商業銀行數據要素價值實現的理論與實踐探討

■王小彩 楊濤

一、引言

數字經濟時代，數據已成為最具活力的生產要素之一。2020年，數據首次被作為一種新型生產要素寫入中央文件；2022 年，構建和完善數據要素基礎制度被提到歷史新高度。銀行業是數據積累最為深厚、數據質量較高、數據應用場景最廣、數據安全最為重要的領域之一。推動銀行業數據要素價值實現，既是數據要素市場的重要組成部分，也是促進商業銀行科技與業務深度融合的必然要求。

現有金融監管政策強調提升商業銀行數據治理和數據安全能力。如《金融科技發展規劃（2022—2025年）》《關于銀行業保險業數字化轉型的指導意見》等頂層制度文件將數據治理和數據安全作為重點內容。此外，《銀行業金融機構數據治理指引》《銀行保險監管統計管理辦法》等相繼出臺，對銀行數據質量、數據治理、數據安全提出了更為具體的要求。

與“嚴監管”相對應的是“廣實踐”和“晚研究”。在監管要求下，我國商業銀行紛紛著手建立數據治理體系，銀行數據生產要素領域的研究也在逐漸增多。目前，國內已有研究主要分為三類：一是銀行從業人員介紹銀行業數據治理實踐。如，吳軍[1]介紹中信銀行通過“一湖一庫一平臺”基礎數據體系建設，將數據資產廣泛應用到產品研發、運營管理、風險防控等普惠金融業務全流程；霍學文[2]介紹北京銀行基于統一數據底座、覆蓋數據全生命周期、一體化的數據治理體系；史晨陽[3]總結光大銀行在全面規劃企業級數據戰略、建設可持續的數據資產管理與運營體系、建設全域開放的數據中臺等方面的實踐。二是提出銀行業數據治理的對策建議。如，楊濤[4]從商業銀行自身加強和完善數據治理工作、政府與監管的環境保障等兩方面提出具體建議；張淑芬等[5]提出完善數據治理架構、持續提高數據質量、健全數據標準等建議。三是專門針對銀行數據資產進行分析。如，陸岷峰等[6]對商業銀行數據資產的價值評估與交易定價進行分析；金旭君等[7]構建商業銀行數據資產管理能力成熟度評估模型，并對三家銀行進行實證檢驗。

可以發現，目前國內銀行數據要素領域的研究大多出現在2021年之后，且主要是基于銀行業實踐進行探討，這是金融科技創新前沿研究的重要方法。但隨著數據生產要素理論的逐步完善，理論研究不足導致銀行數據治理實踐缺乏系統性思維和科學指導，整體進展較為緩慢。當前銀行業重點關注數據資產管理，但對數據資產、數據資本、數據資源等基本概念及內在聯系認識不清，導致銀行數據要素的價值難以充分發揮。

在此背景下，本文基于數據生產要素理論，結合銀行業實踐，從理論和實踐兩個方面進行探討。論文的結構如下：第一部分為引言，包括研究背景、研究意義、國內研究綜述；第二部分為銀行數據要素價值實現的理論基礎和理論框架；第三部分基于銀行業實踐，分析銀行數據要素價值實現的實踐進展與挑戰問題；第四部分從商業銀行角度，提出挖掘銀行數據要素價值的重點方向。

二、商業銀行數據要素價值實現的理論基礎與理論框架

（一）理論基礎

生產要素理論是西方經濟學建立的基礎與前提，生產要素稀缺性要求生產者必須提高要素的配置和使用效率。從時間順序來看，根據不同階段經濟發展特點，生產要素體系不斷擴容，呈現出從具體到抽象的特點。對于以技術、知識、組織、企業家才能為代表的第四種生產要素如何納入生產函數尚未形成統一的觀點①，但其作為生產要素的地位已經取得了共識。繼農業經濟、工業經濟之后，以數據為關鍵生產要素的數字經濟成為各國經濟發展的主流方向，數據生產要素理論逐步形成與完善。

