作者：中国光大银行副行长 杨兵兵

当前，数据作为关键生产要素的地位日益凸显，已成为推动经济高质量发展的重要引擎。商业银行作为国家经济发展的重要支撑，其数智化转型不仅是自身发展的内在要求，更是服务实体经济转型升级的重要驱动力。本文立足政策环境以及光大银行“十四五”期间在数据要素领域的探索成果，分析“十五五”时期商业银行的潜在发力点，进而提出了高质量数据集、人工智能(AI)数据治理、质押融资、算力融资四大方向，为商业银行数据要素价值释放提供参考。

一、数据要素体系加速成形，银行业数智化转型进入关键阶段

在数字经济与人工智能深度融合的大背景下，数据已与土地、劳动力、资本、技术并列，成为驱动经济社会发展的关键生产要素。数据要素释放生产力的核心在于通过政府与市场的协同作用，构建从数据资源到资产、再到资本的合规转化路径，最终赋能实体经济与金融创新。从2019年党的十九届四中全会首次将数据增列为生产要素，到2022年《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》(又称“数据二十条”)的发布，围绕数据确权、流通、定价、治理与安全的一系列配套政策相继落地，标志着我国数据要素制度框架已由探索阶段迈入系统化推进的新阶段。

商业银行在这一进程中处于不可替代的枢纽地位。一方面，银行天然积累了规模庞大、结构多样、价值密集的数据资源，是重要的数据要素持有主体；另一方面，银行在风险管理、资产定价和资源配置方面构建了成熟的方法体系，能够将数据要素有效嵌入既有金融框架。

数据要素价值化需系统解决确权、估值、流通、入表等关键问题，其中，确权是数据要素生产力释放的前提，估值是数据要素价值量化的基础，流通是数据要素价值变现的必经之路，入表是数据要素资产化的核心标志，而高质量的治理体系与数据基础设施则为这一切提供长期支撑。在这一背景下，商业银行既是数据要素市场的重要参与方，也是推动数据要素规模化应用的关键力量。

二、光大银行在数据要素领域持续探索实践

“十四五”以来，光大银行立足既有数据治理基础与金融专业优势，围绕数据要素价值转化的关键环节持续开展系统化探索，在数据资产估值、数据资源入表、数据要素流通以及金融产品与服务等领域形成了一系列研究和实践成果。

1.自研数据资产估值工具，夯实价值化基础能力

针对数据资产无形性、收益不确定、应用场景差异大等特点，光大银行探索构建以货币化为导向的数据资产价值度量体系，自主研发企业数据资产估值工具，在传统资产评估框架基础上引入多维评价指标，综合考量数据质量、合规状况、应用潜力与市场环境等因素，对数据资产价值进行相对客观的评估。在此基础上，光大银行进一步将GPU算力等新型生产要素纳入评估范围，尝试对“数据+算力”复合要素开展协同定价，为服务人工智能产业发展提供技术支撑。企业数据资产估值工具的研发既可助力一线客户经理在面客时对企业数据资产价值进行实时便捷的评估，也可对接外部合作平台，提供批量、实时的数据资产估值服务。

围绕数据资产估值理论与方法，光大银行形成了系统研究和实践成果，不仅在国内外核心期刊发表了多篇论文，更牵头多家金融机构编制发布《银行业数据资产估值指南》团体标准，为行业建立统一、可操作的参考框架，推动数据资产估值由个案探索走向规范化应用。

2.推进数据资源入表，探索资产确认路径

在估值基础上，数据能否进入财务体系，是其真正实现资产化的重要标志。围绕这一关键问题，光大银行系统论证了企业数据资源入表的可行性，形成较为完整的实施方案，并开展了数据资源入表实践。相关探索不仅验证了数据资源在会计层面进行确认和管理的现实可行性，也为企业侧开展数据资产管理提供了参考样本。通过入表实践，数据不再仅停留在IT或业务条线层面，而是逐步被纳入全面资产管理框架，有助于提升管理透明度与资源配置效率。

3.参与数据要素市场建设，打通合规流通通道

数据价值的规模化释放离不开顺畅的流通机制。围绕数据要素市场生态建设，光大银行从公共数据资源场内交易模式、企业数据资源价值与收益实现、公共数据资源授权运营以及成本核算等多个维度开展研究，重点探索公共数据资源在金融领域的合规流通与应用路径，并通过与地方数据交易机构合作，积极推动数据要素与金融业务的深度融合，逐步形成从数据供给、价值评估到金融服务落地的闭环路径。在这一过程中，商业银行不仅是数据使用方，也在一定程度上参与到市场规则与应用模式的共建之中，为后续数据要素市场规模化发展积累经验。

