作者 |  董兴荣  丁梅琴

进入数字经济下半场，金融业已经成为数字技术应用最为深入、数字化最为迫切的领域之一，技术供给是当前推动金融业数字化转型的重要一环。同时，中国人民银行印发的《金融科技发展规划（2022—2025年）》为新时期金融科技发展勾勒蓝图、明晰脉络。规划提出，要以加强金融数据要素应用为基础，以深化金融供给侧结构性改革为目标，以加快金融机构数字化转型、强化金融科技审慎监管为主线，将数字元素注入金融服务全流程，将数字思维贯穿业务运营全链条，注重金融创新的科技驱动和数据赋能，推动我国金融科技从“立柱架梁”全面迈入“积厚成势”新阶段。

显然，释放数据要素价值已经成为金融业适应数字经济时代的核心竞争力。一方面，金融业的数字化转型离不开数据驱动；另一方面，金融创新的有序实践离不开数据治理。招商银行首席经济学家丁安华在《平台金融新时代》一书中更是明确指出，金融科技监管的底层逻辑是数据治理问题。近日，他在接受《财资中国》专访时，梳理了我国金融科技的发展轨迹，并阐述了如何构建我国的金融科技监管和数据治理体系，为金融监管部门、金融机构以及金融科技公司提供了借鉴。

金融科技与业务融合创新

金融行业历来是先进技术应用的先行者，金融发展史本身就是一部与技术不断融合的历史。丁安华介绍，现代信息科技在金融领域的应用，大致可以分为电子化、互联网化和移动数字化三个阶段。电子化阶段着重于信息技术的后台应用，实现办公电子化，提升业务处理效率。互联网化阶段开始聚焦前台和渠道的线上化。而移动数字化阶段则强调业务前、中、后台全流程数字化，以及数据和算法在经营上的广泛应用，如征信风控、智能投顾、风险定价、量化投资、移动支付等。

随着数字经济的发展、社会数字化转型的加快和信息技术在金融领域的广泛运用，金融业务的节点式分工（即过去一项金融业务的全部流程都由一家金融机构独立完成，现在演化成为由多家实体协作完成，其中金融科技公司开展了节点型金融业务）呈现加速细化的趋势。具体而言，金融科技公司将金融业务“反向外包”，即将重资产的业务环节外包给持牌金融机构，将轻资产的技术节点留在科技公司内部，从而专注于金融业务链条中的某项节点式业务，例如数字化获客、产品销售渠道或大数据风控等。

金融科技公司介入金融业务，一方面对传统零售金融业务流程分工产生了冲击，通过金融、智能算法、数据的融合，数字化将贯穿金融服务全流程，实现金融科技创新和金融场景创新，拓宽金融业行业边界；另一方面，随着社会数字化转型、物联网的发展和数字货币的出现，数字世界、物理世界和人类社会不断融合，金融业务会逐渐内嵌于产业互联网中，进而对传统金融业务产生颠覆性的影响。对此，丁安华建议要正确看待我国金融科技的创新发展。

首先，从金融供给的角度，金融科技有利于弥补传统金融服务的不足，将金融服务的触角延伸到更细微的角落，极大地降低了触达个人客户和小微企业的营运成本和风险管理成本，创设出大量具有商业前景的普惠服务模式，有力地支持实体经济的发展。

其次，在数字经济和移动互联的背景下，金融科技推动了金融服务满足客户需求，提升客户体验，使得金融服务的便捷性大大提高。同时，金融科技公司开创性地运用行为数据作为信用数据的替代品，创新地服务于信用“白户”群体，为信用培养和征信普及作出了贡献。

最后，金融科技的创新推动了整个金融体系的数字化转型。一个普遍的共识是，我国的金融科技发展水平，特别是在移动支付、消费信贷和互联网理财等领域，在全球范围处于领先地位。

诚然，金融科技的发展，也带来了一些新的风险因素，包括技术、业务、网络、数据等，都可能影响金融体系乃至宏观经济的稳定。丁安华表示，我们需要正视问题，采取适当的宏观政策，平衡科技创新和金融稳定的关系。

数据运用与治理齐头并进

数据作为一种新的生产要素，已经成为数字经济时代最重要的资源。数据若运用得当，将产生巨大的经济价值。这一点体现在两方面：一是减少信息不对称，降低交易成本；二是促进新商业模式的创新，催生生产和消费变革。与传统的生产要素不同，数据具有“非竞争性”，可以无限复制、重整组合、拓展应用，因此可以带来规模效应，促使边际收益递增，提高长期经济增长率。为了让“金融数据共享”构建于合法、公平的环境之中，真正发挥金融大数据的作用，推动实体经济健康发展，丁安华建议对金融科技公司以及各金融机构的数据进行整合，合法、规范、中立地加以利用。结合当前实际，在金融大数据共建共享的基础上，政府或监管机构代表公众、金融机构、金融科技公司三方参与，确定各自对传统金融数据和大数据的权属比例，然后以数据资产共同出资，发起设立金融大数据第三方服务机构。