數據是對客觀事物的數字化記錄和描述，用數據形式表現的信息能夠更好地被用于交流、解釋或處理。數據能夠成為一項單獨的生產要素，主要是由于：一是數據具有虛擬性，與勞動、土地、資本等傳統生產要素形成最主要差異，但又無法與技術要素通約[8，9]；二是數據具有稀缺性，也具有規模經濟性，數據的可復制性使得數據的邊際成本很低，符合成為關鍵生產要素的要求[10—12]；三是數據生產要素與土地、勞動和管理等其他生產要素具有替代和融合關系[13—15]；四是數據構成數字經濟與傳統經濟的主要區別，非競爭性使得數據具有高使用效率和巨大的潛在經濟價值，為經濟持續增長提供了可能[8]。

現有研究主要圍繞數據要素價值實現的“三化”框架進行研究，即數據資源化、數據資產化、數據資本化[16，17]。李海艦等[15]在此基礎上提出了數據商品化概念，形成數據形態“四化”的演進過程。蔡萬煥等[18]基于馬克思理論，認為數據要素被“使用”的過程就是其價值形態演進的過程，包括數據、數據產品、數據商品和數據資本。王恩東從整個社會的角度出發，提出數據資源化、數據商品化、數據生態化、數據社會化四個階段②。但整體來看，數據產品不是理論研究范疇，數據資本化包括數據商品化，因此本文遵循“數據資源化—數據資產化—數據資本化”的研究框架進行分析。

基于現有研究可以發現，企業內部數據生產要素價值實現遵循著基本規律。首先，需要將龐大的數據整合成具有潛在價值的數據資源，將數據與數據的采集、存儲、處理、分析、應用等一系列勞動相結合，轉變成可量化的數據資產；其次，數據資產只有通過交易和流通轉變為生產性的數據資本，才能真正釋放出企業數據的內在價值。

（二）理論框架

1.銀行數據要素價值實現的理論模型

銀行業是數據密集型行業，在經營過程中積累了大量跨周期的金融交易數據，也是利用個人和企業數據進行生產經營決策的重要行業。基于數據生產要素理論，銀行數據要素價值實現應當包括以下三個階段：

首先，銀行數據資源化，將分散的原始數據加工成為具有潛在價值的高質量數據，是釋放數據價值的邏輯起點。一項數據成為數據資源，應當具有可采、可見、互通、可信等特點，尤其是排除各類臟數據（dirty data）、冗余數據（redundant data）、假數據等低質量數據，并構建數據資源的質量管控機制和標準體系。商業銀行天生與數據打交道，每時每刻接觸和產生大量內部數據，同時也在獲取大量外部數據，積累起海量的客戶數據、交易數據、外部數據等。早期銀行業通過原始手工收集和記錄的方式積累數據資源。金融電子化時代，商業銀行開始利用現代計算機技術和網絡通信技術，將處于分散狀態的基礎信息加工成為高質量的數據資源。金融科技時代，數據資源的范圍進一步拓展，從個人職業、收入、財產等數據拓展到全方位客戶畫像，從企業財務經營數據拓展到上下游交易數據、電力稅務數據、投融資數據、招投標數據等。商業銀行通過公開搜集、個人和企業主動提供、外部購買等方式積累數據資源，因此數據資源具有開放共享的特點。

其次，銀行數據資產化，通過界定數據權屬、評估數據價值，將數據資源轉化為可量化、可帶來經濟價值的數據資產。銀行數據資產指商業銀行擁有或者控制的，能夠帶來未來經濟利益的數據資源，因此并非所有的數據資源都可以轉化成數據資產。從數據資源到數據資產，應當包括“數據資產確認—數據資產評估—數據資產核算—數據資產披露”等四個環節。根據2022年12月財政部發布的《企業數據資源相關會計處理暫行規定（征求意見稿）》，明確企業內部使用的數據資源和對外交易的數據資源屬于資產。基于會計處理方法，銀行數據資產意味著：一是作為核心資產納入資產負債表，需要解決數據確權、價值評估等問題；二是為銀行帶來經濟利益，數據作為科技與業務融合的著力點之一，將高質量的數據與具體業務場景、風險管理模型、內部控制與管理決策緊密結合，有利于真正助力商業銀行提質增效，發揮數據要素的商業價值。

