數字金融作為金融“五篇大文章”之一，正在成為金融機構有效利用數據資源，以數字技術推動產品和服務創新的有力抓手。

在服務實體經濟的過程中，數字金融也面臨一些“成長的煩惱”。比較突出的除了此前業內討論較多的數據失真、確權問題，還有數據互認、算法歧視等新問題。

迫切要解決的是金融數據互認問題。同一家企業的數據，在不同的金融機構之間，包括國有大型銀行以及股份制商業銀行之間，彼此不互認。金融數據的重復認證，一方面不利于金融資源的高效利用，另一方面也增加了企業的各類成本。甚至有企業反映，有金融機構的不同分支行對同一類型的企業審核標準都不相同。

在更廣泛的領域內推動數據互認，將給金融行業帶來諸多利好。通過與零售等其他行業的數據互認，金融機構可以更準確地分析消費者行為，從而設計出更貼合市場需求的金融產品，如已有的一些基于實時消費數據的信用評估系統。深層次的數據融合還可以促進新業務模型的產生，如按需保險和預測性財務管理服務等，這些都是在傳統服務模式下難以實現的創新。

與此同時，與數據互認相伴的一些風險也值得監管警惕。近一個時期，數據互認在一定范圍內引發了關于數據安全和隱私保護的討論。在金融數據互認的過程中，大量企業尤其是中小企業的數據還是紙質的，并且存在保密的問題，需要考慮如何在打通數據流通壁壘的同時，保護好企業的金融數據安全。現實中，一個產業鏈上的供應商往往對接七八家核心企業，核心企業又對接多家銀行，一家供應商可能在十幾家，甚至二十幾家銀行都開了戶，從監管的角度，需要考慮如何去支持有限度的跨行放款，從而解決供應商多頭開戶的問題；在電子票據日益普及的過程中，也要考慮如何避免“一票多融”的風險；等等。

金融數據互認對于數字金融發展至關重要。在推動金融數據互認的過程中，掌握了大量沉淀數據的金融機構要發揮主力軍作用。同時，監管部門要關注其中的風險，既要充分運用數字技術提升服務效率，也要防范技術不當應用可能影響社會公平，要避免大數據以及算法的歧視，導致弱勢群體被金融大模型排斥在服務之外。

（來源：經濟日報）