① 切分金融科技公司的业务部门和数据管理部门，使数据管理部门的职责以市场化机制的方式转移到该第三方服务机构，也就是说，将这些金融科技公司的自身平台服务和数据采集、数据分析、数据服务功能分离，避免平台因为海量数据而产生垄断行为等各种弊端。
② 金融机构把符合金融监管各项要求的结构化数据，提供给金融大数据第三方服务机构，扩大金融大数据的内涵和外延，丰富数据平台。
③ 政府代表公众行使授权、监督、保障等权利，通过决策数据受限于共享下的受益分配方案，让大数据真正“取之于民，用之于民”，从而实现各方权责利的公平对等。
如此既可以让监管对大数据的风控实施穿透式监管，在新巴塞尔体系下对模型进行充分验证，也可以保证大数据风控的结果不会受到金融科技公司的故意污染，还可以允许市场中潜在的竞争者付费、分级、有限制地使用脱敏后的数据。上述数据归集到第三方数据服务机构后，数据的独立性和准公共性将得到保障，并且可以通过数据服务业务模式让金融大数据第三方服务机构的参与方从中受益，从而可以较好地使社会福利最大化。平台金融科技公司主要凭借大数据及算法优势介入金融业务，因此在数据治理过程中面临的挑战主要包括垄断问题和算法伦理问题。

挑战一：垄断问题
数据作为一种新的生产要素，已经成为数字经济时代最重要的资源。平台型业务具有明显的规模效应和网络效应，数据市场也具有自然垄断的特征。平台反垄断监管有两个视角：一是市场结构；二是市场行为。从市场结构看，首先要合理界定相关市场，进而判断平台经营者是否拥有市场支配性地位；从市场行为看，反垄断的关键在于识别滥用市场支配性地位的行为。因此平台金融的反垄断问题，其焦点在于甄别和禁止滥用市场支配性地位的不当竞争行为。
挑战二：算法伦理问题
平台金融科技公司因服务对象涉及不特定的大量自然人，收集和处理大量行为数据，容易触碰到人的隐私和数据安全，引发了大量与人相关的社会伦理争议。主要包括个人隐私保护问题、过度负债过度消费问题、算法权力与算法歧视问题。为了应对上述两方面的挑战，平台金融的数据治理需要明确相应的监管原则。

风险为本（risk-based）
从技术风险角度来看，对具有系统重要性的平台金融科技公司（包括金融科技银行）的监管要求可能不再是一般意义的资本要求，而是需要根据技术风险的重要性，附加相应的数据治理要求和监管标准。
技术中性（technology-neutral）
意味着无论使用何种技术，都应该适用相同的监管原则。换言之，监管机构不应对标榜“技术创新”的金融科技公司放松对产品、流程和行为的监管尺度，反之亦然。
基于行为（activity-based）
从全球看，各主要国家都在积极探索和加强以法律合规和消费者保护为主的行为监管。基于行为的监管，其中的关键是关联交易、反垄断、投资者适当性、数据产权和个人隐私保护等问题。行为监管与审慎监管的专业要求不同，前者依靠大量的法律和执法专业人士，后者则以财务和风险管理专业背景为主。过去十年，全球金融监管改革逐渐形成了“审慎监管+行为监管”的双峰模式，这对重塑我国金融科技监管架构具有借鉴意义。
功能监管（functional regulation）
功能监管即根据金融活动的性质来进行监管，对相同功能、相同法律关系的金融产品按照相同的规则接受一致的监管，而不管发生在哪个机构。对平台金融的监管模式应该是功能监管与机构监管相结合，特别要重视功能监管。

随着数据规模和维度的持续提升，金融科技正逐渐成为推动行业重塑的重要发起者，成为金融业转型的主要驱动力。如何适应行业发展的新趋势、新模式、新特征、新矛盾，构建合乎科技伦理、承担相应社会责任的科技金融生态，还需要更多同心戮力。

【专访】招商银行首席经济学家丁安华：金融创新的科技驱动和数据赋能-财资一家

《平台金融新时代：数据治理与监管变革》

作者：吴晓灵 丁安华

出版社：中信出版集团

本书聚焦于金融科技公司的监管问题和数据治理问题，致力于构建我国的金融科技监管和数据治理体系，更好地推动平台金融企业发展。

这本书梳理了我国金融科技的发展轨迹，对其背后的商业逻辑进行了分析，研究了当前金融科技业态存在的平台垄断问题、信用风险问题、系统性风险和算法伦理等问题。本书认为，金融科技的监管目标框架应当包括包容性、稳定性、合规发展和消费者保护，应该秉持风险为本、技术中性、基于行为、功能监管等原则，对金融科技实施差异化监管、以行为为基础开展反垄断相关工作、强化基于算法的行为监管，并建立多级牌照和资质管理体系。同时应当大力发展监管科技，建设全国层面的监管大数据平台，建立监管沙箱机制，解决监管滞后性问题。

本书指出，金融科技监管的底层逻辑是数据治理问题，并提出了如下建议：建立公民数字身份、积累行为数据、将身份信息和业务数据分离、探索建立个人数据账户制度、向用户披露信息收集和画像的全部细节、建立经用户授权同意后的数据协同共享机制等。