最后，銀行數據資本化，銀行數據以資本的形式運營和運轉，通過數據交易、流通等方式獲得超額利潤并進行利潤分配，是數據資源經濟化的最終形態。商業銀行參與數據要素市場，主要有三種途徑：一是作為買方，購買行業數據以及金融風控、數字普惠金融、精準營銷等各類數據解決方案，將內部數據與外部數據相互驗真并深度融合，本質上是獲取數據資源、外購數據資產，不是真正意義上的數據資本化方式。二是作為數據商，交易、轉讓其數據是銀行數據資本化的重要渠道，但銀行面臨監管政策的不確定性。根據《人民銀行關于銀行業金融機構做好個人金融信息保護工作的通知》等相關規定，銀行僅是個人金融信息的控制者，原則上不應出售、共享、轉讓其收集的個人金融信息，因此商業銀行形成的數據資產難以通過數據交易所進行價值增值。近年來，全國性和地方性數據法律法規逐步明確自然人、法人和非法人組織的數據權益，鼓勵企業在合法合規的前提下參與數據資產流通③，這標志著銀行數據資本化迎來新的機遇。三是作為第三方服務機構，為企業和個人提供數據資本化服務。商業銀行創新開展數據資產金融服務，如數據質押、數據資產證券化等，代表企業或個人的數據資本化，形成商業銀行資產，但也不是典型的數據資本化方式。

綜合來看，銀行數據資本化有以下可行理論途徑：一是在征得個人同意的基礎上，與第三方服務商共享客戶金融賬戶數據，對銀行數據及銀行資源進行市場化整合及配置，這涉及開放銀行模式；二是利用隱私計算技術，包括多方安全計算、聯邦學習、差分隱私等，實現數據不出域、可用不可見，在不泄露個人數據的基礎上實現數據流通及數據價值深度挖掘，從而實現銀行數據資本化。

2.銀行數據要素價值實現的保障措施

健全的數據治理體系是商業銀行數據要素價值實現的內部組織保障。《關于銀行業保險業數字化轉型的指導意見》首先強調健全數據治理體系。根據國際數據管理協會（DAMA），數據治理聚焦數據資產管理，側重于企業內部數據管理體系。廣義的數據治理應當包含所有數據事項決策，尤其是數據采集、存儲、質量、管理、開放、應用等關鍵流程。完善的數據治理體系是銀行業數據要素價值實現的必然要求，也是商業銀行挖掘數據要素價值的具體措施，貫穿數據資源化、數據資產化、數據資本化三個過程，是數據生產要素化在商業銀行管理層面的具體表現。

完善的數據基礎制度是商業銀行數據要素價值實現的外部制度保障。《關于構建數據基礎制度更好發揮數據要素作用的意見》明確提出數據產權、數據要素流通和交易、數據要素收益分配、數據要素治理等具體要求，為數據要素價值實現提供制度支撐。以數據產權為例，對于銀行業務開展過程中個人和企業主動提供的收入、財務等信息和數據，銀行依法享有數據資源持有權，并在依法持有的基礎上行使數據加工使用權。因此，需要從頂層制度層面明確數據產權結構性分置制度，建立公共數據、企業數據、個人數據的分類分級確權授權制度，否則無法確定商業銀行擁有或控制的數據資源，更無法進行數據資產的估值和數據資本的流通。

三、我國銀行數據要素價值實現的實踐與挑戰

圖1 銀行數據生產要素價值實現的理論模型和保障措施

在外部監管要求和內部發展驅動下，目前我國銀行數據要素整體處于從數據資源化向數據資產化邁進的階段。從實踐來看，銀行數據要素并沒有完全按照“資源化—資產化—資本化”的順序依次進行，而是表現為內部分化、各自探索的特點。具體表現在：一是大型商業銀行通過多年數據資源積累率先進入數據資產化階段，目前重點關注數據與業務融合；二是中小銀行開始整合分散的數據資源，著力搭建數據治理體系；三是一些銀行開始利用前沿技術和開放模式探索銀行數據資本化。但是由于我國數據產權等基本制度尚未明確，加之銀行數據要素的特殊性和復雜性，銀行業數據資源化普遍開展，但數據資產化仍處于理論探索階段，數據資本化還未取得實質性進展。

