▲侯永砥

三亚学院盛宝金融科技商学院

国际经济与贸易专业负责人，

金融创新与多资产智能交易实验室专家

国旭

上海大学上海科技金融研究所

研究助理

图 | 由作者提供

随着数字经济的蓬勃发展，数据要素作为第五大生产要素的重要性日益凸显。本文聚焦“数据要素×金融服务”这一前沿领域，旨在揭示数据要素与金融服务深度融合的内在逻辑、作用机理及创新发展路径。

本文构建了“数据要素×金融服务”的三阶段递进框架：

第一阶段通过整合金融、政务、行业等多源数据实现业务协同；

第二阶段通过数据复用与协同优化提升服务效率；

第三阶段通过跨行业数据融合推动产品创新。

通过深入分析蚂蚁集团、中金公司和工商银行的典型案例，发现数据要素显著提升了金融服务实体经济效能，但在实践应用过程中仍面临数据隐私安全、标准化不足、组织文化转型难等挑战。基于此，提出了健全数据治理体系，建立统一数据标准与开放平台，重构敏捷组织并培养数据素养，强化跨行业协同生态建设等对策建议。

一、引言

金融行业是一个高度依赖数据的领域，数据在金融行业的变革中起着重要作用，其价值越来越受到重视。数据不仅是金融决策的重要依据，也是金融创新的重要来源。随着对数据的深入分析和挖掘，各种新的金融工具和产品不断涌现。此外，数字化技术的进一步应用推动了数字金融服务的发展，其中包括网上金融平台、电子支付系统以及电子银行产品和服务。数字化极大提高了金融服务的效率和普及程度，同时也为金融行业的发展注入了新的活力。

2024年，国家数据局正式发布《“数据要素×”三年行动计划（2024—2026年）》，该规划通过激活数据要素的乘数效应，着力构建数据价值释放的创新机制。

在金融领域的实施方案中，重点聚焦金融服务效能与金融风险防控能力的协同提升，以驱动实体经济数字化转型并促进数字金融高质量发展。

具体实施路径包括：

第一，构建跨领域数据融合机制，整合金融业务数据与政府公共数据、行业专业数据及社会民生数据等多源异构数据资源；

第二，建立涵盖金融信用、公共信用及商业信用等多维信用数据的共享流通机制，重点推进金融机构间风控信息的互联互通。

值得关注的是，中国人民银行此前组织编制的《金融科技发展规划（2022-2025年）》提出通过深度整合数字技术重构金融服务全流程，系统化构建数字专家视角化思维框架，最终实现数据资产的多维赋能与综合应用。

学界对于数据要素×金融服务已经有了一些探索，例如，欧阳日辉和孙翼分析了金融服务的数据要素乘数效应表现在三个方面：协同优化推动金融业务数字化、复用增效助力金融决策智能化、融合创新实现金融价值涌现化。

何喆等研究者提出通过六个关键要点促进数据要素×金融服务的发展，其中包括构建数据管理底座、推动数据采集扩源、完善数据治理体系、加强多源数据融合、强化数据安全合规管理以及以数据为核心驱动力等。然而，当前学界与业界对于“数据要素×金融服务”概念的理解尚不够深入与系统，既缺乏具体的执行逻辑与机理，又在实践中缺少可供借鉴的成功案例。

本文对数据要素与金融服务的乘数效应的原理进行深入的理论探讨和分析，以便更好地理解二者的相互作用机制，进而推动相关实践的发展。相较于同类研究，本文具有以下创新点：首先，基于已有文献，探讨了数据要素、金融服务、“数据要素×”的内涵和逻辑，并据此提出“数据要素×金融服务”的明确定义。其次，分析数据要素在金融服务领域产生乘数效应的理论基础和操作机制，并构建相应逻辑框架。该框架不仅继承了先前的理论框架，还对其加以细化，明确金融服务和数据融合的具体步骤与关键环节，助力金融机构更清晰地规划与实施以数据为核心的金融服务策略。最后，通过引入实际案例，直观呈现“数据要素×金融服务”的实践应用，为金融行业的创新发展提供有价值的参考与借鉴。

二、数据要素和金融服务的定义和内涵

（一）数据要素

广义上，数据是指可被处理以用于推理、讨论或计算的事实信息。《中华人民共和国数据安全法》将数据定义为“任何以电子或其他方式记录的信息”。简单来说，数据是指从事物或事件中获取的原始事实或数字。数据既可以是定性的，也可以是定量的。定性数据以描述性术语表达信息；定量数据则是可测量的，并产生具体数值。数据还可分为名义型、有序型、离散型和连续型。其中，名义型数据和有序型数据属于定性数据的范畴，而离散数据和连续数据则属于定量数据。

生产要素是对生产过程中为获得经济利益所投入资源的高度凝练。随着计算机与数字经济的发展，催生出有赖于数据的新型资源或生产要素的商业模式，凸显了数据对推动生产力发展的价值。因此，数据已经成为一种非常重要的资源，被看作是继土地、劳动、资本和技术之后的第五大生产要素。根据中国信息通信研究院发布的《数据要素白皮书（2022年）》的定义，数据要素指的是根据特定生产需求汇集、整理、加工而成的计算机数据及其衍生形态。

