图片来自“Pixabay”
涉金融服务数据分析行业的现状
社交网络与电子商务使人们的日常社交、消费活动日益网络化、数据化，进而推动了传统金融的线上化与互联网金融的发展。互联网金融极大地缓解了传统金融市场的金融抑制问题，促进了我国普惠金融事业的发展，消费金融、网络借贷市场规模不断扩大。在这一系列社会活动进化的背后，隐藏着一条主线，即人类活动的数据化，从而催生了大数据及数据分析市场。数据分析机构利用大数据提供了有效的金融风险控制工具，如智能风控、用户画像、用户价值挖掘等。
一方面，数据分析行业快速发展，“人红是非多”；另一方面，数据分析行业缺少监管，难免良莠不齐、泥沙俱下。当下，部分数据分析机构由于缺少底线思维，涉嫌违法违规而被当局调查。
尽管纷扰不断，但传统金融机构（如商业银行）的线上化进程不可逆转。在这一进程中，数据分析机构所提供的各类工具和服务一时难以替代。以智能反欺诈为例，数据分析机构通过各种技术手段广泛采集到各类重要数据，并以此建模进而通过人工智能深度学习模型监控监督相关数据信息往来，进而及时发现预警危险数据、欺诈信息。对中小金融机构而言，自建上述建模分析能力的成本太高。若缺少数据分析机构的能力支撑，必然会增大业务风险；若停止相关业务，则会因缺乏竞争力而失去市场，同时也会影响到普惠金融的推进。
综上所述，数据分析机构为金融市场提供的各类技术与工具，是促进普惠金融事业发展的必要补充和支持。也就是说技术本身是中性的，无善恶之分。认识到这一点，有助于理性、客观地看待数据分析市场和数据分析机构。
涉金融服务数据分析行业的价值
传统征信体系主要是针对有完整信贷记录的社会主体，无法满足大量缺乏信贷历史数据的借款人的金融需求。例如虽然我国的征信体系覆盖了8亿人群，但是有信贷记录的人群只有3亿多。特别是金融行业服务的下沉客群，更多地是使用民间借贷和网络借贷，其征信数据难以完整收集记录，而这些下沉客群也正是普惠金融需要覆盖的人群。另外，随着金融业务的线上化，各类黑产兴起，欺诈行为愈加隐蔽，仅靠传统的征信数据显然无法应对上述问题。从这个角度来看，支持数据分析机构的发展，也就意味着支持我国普惠金融事业的发展。以目前行业内普遍使用的智能风控为例，数据分析机构利用大数据、云计算、人工智能等技术构建线上金融风控体系，并通过海量运算与校验训练提升模型精度，最终应用到反欺诈、客户识别与认证、贷前审批、授信定价、贷后监控及逾期催收等金融业务全流程，有利于提高金融机构的风控能力。
总体来看，信贷市场除了需要传统征信体系提供征信数据外，其在很多领域也需要数据分析机构提供更多支撑。
一是在信贷客户反欺诈识别领域，信贷市场受限于征信数据的收集范围，难以全面获取客户与欺诈相关的信息，而数据分析机构则具有更大优势。
二是对于初次申请信贷的客户，由于缺少个人征信数据，信贷市场往往难以识别和准确计量风险，而数据分析机构可以结合社交、电商、出行等数据给出一个相对准确的评估结果。三是对于有个人征信记录的客户，也可以加入数据分析机构的分析结果，更加准确地区分并计量风险，给客户提供更加优惠的信贷条件。
此外，随着开放银行的兴起，数据问题又被赋予了更多的意涵。开放银行的本质是一种数据共享统合机制，其以消费者为中心，以模式、平台以及监管三重不同的维度为建构要素，并以API技术为赋能基础。消费者数据控制权的确立是数据共享的必要前提，也是金融数据统合理论的内在要义，决定了消费者数据控制的三元标准。金融科技是由技术带来的创新，它能创造新的业务模式、应用、流程或产品，从而对金融市场、金融机构或金融服务的提供方式造成重大影响（FSB，2016）。开放银行是金融科技的新应用 、也是发展数字金融的核心热点，但科技只是实现开放银行数据确权、利用、赋能目标的手段，通过开放式API实现银行数据的开放，在第三方服务商获得数据共享利益的同时，银行也能在金融生态一体化中获得更多场景化的数据，实现“双向互惠”。
由上可以认为，数据分析市场(及数据分析机构)具有如下价值：
一是帮助金融机构服务下沉客群，进一步促进我国普惠金融的发展，拓展银行业务；
二是有效防范金融风险(欺诈风险及信用风险)，维护金融稳定；
三是作为传统征信业的有益补充，助力社会信用体系的完善。