（一）銀行數據資源化的實踐進展及問題挑戰

銀行業是數據密集型行業。基于BCG 研究報告，銀行業每創收100 萬美元，大約產生820GB 數據。但銀行業積累的數據資源主要是業務經營過程中客戶主動提供的標準化數據，掌握的另類數據④較少，導致數據資源的整體規模有限，且嚴格受制于客戶規模的大小。

銀行業數據資源化的歷史悠久，從數據中心，到數據庫、數據倉庫、數據湖、湖倉一體等新型數據產品，其首要功能是整合和存儲內外部數據。自1999年起，我國大型商業銀行開始數據大集中活動，集中和整合分布在各個分支機構和營業網點的業務及數據，形成數據中心，并對數據進行系統性分析和評價。2003年，商業銀行初建數據倉庫；2006年，商業銀行開始統一數據規范和數據交換，提升數據質量。在數字技術推動下，商業銀行開始探索數據資源全生命周期管理，不斷提高數據運維管理的安全、可控、可追溯、自動化能力。

隨著銀行業務向數據驅動模式轉型，商業銀行紛紛加大數據資源的匯集整合力度，推動構建一站式、智能化、開放式的數據資源管理體系，加強數據的互聯互通與開放共享。以政務數據為例，政務數據廣泛分散在各地政府機構中，近年來地方政府建設線上政務平臺推動政務數據數字化，成立專門的大數據管理和運營公司推動政務數據市場化，這在一定程度上便利了商業銀行引入外部政務數據資源。截至2021年10月，我國共有193個省級和城市的地方政府開放了線上數據，超過70%的地級市推進了政務云的建設⑤。對于政銀戰略合作，政府機構首選全國性商業銀行和頭部區域性商業銀行，綜合利用隱私計算、開放接口等技術共享政務數據。市場化購買方式主要依托各地數據交易所，數據產品種類豐富，銀行參與度更高。截至2022 年底，全國由地方政府發起、主導或批復的數據交易所已接近50家，貴陽大數據交易所、北京國際大數據交易所、華東江蘇大數據交易中心等均開通了政務數據交易專區，交易形式包括數據集、數據報告等。

表1 我國商業銀行獲取政務數據的主要方式及案例

目前，我國商業銀行廣泛開展數據資源化，但仍存在兩個方面的問題：一是個人數據采集和使用不規范，個人數據隱私權仍是商業銀行數據要素價值實現面臨的核心問題。從2022 年監管機構罰單來看，交通銀行信用卡中心未依法合規使用客戶信息、工商銀行吉林省分行違反信息采集相關管理規定、湖南瀏陽農村商業銀行向金融信用信息基礎數據庫提供非依法公開的個人不良信息等，商業銀行采集和使用個人數據資源的合規性有待提高。二是銀行數據資源的質量參差不齊，外購數據的準確性和合規性存在不確定性。中國人民銀行2019 年曾對商業銀行合作的數據公司是否存在違規爬蟲行為進行重點調查。目前數據交易所的供給方包括政府、數據集成商、數據加工與分析商等主體，除政府之外的數據供給方大多依賴自己的大數據工具對市場公開數據進行挖掘，可能存在未取得平臺授權秘密爬取數據的風險⑥；個別數據商通過與企業、政府戰略合作獲得非公開數據，數據的準確性存在風險。

（二）銀行數據資產化的實踐進展及問題挑戰

由于《企業數據資源相關會計處理暫行規定》尚處于征求意見過程中，加之銀行數據資產的特殊性，目前尚未有商業銀行將數據資產納入資產負債表中，但光大、浦發等商業銀行正在積極開展數據資產相關研究。

