自2019年8月顶层设计明确将打通金融业数据融合应用通道，破除数据壁垒，化解信息孤岛至今，目前金融业数据要素融合应用进展如何？在技术上取得了哪些突破？又面临哪些问题和挑战？11月17日，在金融业数据要素融合应用与治理研讨会暨《金融业数据要素融合应用研究》发布会上，由中国互联网金融协会（以下简称“协会”）金融科技发展与研究专委会组织撰写的《金融业数据要素融合应用研究》（以下简称《报告》）正式发布，并对系列问题一一揭晓答案。

文章插图
探索数据“可用不可见”
“当前，新一轮科技革命和产业变革深入发展，数字化浪潮蓬勃兴起，数据作为国家基础性战略资源和关键生产要素的地位日益凸显。”会上，协会会长李东荣表示，金融业作为数据密集型和科技驱动型行业，如何平衡好数据要素融合应用和安全保护，充分发挥金融业数据要素的经济社会价值，已经成为摆在金融管理部门、行业协会、从业机构和广大金融消费者等面前的一项重要而紧迫的课题。
此背景下，《报告》指出，随着数据蕴含的经济价值日益丰富以及数据安全合规应用要求日趋严格，金融业数据要素平衡融合应用和安全保护的需求更加突出，在传统的公开数据搜集、原始数据共享等融合方式存在一定局限性的情况下，依托先进技术探索数据“可用不可见”“定量定向使用”的创新解决方案，已成为当前金融业数据要素融合的新途径、新方向。
所谓数据要素融合，是指在数据要素化背景下，对单一或多个数据源的数据进行关联、组合等操作，从而获得更好的数据处理效果。
早在2019年8月，央行发布的《金融科技（FinTech）发展规划(2019-2021年)》便为金融业加强数据要素融合应用提出了要求，即要打通金融业数据融合应用通道，破除不同金融业态的数据壁垒，化解信息孤岛，制定数据融合应用标准规范，发挥金融大数据的集聚和增值作用，推动形成金融业数据融合应用新格局。
在标准规则方面，截至目前，《个人金融信息保护技术规范》《金融数据安全 数据安全分级指南》等金融行业标准相继出台，多方计算金融应用等标准研制有序推进，金融业数据要素融合应用相关标准体系不断健全。
多种技术应用扬长避短
《报告》指出，金融业数据要素融合应用重要性日益成为行业共识，基于多方计算、联邦学习等技术的数据融合解决方案在合格投资者认定、信用评估、监管科技等领域已有初步探索，尽管尚未形成规模化应用，但具有广阔的市场需求和应用前景。
此次《报告》着重介绍了多方计算、联邦学习、数据脱敏、差分隐私、可信计算等金融业数据要素融合应用的支撑技术，从保密性、可控性、准确性、高效性、通用性、适用性等维度比较相关技术的原理，分析其技术特点，构建了包含目标需求属性、原始数据属性、标准规范要求等维度的技术选型分析框架。
《报告》认为，多方计算更适用于数据量适中但保密性要求较高的重要数据应用场景；联邦学习更适用于企业联合分散在用户终端的数据进行与需求相关的模型训练场景；数据脱敏更适用于数据量较大、泄露后风险或影响较小的普通数据场景；差分隐私更适用于统计分析场景，但不适合需要精准结果的场景；可信计算更适用于限制数据资产使用的场景，如数字版权保护、移动支付等。
《报告》强调，各项技术的应用并非互相排斥，实践中应注重综合运用、扬长避短。
从业机构数据治理能力有待提高
值得一提的是，《报告》基于对各代表性场景和重点机构的调研分析发现，我国金融业数据要素融合应用仍面临从业机构数据治理能力、法律法规、技术探索、市场接受度等方面的现实挑战。
一是从业机构数据治理能力有待进一步提高。以商业银行为例，根据调研数据，半数以上（53%）调研银行认为数据治理很重要，分别有80%、75%的调研银行已采取加大外部数据源引入力度、探索建立全行统一的大数据平台措施。同时，调研银行数据治理能力的自评估总体得分为3.03分（满分为5分），地方中小银行得分为2.8分，还有很大提升空间。其中，71%的调研银行认为自身在规范和提升数据质量方面存在挑战，认为自身数据价值挖掘能力欠缺、数据孤岛较为严重的调研银行占比分别为59%、55%。
二是对技术安全性的认识有待进一步明确。虽然多方计算、联邦学习等支撑技术在促进金融业数据要素融合应用方面具有很大潜力。但作为新事物，此类技术的市场接受度有待提升。特别是在强监管的金融行业，仍需各方进一步增进理解、加深认识、增强互信，科学评估风险水平，完善风险管理措施，确保技术在风险可控前提下得到合理应用。

稿源：(北京商报)

【傻大方】网址：http://www.shadafang.com/c/111J310U2020.html

标题：融合|金融业数据要素融合应用现新方向 可探索数据“可用不可见”