涉金融服务数据分析行业的善治
由于数据分析机构拥有海量的替代数据，能够有效弥补传统征信机构在客户数据上的不足，故而金融业逐步采用这些数据分析机构的产品和服务以扩展金融服务范围，例如开展小微企业贷款等普惠金融业务。随着数据分析机构服务金融业的作用越来越大，对其进行适当规制也成为有关各方亟需思考的问题。
毋庸置疑，数据分析机构为金融市场提供的相关技术与工具是中立的。然而，数据分析市场确实存在诸多乱象，问题出在人性善恶与规制(管理)不足。国家已经发布了一系列的规范性文件，如《网络安全法》、《数据安全管理办法(征求意见稿)》、《最高人民法院、最高人民检察院关于办理侵犯公民个人信息刑事案件适用法律若干问题的解释》，以及金融数据保护方面的部门规章制度等。然而，数据分析行业发展迅速，部分数据分析机构尚未及时消化各类规范要求，这就需要监管机构加强引导，促进行业建立一套良好的实践做法，在隐私保护与合理利用之间达到平衡，以包容创新促进数据的合理利用。
当前的紧要任务是推动形成金融监管机构、行业头部企业与法律界等共同研究探讨的善治局面，鼓励科技向善。针对当前数据分析行业的弊端，可以考虑采取以下措施：
（一）金融监管机构出台金融业个人数据保护合规操作指南
针对金融业大量使用自有个人数据和第三方个人数据以及相关法律法规尚未健全的现状，金融监管机构应出台相应的合规操作指南，引导金融机构及数据分析机构的合规运行。从欧盟个人数据保护的实践经验来看，在《数据保护指令》和GDPR出台前后，欧盟出台了一系列合规操作指南，帮助行业企业提高合规操作能力。
在金融业个人数据保护合规操作指南的指导下，金融机构可以制定相应的内外部个人数据使用合规流程，规范日常金融活动中的个人数据使用行为，以减少法律合规性风险。金融机构在采购第三方数据服务时，依据内部个人数据使用规则，要求数据分析机构也符合相应的合规要求，这样也间接促进了数据分析行业的合规运行。
（二）建立个人数据保护的行业自律组织
金融业应以行业自律组织为基础，制定个人数据保护自律守则，设立隐私认证标识(Privacy Mark)。以日本为例，日本信息处理与开发中心(Japan Information Processing and Development)成立于1967年，2011年更名为日本情报处理开发协会(又译日本情报经济社会推进协会，Japan Institute for Promotion of Digital Economy and Community，JIPDEC)，1996年4月开始推荐隐私标识系统(PrivacyMark system)，2016年6月成为隐私标识系统认证提供商。隐私标志制度是评估私营企业是否采取适当措施保护个人信息的制度。私营企业在经营活动中，享有“隐私标志”的标识权。该系统符合日本工业标准(JIS Q 15001：[个人信息保护管理系统-要求])。参照日本经验，我国金融监管机构可以组织金融业成立行业自律组织，设立“隐私认证”标识。数据分析机构可以按照市场化原则自愿参与“隐私认证”标识认证，通过相关认证的数据分析机构方可为金融机构提供数据分析服务。
由于金融业是数据分析机构的主要市场，对数据分析机构采取适当的监管措施也是必要的。2018年11月，香港环联资讯发生泄漏个人信贷资料的事故。事发后，该公司立即停止了相关服务。香港金融管理局（金管局）在获知事故后通过银行公会要求环联立即全面调查事件，并尽早提升索取资料所须的认证程序。尽管环联并不受到金管局的直接监管，但该事故涉及到银行向环联提供的个人信贷资料的安全性，因此金管局的介入是恰当的。金融监管机构可以要求数据分析机构做好数据保护与认证工作，进而可以组织数据分析机构建立市场化自律性行业协会，起到间接规范数据分析行业的作用。这样一来，如同香港金融监管局一样，金融监管机构可以对数据分析行业实施恰当的行为监管措施。
（三）以合规供应商清单的方式促进数据分析行业的发展
在金融业个人数据保护合规操作指南的指导下，金融监管机构可以进一步设置数据分析机构合规操作指南，要求数据分析机构按照指南要求开展相关个人数据保护工作，并采取现场检查、非现场检查等措施定期评估其合规性，根据合规性评估结果定期公布合规供应商清单，以此来加强数据分析行业的个人数据保护。
