力不足。

数据需流通

面对数据流通过程中的种种挑战，蚂蚁数科首席科学家闫莺认为，数据只有充分流动起来才能发挥更大价值。

吕本富例举到，银行需要信用数据，无论发行信用卡、做贷款，都需要计算用户的信用，因此银行就对公共数据十分有需求。比如用户家里的水电煤气数据是否正常，如果水电煤气正常，在一定程度可认为用户是个正常的人。如果水电煤气的数据都不正常，就无法授信。这种授信数据的应用，是可能的一个应用场景。

“当前征信机构主要做数据聚合的工作，跟数据解读、数据应用脱离较远，将来征信机构可能会从单纯的数据聚合，发展为全方位的风控解决方案。”波士顿咨询董事总经理於晨表示。

断直连政策落地后，第三方征信机构成为了处理个人征信数据的必经通道。“由于基础征信服务盈利有限，征信机构可以通过产品创新，与非金融领域拓展到高利润领域。”《数据价值网络》白皮书显示。

在国际范围内，个人征信机构除了基本的征信业务，也会为信贷机构提供信用评分、决策支持等增值服务，满足金融机构在授信环节的数据分析要求，快速判断潜在客户的信用状况。

随着我国征信市场的逐步完善，百行征信、芝麻信用在基础征信业务之上，推出了信用评分系统，用于辅助机构做出信贷决策。普道征信也与解决方案商合作，推出核验类、职业信用等产品，提高数据资源利用率。

“信用评分不仅应用于银行贷款和信用卡审批，也能拓展到租赁、保险等多个领域。”乐信相关负责人表示，当下风控应用只聚焦在金融行业，随着更多行业数据加入到数据要素市场，将来或能实现跨行业的信用评价和风险管理。

责任：孟俊莲 主编：张志伟

结论：
数据要素市场的快速发展为我们提供了经济增长的新动力，但同时它也面临着一些挑战。其中，数据资源配置和服务体系的不完善是主要问题。面对这些挑战，我们需要制定相应的政策和制度来解决这些问题。
建议：
1. 加强数据科学研究，提高数据的准确性和可用性。
2. 推进数据资源整合共享和开发利用，打破数据孤岛现象。
3. 提高数据的价值链各个环节的服务能力和效率，使数据成为推动经济发展的重要驱动力。
4. 制定规范性的数据管理制度，保护数据安全，促进公平公正的数据交易环境。
5. 利用先进的数据技术工具，提高企业的数据治理能力和效率，推动企业建立更加科学的数据管理体系。
6. 创新金融服务模式，提供更多元化的数据应用服务，满足各行业对数据的需求。