2022年底，《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》(以下通称“数据二十条”)正式发布，鼓励加强公共数据开放共享，推动建立公共数据的确权、授权机制，以“原始数据不出域、数据可用不可见”的方式探索公共数据商业化与非商业化运营模式。
一方面，金融行业作为数据密集型产业拥有良好的数字化基础，建立了严格的数据安全与个人信息保护制度，公共数据优先进入金融领域试点探索将有助于未来公共数据的商业化与非商业化授权运营大规模、社会化普及与应用。另一方面，金融行业对高质量公共数据有强烈的融合共享需求。尤其是在个人信用信息全面“断直连”、《征信业务管理办法》等规定和制度出台后，公共数据有助于填补“替代数据”留下的数据真空区。因此，金融机构对公共数据的高价值认可度与高支付意愿，有利于推动公共数据进一步扩大融合应用试点范围、提高公共数据要素供给数量与质量，加快公共数据在金融行业的要素化进程，形成正反馈、正循环的有机增长模式，实现公共数据“授权一批、用好一批、扩大一批”，充分发挥其规模经济与正外部性作用。
据估计，公共数据约占我国数据要素市场的80%，金融业的数据交易中公共数据占比超过90%。但已开放共享的公共数据仍然只占公共数据总体的一小部分，高价值公共数据“孤岛”问题依然存在，仍有巨大的提升空间。其中，公共数据的权属不清、商业化与非商业化运营背后的法理支持不足等问题，一直都是制约公共数据供给侧改革的难题，是影响公共数据向金融业供给流通的关键因素。“数据二十条”理性务实地在“淡化所有权、强调使用权，聚焦数据使用权流通”的原则下，创造性提出建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制。这不仅为加快厘清公共部门、公共数据运营机构、金融机构、数据商等公共数据金融应用相关方的数据权益创造了有利条件，也释放了国家认可以原始数据以外的多种形式释放公共数据要素价值的积极信号，将扩大公共数据在金融业的供给数量和范围，金融业将迎来公共数据要素化的新一轮窗口期。“数据二十条”提出，鼓励公共数据在保护个人隐私和确保公共安全的前提下，按照“原始数据不出域、数据可用不可见”的要求，以模型、核验等产品和服务等形式向社会提供。近年来，得益于多方安全计算等隐私保护计算技术的快速发展，数据“可用不可见”已走出实验室，发展为可落地、可验证、可大规模应用的技术，并形成可以“即插即用”的创新产品。金融行业作为数据密集型产业，在探索以多方安全计算为代表的数据要素安全可控流通技术方面已走在各行业前列，率先出台了相关技术应用标准与评估规范，为公共数据金融业安全要素化提供了有效保障。如2020年11月人民银行发布的《多方安全计算金融应用技术规范》、2021年7月中国支付清算协会发布的《多方安全计算金融应用评估规范》等，为公共数据金融应用提供安全技术规范参考。据统计，截至2022年底，人民银行公示的监管沙盒试点中有24个涉及隐私保护计算相关技术，其中11个监管沙盒试点涉及工商、司法、税务、公积金、农业、民生等公共数据在金融领域的融合应用。公共数据具有高权威性、高可信度和高使用价值等特征，在金融业营销、风控、合规等业务开展过程中发挥着重要作用。但当前公共数据在金融业的供给远落后于需求。调查显示，近40%的金融机构从未获取使用过社保、公积金、税务等数据，超65%的金融机构未获取使用过海关等部门数据。此外，公共数据存在数据标准不统一、治理不完善、使用成本高等问题，对金融机构有效发挥公共数据融合应用价值造成困难。例如，金融机构普遍表示，目前公共数据的准确率、一致性、完整性不高等问题，严重影响着金融业务开展和风险识别。与此同时，公共数据供给的“稀缺性”推高了金融机构的使用门槛，公共数据在金融业大规模要素化亟待破局。金融业是典型的信息与数据密集型产业。随着数据要素化时代的到来，基于信息化与数字化的基础设施已经难以满足消费者日益增长、灵活多变的各类金融服务需求，以及金融机构自身对精细化运营和精准风险控制的需要。现阶段，金融机构在数字化转型上已经提出了“数智化”的更高要求，这是以数字化为基础，构建以数据要素为核心驱动力的、结合具体应用场景的、具有自动化与智能化决策能力的发展模式，也对金融数据要素提出更高要求。公共数据的要素化为金融机构数字化转型提供了高质量数据，从而使金融机构可构建更加精准的客户画像，打造场景化与智能化应用基础，全面赋能营销、风控与管理三大核心业务。客户增长是金融机构的长期目标，如何精准识别客户特征、提供具有差异化竞争优势的金融产品与服务是客户增长的关键。以科创企业精准画像为例，金融机构基于传统方式难以有效识别科创企业的真实经营状况，导致其普遍面临开户难、融资难等问题，同时也无法了解科创企业注册、成长、发展的实时动态，针对优质科创企业营销缺乏智能化筛选工具和触达方式。特别是公共数据中的企业登记、知识产权、企业资质、水电、税务、行政处罚等数据对于科创企业综合资信评估具有重要价值，但这些数据仍然分布在各个部门，未能有效发挥数据价值。