對于數據資產估值方法，光大銀行在傳統的估值理論基礎上，構建了普適性、可落地的數據資產估值方法體系，測算出光大銀行數據資產價值已超千億元；江蘇銀行根據銀行收益的組成，選用增量收益評估法對江蘇銀行數據資產進行推算。基于光大銀行總資產規模占比1.70%左右⑦，推測我國銀行業數據資產價值約6萬億元左右。由于我國上市商業銀行股價長期處于偏低狀態，因此估算銀行業數據資產價值有利于幫助商業銀行股價回歸內在價值。

對于數據資產入表方式，2021 年浦發銀行與IBM、中國信息通信研究院提出“數據資產經營報表”第四張財務報表的概念；2022 年光大銀行提出將數據資產使用權和數據資產經營權列入資產負債表中的無形資產二級科目進行核算。根據《企業數據資源相關會計處理暫行規定（征求意見稿）》，數據資產根據內部使用或外部交易兩種用途，分別計入無形資產或存貨。

目前，銀行數據資產化尚處于理論探討階段，除了受到會計制度的根本限制之外，還存在以下挑戰：一是銀行數據確權難。銀行擁有的數據既來源于客戶的交易行為，又由銀行的信息系統產生并進行加工處理；既有客戶主動提供的數據，也有搜集和購買的客戶另類數據。二是商業銀行擁有原始數據、衍生和加工數據等各類數據，非結構化數據占比較高，不同類型的數據資產價值評估方法差別較大。三是目前大部分商業銀行尚未構建起完整的數據資產管理體系。歷史數據仍然分散在各類小數據庫中，單個部門受權責邊界限制，難以對全行數據資產進行全口徑和全生命周期管理。這是制約銀行數據資產化的最主要原因。

（三）銀行數據資本化的實踐進展及問題挑戰

目前，銀行業數據資本化尚未取得實質性進展，大部分商業銀行對內部數據要素“走出去”持審慎態度。2020年中國人民銀行發布《商業銀行應用程序接口安全管理規范》，為開放銀行健康發展提供了一定的支持。從實踐來看，國內商業銀行開放銀行體系建設側重于場景和生態層面，出于數據安全和隱私保護考慮，尚未真正涉及賬戶層數據共享問題。如，招商、浦發和華夏等商業銀行重點發力生態層，興業銀行基于同業基礎進行技術輸出。整體來看，法律法規相對滯后、數據開放風險管理難度較大、成本與收益衡量等問題制約了我國開放銀行建設步伐，但以數據共享為核心的開放銀行模式是釋放銀行業數據要素價值的必然方向。

表2 我國主要商業銀行開放銀行模式

我國隱私計算市場發展迅速，銀行業對隱私計算具有剛性需求，并開始將其應用到普惠金融、聯合風控、監管合規等領域。在《多方安全計算金融應用技術規范》《金融業數據能力建設指引》等一系列法律法規的規范下，目前很多頭部商業銀行啟動了隱私計算研究，搭建和上線隱私計算平臺，并與政府、同業、運營商、互聯網平臺公司、傳統企業等機構開展數據共享。目前，銀行業通過隱私計算技術推動數據資本化存在幾個問題：一是當前隱私計算商業模式還處于早期探索期，要達到非常成熟與可用的技術狀態還需要一定時間；二是隱私計算技術對商業銀行傳統IT架構提出更高內控要求，技術投入較大，且存在“系統孤島”、運算效率低、安全性等挑戰；三是商業銀行利用隱私計算技術，更多是“引進來”，即引入外部數據形成數據資源和數據資產，而不是“走出去”，即通過銀行數據共享進行價值增值。

表3 我國主要商業銀行隱私計算應用情況

四、總結與展望

加快推動銀行業數字化轉型，本質是建立數據要素驅動的服務模式和商業模式，數據正在成為銀行業主要生產要素、基本業務單元和重要資產。銀行業是數據生產要素價值實現的重要領域，也是數據要素市場的重要參與主體，未來商業銀行需要從以下幾個方面重點發力。