以共票促进涉金融数据分析行业的数据共享
当前，随着5G、大数据、云计算、人工智能、物联网等技术突飞猛进的发展，社会已经迎来了继农业经济、工业经济之后的数字经济时代，新一轮科技革命即将爆发。历史表明，每一次人类社会重大的经济形态变革，必然产生新的生产要素，形成先进生产力，如同农业时代的土地和劳动力、工业时代的资本与组织，数字时代也将产生新的生产要素。生产力提高所带来的生产要素变革是共票理论提出的根本原因。
工业革命诞生了公司制与股份制，用于集合社会资金投入生产建设，并向投资者分配利润。而本次科技革命最大的特点是不同技术之间的融合，混淆了虚拟世界与现实世界之间的界限，作为虚拟与现实世界联结点的数据成为了新的生产要素。在数据经济业态中，传统的公司制与股份制当然仍在发挥着作用，但推动该经济业态发展壮大的核心在于众筹制度理念。“众筹”译自“crowdfunding”一词，顾名思义是指一种向群众筹资用以支持发起项目的行为。众筹是继公司制后的又一伟大的融资制度创新，有利于生产供给与需求的匹配，优化资源配置；也有利于资本家对打破生产资料的垄断，让生产资料所有者、劳动者与消费者等各方主体均能参与生产经营并分享利润。类比于公司制与股份制，新的经济业态与众筹制度也需要与之配套的新的权益分配与共享机制，“Token”则为权益分配机制的演进提供了契机。为了适应数据引起的生产关系变革，清除行业乱象，笔者提出了“共票”理论，并将其英文译为“Coken”。“共票”即凝聚共识、共享权益的票证；而“Coken”则是对“Token”的扬弃，其中“Co”作为英语词汇前缀具有“共同、相互、联合”的意思，非常契合众筹理念，有利于引导数据经济业态的正确发展方向。共票理论内含众筹理念，既可以指引项目方摆脱依赖二级市场售币套现的困境，消解滥发空气币的乱象；也可以为监管者提供数据治理的手段和目标，更好地实现“以链治链”。“共票”本质上是数据新业态下产生的一种新型权益分配机制，是吸引系统外资源投入后回馈的权益凭证，具有权益证明、分享红利、消费流通等功能，而系统参与人则具有投资者（贡献价值）、消费者（使用）、管理者（参与决策）三重身份，体现了众筹的价值。
数据分析行业的核心在于数据。“共票”能为数据的确权、定价与交易赋能，实现价值发现，推动数据共享。就交易而言，一旦共票与数据嵌合，某一段数据可以被单独标识，并在不断使用、交换、再使用、再交换的循环中以单一匹配的共票作为定价工具在公开交易市场中实现价值发现的功能，进而亦可锁定高价值特殊数据，因此数据可以通过共票在不断分享中增值以回报初始贡献者。就监管而言，目前监管数据经济业态的痛点在于数据。政府对新科技业态的管理决策建立在与之相关的特定数据的基础之上，而数据经济业态日新月异的创新实践往往导致相关数据尚未及积累或监管者选取了错误的数据作为依据和指标，从而陷入缺乏充足、有效数据的盲目规制或消极规制的困境。“共票”机制结合内嵌的智能合约与区块链，具有不可篡改的记录功能，可以一比一智能匹配一段数据串，实现数据聚合、匹配与追踪，自动化分析海量数据。同时结合大数据、云计算、人工智能等其他前沿技术，构建数据聚合、大数据处理和解释、建模分析与预测的有效机制，可以辅助监管者实现技术驱动型治理。
围绕数据进行规制，共票也需要一定的配套机制，这些配套机制需从科技治理、数据治理的角度出发进行设计，例如构建大数据分析和风险预警机制，制定数据技术标准。提高数据采集和管理能力的技术主要包括新的加密与安全技术，云技术和公共平台具有创建标准化的数据共享功能，机器学习技术以及区块链技术。互联网带来了金融经营方式的变革，金融机构的核心竞争力在于其高速的科技创新，区块链技术带来了金融市场的深刻变革与发展机遇，同时也冲击着现有的金融法律制度。变革与冲击促使着金融监管模式由分业的机构性监管向功能性监管转变、制度化监管向技术化监管转变、单一中心监管向多中心监管转变，也促使着金融消费者保护机制的新探索。只有在技术的创新下搜寻到合适的制度演化路径，才能够真正体会到其给社会发展带来的正效益。
本文已标注来源和出处，版权归原作者所有，如有侵权，请联系我们。