数据要素的主要表现形态包括原始数据集、标准化数据集、各类数据产品以及以数据为基础产生的系统、信息和知识。数据要素本质上是包含生产效应、具备创造能力的有效信息。数据要素有几个显著特点。作为一种独特的技术产物，其具有虚拟性、低成本复制性、主体多元性。在经济活动中，数据还表现出非竞争性、潜在的非排他性、异质性。与其他传统的生产要素相比，数据的某些特性使得它不能像传统方式那样被管理和使用，但是，数据可以被无限制地复制和共享，且其供给几乎是无限的，这打破了传统生产要素有限供给对经济增长的限制，为经济的持续增长和可持续发展提供了新的基础和可能性。数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各环节，深刻改变着生产方式、生活方式和社会治理方式。

（二）金融服务

金融行业是一个广泛的领域，是涉及与货币和信用活动相关的一切经济活动的总称。这些活动包括但不限于资金的筹集、借贷、投资和管理，以及与之相关的金融产品和服务。金融服务可以理解为获取和交易金融产品（如股票、债券、保险等）的过程，它包括了从买卖金融商品到提供相关咨询的所有服务。金融服务的提供者包括银行以及一系列提供保险、投资、证券和贷款的机构。具体来说，金融服务是指由银行、保险公司、投资公司等金融机构提供的，帮助客户进行资金管理、风险管理和投资的一系列服务。这些服务包括但不限于帮助客户进行融资和投资、储蓄存款、信贷借贷、金融结算、买卖证券、购买保险以及提供财务信息咨询等。

金融行业本质上是一个高度依赖数据的领域，因为金融消费者在进行日常金融活动，例如交易、存取款、信贷和保险等业务时，会产生海量的数据。这些数据不仅数量庞大、更新速度快，而且维度复杂，这也意味着它们涵盖了众多不同类型的信息。随着互联网的普及，数字技术在金融业务中的应用变得更为深入和广泛，并催生了普惠金融和数字金融等新兴业务模式。这些模式的兴起，加速了金融业的数字化转型进程，而在这一过程中，数据已经成为至关重要的资源和要素。

由于金融服务的特性，其数据要素特征在一般数据要素的基础上可以扩展出广泛互联性、动态高频性以及网络价值性。一是广泛互联性，由于金融业务与其他行业活动紧密相连，涉及国民经济的各个部门，这使得金融业的数据来源较为广泛。二是动态高频性，由于金融市场变化迅速和频繁，各行各业的波动都可能对金融市场产生影响，因此金融业的数据更新速度也非常快。三是网络价值性，随着客户数量的增加和交易活动的频繁，其金融市场优势会随之增强，这种优势很多时候也是通过数据规模体现的。

三、“数据要素×”的内在逻辑与机理

“数据要素×”是指数据要素的乘数效应。在经济学中，乘数效应描述的是一个经济活动或投资的初始变化会通过一系列连锁反应导致总体经济产出的成倍增长。这种效应在经济模型中被用来解释和预测经济政策变化对经济总体的影响。我们可以将“数据要素×”理解为数据要素和不同主体（行业、领域、场景、要素）的乘数效应。换句话说，数据要素融入不同主体后，凭借其独特的特性——如非竞争性、低成本复制性、潜在的非排他性及异质性——能够在具体主体中产生不同程度的倍增效应，从而创造价值。在广度上，数据要素并非局限于单一或特定主体，而是作为基础性生产要素，对各个要素、场景、领域和行业的应用；在深度上，数据要素的价值呈现出乘数效应，而非简单的线性增长。

目前已有研究者指出，数据要素乘数效应运行机理是以数字技术为驱动，通过技术机理和效能机理的共同作用，发挥数据要素的放大、叠加及倍增效用。在技术机理层面，通过数据协同（整合与学习）实现数字技术应用；在效能机理层面，通过复用与融合数据实现数字技术应用。中国信息通信研究院研究提出，数据要素释放价值主要通过以下三个途径：一是业务贯通，将数据要素投入业务系统，实现各业务间的无缝贯通；二是数智决策，深入挖掘数据间的深层次关系和规律，推动决策过程的智能化与精准化；三是流通赋能，借助数据的流动与开放共享，促进多源数据的汇聚、融合及高效综合利用。国家数据局指出，数据要素乘数效应表现在三个方面：协同优化，即通过部门或组织间的协作提高工作效率和效果；复用增效，即在不同场景下重复使用数据拓展生产和创新的可能性；融合创新，即通过将不同类型和维度的数据结合产生新的应用、模式，进而推动经济的创新发展。

综合来看，这些提法存在内在联系，可以将“数据要素×”的底层机理总结为：数据整合，把各种分散的数据信息搜集起来，进行整理和分析，使之成为一个统一的、有条理的整体；业务贯通，不同部门利用数据进行业务运作，并共享数据和信息；数智决策，利用收集和处理大量数据，了解模式和趋势，帮助决策；流通赋能，促进数据的流通和应用，并在这个过程中赋予其新的功能或能力；（未完，完整内容，请订阅杂志。）

文献来源：侯永砥、国旭.数据要素×金融服务的机理与创新发展[J].科技与金融,2025(3):04-8.

编辑｜吴政希 校对｜余健仪

· 文章版权归本编辑部所有，未经授权不得转载。

· 如需获取转载、合作、采访等需求请到微信公众号菜单栏，获得相应信息。

· 您亦可在知网、今日头条、南方号等相关平台上关注我们。