（一）樹立系統性思維，在監管合規要求下，進一步加大對數據資源的保護、管理和開發力度

數據資源的規模和質量是商業銀行打造數據驅動型業務模式的基礎。因此，商業銀行需要堅持系統性思維，梳理和整合行內外數據資源，加大對數據資源的保護、管理和開發力度。

針對目前數據資源分散在各部門、各條線、各分行的問題，需要從總行層面加強數據資源管理，建立企業級或集團級數據資源管理平臺，或在原有客戶信息管理系統的基礎上，利用隱私計算等技術，加快多源異構數據的融合和匯聚，打造定期維護與更新、標準化管理與交互式自助、安全與高效的數據中心或數據倉庫。

針對銀行數據資源來源渠道有限的問題，重點加強與政府、電信公司、互聯網公司、金融同業、第三方數據公司等數據方合作，積極參與要素市場交易，在保障各方數據隱私和安全的前提下，加大數據采集和整合，并定期對數據來源渠道可靠性、數據更新及時性、數據質量有效性、數據內容完整性等方面進行全方位評估。

針對個別銀行違規采集和使用個人信息的問題，需要全行樹立保護個人信息和合規開展業務的工作機制，在消費者權益保護工作委員會或風險管理委員會的基礎上設立專門的數據保護委員會，并具體落實到銀行業務的各個環節。無論是手機銀行App功能設計，還是銀行產品和業務辦理所需材料，抑或是基層業務人員具體營銷工作，都應當堅持“最小化”原則，采取合法、正當的方式采集個人信息。

（二）探索科學性方法，適時推動數據資產入表，全面深化數據融合應用

未來，數據資產將成為銀行業最重要的資產類型，并直接影響商業銀行核心競爭力和提質增效能力。因此，商業銀行需盡快構建合理的數據資產管理體系，全面深化數據融合應用，充分挖掘數據要素的內在價值。

在數據資源管理的基礎上，形成銀行內部數據資產清單。可以按照數據來源，分為內部形成數據資產、外購數據資產、共享公共數據資產等；按照數據資產的具體形態，分為有形數據資產（如數據工具、軟件產品和服務）和無形數據資產；按照數據資產的功能，分為原始類、過程類和應用類等。對其進行科學合理估值，形成初始的數據資產清單。數據資產清單沒有統一的格式和要求，目的在于建立數據資產的統一管理模式，為數據資產入表奠定基礎。

根據《企業數據資源相關會計處理暫行規定》等法律法規的具體要求和實際進展，在數據資產清單的基礎上，探索將數據資產納入銀行會計報表的可行方式。建議將數據資產分層分類，分別按照成本法、收益法、交易法進行估值。如，銀行外購數據資產按照交易法、銀行內部生產的數據資產按照成本法、政府共享的數據資產按照收益法進行估值。目前，光大銀行已經針對17 個估值對象確定計算公式，可在此基礎上進一步探索行業統一的數據資產估值方法。

數據資產真正發揮價值，建立在數據與業務深度融合的基礎上。從零售業務角度來看，以數據要素為核心形成客戶畫像，充分挖掘長尾人群的金融服務需求，推動構建以智慧網點和手機銀行為核心、以開放API 拓展服務場景為手段、以智能化風控為保障的線上線下密切協作的零售業務新模式。從對公業務角度來看，基于產業鏈供應鏈，形成核心企業和上下游普惠、零售客戶聯動的產業數字金融生態，提供涵蓋對公貸款和零售貸款、財富管理、支付結算、國際貿易融資等在內的綜合金融服務體系。從金融市場業務來看，加強數據要素對投資決策的支撐以及客戶的拓展作用，推動金融市場板塊各條線業務向線上化、智能化、數字化、一體化綜合金融服務轉型。

（三）堅持開放性路徑，利用科技手段有序推進數據共享流通，探索數據銀行可行模式

伴隨數據確權、數據流通等數據基礎制度的完善，數據資源持有權、數據加工使用權、數據產品經營權有望進一步明確。《金融科技發展規劃（2022—2025 年）》提出跨機構、跨地域、跨行業數據規范共享有力有序推進，銀行數據資本化將迎來新的發展。