因此，公共数据要素化在金融领域的进一步探索发展，可持续推动公共数据在金融机构中的融合共享。结合机器学习、AI算法、隐私保护计算等技术，金融机构能深入了解科创企业的全生命周期发展动态，实现对科创企业的精确定位、精准画像，并提供定制化的、可切实满足科创企业全生命周期需求的各类金融产品与服务，形成以数据为驱动的营销拓客新模式。风险管理是金融机构的利润来源之一，金融机构在为各类实际经济生产经营活动提供金融服务的同时，通过对风险资本的经营能力而获取超过市场水平的风险回报。一直以来，数据都是金融机构风险管理决策与金融产品创新的基础。以普惠金融为例，虽然我国征信体系已成为全球最大的征信基础设施，覆盖超过11亿自然人、6000万户企业及各类组织的信用信息，但仍有超过3亿自然人与近1亿户市场主体尚未录入征信系统。为更好服务这些征信“白户”，金融机构寻求接入更多替代数据，具备更高价值的公共数据可成为金融机构覆盖征信“白户”的有效补充。例如，公安、社保、工商等公共数据可以为普惠金融、小微企业授信风控提供更加全面准确的自动化智能决策依据；“三农”、政务等数据可为农业保险产品精算与核保提供数据基础；电信、司法、公安、监察等数据为各类反洗钱、反欺诈、反恐等核查工作提供智能分析依据等。经营管理是金融机构健康稳定、可持续发展的关键，数据可以为经营管理提供客观科学、精确全面的决策依据。金融机构在进行经营决策的过程中，高度依赖自身积累的经营数据与来自外部经济、社会环境等数据，但面临巨大的机会成本投入压力。如何合理采集、分析、治理金融机构的内部数据，以及如何拓展、利用更加多维精确的外部数据，形成正确有效的经营管理决策至关重要。公共数据具有质量高、精度高、维度广等特征，通过融合金融机构内部数据与外部公共数据，金融机构可以有效构建智能化的经营管理与决策工具。例如，金融机构可通过税务、水电、工商、财政、经信等公共数据了解全国及各地的经济发展、产业构成、政策影响等，构建以数据为驱动、具备动态经营管理与智能决策的资产集中度管理机制，有效降低行业、政策及系统性风险。又如，金融机构可通过社保、电信、公积金、交通、文化等领域公共数据了解消费者需求与市场情况，构建符合消费者需求的特征模型，为消费者定制个性化的创新金融产品与服务，巩固自身的差异化竞争优势等。1.加大公共数据供给，推动公共数据授权运营在金融领域落地公共数据授权运营不仅是数据要素市场的有机组成部分，更为金融业数据要素流通与融合应用的供给侧改革带来重大机遇，可有效纾解当前单一金融场景驱动的数据供给规模小、范围窄、无法充分释放数据要素价值，影响金融业数字化转型与高质量发展进程等共性难题。金融行业应抓住、用好这一新机遇，密切关注监管部门加快公共数据授权运营的顶层设计，适时推动公共数据用于金融领域的专项行动、试点示范、政策标准协同，明确目标、举措、重点任务和进度安排，系统推进金融领域的公共数据授权运营创新应用落地。当前，我国公共数据治理还处于初期阶段。据统计，在我国已开放的地方政府数据平台中，近三分之二的平台存在低容量数据，三分之一的平台存在重复数据，半数以上平台存在无效数据，大部分平台存在碎片化数据。不同职能、层级的公共部门使用的业务系统不同，分别基于服务职能要求以差异化的标准、颗粒度采集存储公共数据。同时，跨部门的政务数据平台间兼容性和交互性不高，统一治理难度大。面对公共数据治理的迫切性与严峻性双重挑战，需要以更大的决心和力度、更创新的方法机制推进公共数据要素化进程。在国家层面，应当关注全国统一的公共数据治理协调机制和组织机构建设，开展好公共数据治理的统筹规划、评估和管理工作，设计好激励机制，充分发挥市场力量，通过税收优惠、数据要素化产业链价值置换或反哺等创新手段，吸引数据要素治理型企业积极参与到公共数据治理中来。3.降低应用成本，推动金融业公共数据要素化基础设施建设当前，金融机构使用公共数据还存在重复投入的现象，多家银行从同一公共部门获取相同数据，并分别进行清洗加工等治理投入的情况普遍存在，不仅效率较低，而且造成社会性的资源浪费。因此，金融业应当抢抓公共数据要素化的机遇，尽快布局行业性公共数据金融业要素化基础设施，保障公共数据流通使用安全，提高公共数据金融业要素化效率，降低公共数据金融业流通成本，共创跨行业数据创新生态。一方面，充分发挥征信机构、金融行业协会等已有行业性机构的作用，统一开展公共数据向金融业输出的要素化工作;另一方面，积极探索构建新的跨行业数据要素流通机制，从制度建设、技术基础设施、行业生态需求对接等方面打造国家数据要素化实践的创新高地。行业级基础设施可一端连接数据供给方，与公共数据运营意愿高的公共部门、运营机构对接，搭建保障公共数据使用可控的隐私计算数据流通基础设施，尽可能与金融行业用数需求高的公共部门建立合作；另一端连接金融业数据需求方，减少多个金融机构面向单一公共数据源部门的“多对一”重复数据沟通合作问题，解决公共数据金融业要素化的共性痛点，如安全合规、公共数据产品质量和价值评估、公共数据金融机构使用的收益分配模式等问题，培育公共数据金融业要素化的数据生态。