4.创新金融产品与服务，服务数字经济主体

在金融实践层面，光大银行围绕数据驱动型企业“轻资产、高成长”的融资特点，探索形成数据贷、数据托管等创新业务模式，发布“光数贷”“贵数贷”“数信贷”“西数融”等多种信贷产品，与多地大数据交易机构建立合作机制，推动相关业务在分行层面落地实践，形成了一套可复制、可推广的“光大数据贷方案”，惠及全国不同行业和发展阶段的科技型、数字型企业，有效缓解其融资难题。这标志着数据要素在银行信贷体系中的角色正逐步由“辅助增信”向“核心定价因子”转变。

三、从“数据赋能”走向“数智协同驱动”

在数字经济蓬勃发展和人工智能技术变革的双重浪潮下，“数据要素+人工智能”成为驱动时代发展的双轮引擎，二者融合共生，推动新质生产力发展，赋能实体经济。一方面，数据是AI的燃料，高质量、多样性的数据是训练精准AI模型的基石，数据的质量、规模、广度和组织形式决定了AI的智能边界；另一方面，AI是数据的引擎，赋能数据增值，并通过治理、分析、关联和预测，将原始数据转化为高价值的信息和知识，实现数据的增值与深度利用，提升决策效率。

1.构建高质量数据集，有效支撑人工智能决策

AI时代，数据的使用主体正从“人”加速转向“AI”。然而，要让AI真正读得懂、用得好，数据本身需要经过长期沉淀和积累——这便是高质量数据集的价值所在。高质量数据集越多，AI就会越精准快速。因此，构建高质量数据集成为AI时代的关键突破口，其核心路径主要有两个方面：一是多源数据融合，将银行业务数据、“酶”数据、元数据等各种类型的结构化和非结构化数据充分融合，发挥多源数据的叠加效应，提升数据集的完整性和规范性，这是高质量数据集构建的基础；二是建立数字孪生，对实际业务进行物理世界与数字世界的双向映射，通过建模、仿真、数据连接和可视化交互等方式提升数据与场景的适配度，让AI对现实世界的理解更加透彻，从而进行智能决策。

2.变革数据治理体系，迈向“智治”和“孪生”新阶段

随着服务对象由“人”向“机器”迁移，传统数据治理体系已难以满足智能化需求，急需推动治理思路的系统性变革：一是强化元数据语义构建，以机器读懂数据为目标，强化对元数据语义的形式化描述和推理，反映深层次的业务管理和逻辑；二是坚持“无场景不治理，无场景不‘孪生’”的原则，依托具体业务场景构建数字孪生，实现数据治理与业务需求的精准匹配；三是推动从“人治”向“智治”的加速跃迁，构建“数据治理超级智能体”(Super-DGA)，推动治理模式从“人海战术”向智能方式转变；四是构筑数据质量和安全底线，高质量、高安全性的数据是释放数据智能价值的前提，必须将其置于治理体系的核心位置。

3.深化数据资产质押融资，拓展数据要素金融边界

数据要素资产化是指以数据要素为基础，通过金融市场，实现数据价值向金融价值转化。当前，金融行业实践已逐步从数据资产“增信”向“质押”融资模式拓展。随着政策、市场以及数据交易规模的逐步扩大，数据资产的金融属性将日益增强。金融机构可积极探索数据资产质押融资模式，推动数据资产从“可用作增信”转变为“可被金融体系普遍接受”的资产形态。

4.推进算力融资创新，探索算力价值评估与金融服务创新模式

国产算力需求的增长，正加速推动人工智能数据中心(AIDC)等新型数据中心建设，这类数据中心以算力、算法、数据为核心要素，为金融服务人工智能产业发展开辟了新路径。商业银行可积极从两个方向进行深入探索：一是将价值评估体系从“数据资产”拓展至“多元算力”等新型要素，着力构建契合科技型企业算力特色的评价模型；二是探索与之匹配的特色金融服务模式，以更有效地支持人工智能产业发展。

“十五五”时期将是数据要素从研究走向实践的关键阶段，也是数据要素与人工智能深度融合释放新质生产力的重要时期。商业银行在数字经济时代，既要积极拥抱数据要素和人工智能创新，也要守好风险底线，成为数据要素价值化的推动者和赋能者。

在深度融合与创新方面，商业银行具有天然的数据资源禀赋，在数字经济快速发展的进程中，统筹发展和安全，将数据要素与人工智能深度融合，积极探索业务变革的新路径和新可能；在价值化与金融服务支撑方面，着力解决数据要素价值化的核心问题，依托金融市场，积极服务数据产业和人工智能产业发展，为新质生产力发展注入金融活力。