持續推動開放銀行體系建設與應用，并將其作為推動數字化轉型的重要抓手。開放銀行以新技術、數據共享、平臺合作為核心特征，既是商業銀行拓展業務場景、豐富金融產品與渠道的重要方式，也是商業銀行構建合作共贏生態圈、提高服務實體經濟能力的重要舉措。開放銀行代表商業銀行的開放性趨勢和開放性理念，不局限于通過開放API 技術讓提供商訪問客戶的財務信息，未來可進一步拓展到商業銀行擁有的數據、技術、場景和業務等，與各方攜手共建金融服務生態。

以隱私計算等新型技術為抓手，在安全合規前提下，兼顧數據需求者和供給者雙重身份，主動探索與政務、運營商、新型數據交易平臺的數據共享模式。強化產學研聯動，鼓勵大型商業銀行加大隱私計算技術研發與應用，形成行業可行方案和標準，再逐步推廣和應用，中小銀行在加強風險管理能力的基礎上逐步探索隱私計算應用。加強對敏感數據的保護，建議優先在產業鏈、產業集群、產業園區等產業生態和普惠金融服務場景中進行試點，通過產業數據聯盟等方式推動數據共享取得突破性進展。

探索新型數據銀行模式。目前關于數據銀行有兩種觀點：一是由國家成立專門機構統一管控，集中存儲和公開相關數據；二是浦發銀行提出數據銀行的三層含義，其實質是將銀行作為鏈接數據供給方和需求方的媒介，收取服務費與差價。商業銀行具有開展數據銀行模式的先天優勢，在數據銀行牌照化管理的基礎上，個人和企業將自身相關數據存儲在銀行，廣泛開展價值評估、存儲管理、數據信貸、數據交易等業務。但是由于數據的可復制性，數據銀行的具體保障機制需要進一步探索。

注 釋

①羅默模型、盧卡斯模型、格魯斯曼—赫普曼模型等模型的核心是將技術進步納入生產函數中，但具體形式不同。如羅默模型將社會生產劃分為研究部門、中間品生產部門和最終生產部門；盧卡斯模型實際上是“專業化人力資本積累增長模式”，人力資本變化率代表技術進步率等。

②資料來源：2022 年Inspur World 大會的主題為“Only Data數據進化世界”，浪潮集團執行總裁、中國工程院院士王恩東帶來題為“計算+數據原動力”的主題演講。

③如《關于構建數據基礎制度更好發揮數據要素作用的意見》提出“推動建立企業數據確權授權機制，健全個人信息數據確權授權機制和數據要素各參與方合法權益保護制度，尊重數據采集、加工等數據處理者的勞動和其他要素貢獻，充分保障數據處理者使用數據和獲得收益的權利”。此外，《深圳經濟特區數據條例》《廣東省數字經濟促進條例》《上海市數據條例》《四川省數據條例》均規定了自然人、法人和非法人組織對其合法方式獲取的數據，以及合法處理數據形成的數據產品和服務依法享有相關權益。

④根據AlternativeData.org 的定義：另類數據是指投資者用來評估一個公司或一項投資的數據，而其并不來自這類評估所經常使用的傳統數據源（例如財務報表、證監會報告、管理層宣講以及公司公告等）。從數據源來看，另類數據包括個體相關數據、商業過程數據、傳感器數據等。

⑤數據來源：國家工業信息安全發展研究中心主編的《中國數據要素市場發展報告（2021—2022）》。

⑥2022 年2 月，北京某科技公司因爬蟲竊密案被判處罰金人民幣4000 萬元。該公司在未取得求職者和平臺直接授權的情況下，秘密爬取國內主流招聘平臺上的求職者簡歷數據，涉及2.1億余條個人信息。

⑦數據來源：根據光大銀行2021年中期報告和中國銀行業協會公布的《2022年度中國銀行業發展報告》測算得出。