一、案例引入：数字资产质押贷款悄然兴起，缓解数据公司初创期融资难银行业数字化转型是数字中国建设的重要一环。“加快数字化发展，建设数字中国”是“十四五”所提出的规划目标，中国企业的数字化转型离不开金融机构的支持，陆续有银行将自身以及帮助“他人”数字化转型作为未来重点战略。
目前已有多地银行为数字资产进行放贷，形式上与传统的银行贷款大致相同，主要分为三类：信用类贷款，抵押类贷款和质押类贷款，在下列案例中根据数字贷款运用场景区分不同类型贷款。按照定义来说，信用贷款是指银行依据借款人历史授信情况、未来收入和流水情况以及名下资产情况等进行纯信用放贷；抵押贷款是将属于自己使用权或者所有权的固定资产向有关权力部门办理登记后，抵押给银行而获取的贷款；质押贷款是指将自己所有的定期存单、车辆等抵押给银行所取得的贷款。
数字资产质押贷款可以理解为类似于无形资产质押贷款，无形资产抵押贷款早期源于欧美，自从信息技术为核心的科技革命在主要发达经济体兴起后，无形资产在经济中的价值日益增大。无形资产被定义为除有形资产外能够创造未来产出与消费的资产，大致可划分为“3类12项”。
2023年1月，中国信息通讯研究院联合众多企业共同推出了《数据资产管理实践白皮书（6.0版）》，将“数据资产”定义为由组织合法拥有或控制的数据，以电子或其他方式记录，可进行计量或交易，能直接或间接带来经济效益和社会效益。例如视频、数据库等结构化或非结构化数据，因此，数字资产倾向于隶属前两类资产。
作为新型生产要素，在数据资产信贷业务中，数据扮演着越来越重要的角色，企业的数据资产未来有望像房产、设备一样，在申请贷款过程中成为银行重要的考量因素。商业银行正在不断挖掘数据资产的价值，创新信贷业务模式。这种创新型贷款解决了企业在传统风控模式下抵押物不足的问题。值得注意的是，由于数据价值评估涉及确权、定量分析、定性评估等多个环节，这也对银行的风控能力提出了新的考验。
与此同时，数据资产化的支持政策持续发力，为商业银行探索新的信贷模式提供了重要支撑。2024年1月1日起，财政部制定印发《企业数据资源相关会计处理暂行规定》正式施行，满足条件的数据资源可以计入资产负债表无形资产或存货，数据资产化进一步推进。
随后，财政部印发的《关于加强数据资产管理的指导意见》也提出，加大对数据资产开发利用、数据资产管理运营的基础设施、试点试验区等扶持力度，引导金融机构和社会资本投向数据资产领域。
从宏观层面看，随着数字经济不断做强做优做大，作为“五篇大文章”之一的数字金融快速发展。金融机构通过应用数字技术，挖掘数据要素的潜在价值，为企业开发出更多更好的金融产品和服务。
二、案例梳理：某银行落地首单数据资产质押贷款【产品背景】：数字经济的发展，积累了数以万计的数据，但因其确权估值难、可复制等特性，在资产化方面一直面临诸多难题，并成为数据企业难以获得传统信贷的瓶颈。上海的芯化和云是一家专注于化学品行业数据研究与应用的技术型、平台型公司，基于对化工行业数据的自动化提取、标准化核实、技术加工，为行业提供精准的数据库服务。公司旗下已有多款数据产品在上海数据交易所挂牌，涵盖企业数据、仓储物流数据、价格行情数据以及产业链数据等，构建了产业化信息服务新生态，数据资产也逐渐成为企业的核心价值。这样一家“轻资产重数据”的公司，因较难从传统渠道获得融资，一直在寻求盘活数据资产。得知企业需求后，某银行浦西分行第一时间开展实地尽调，了解客户经营情况和数据服务产品现状，总分行联动与数交所联合推出数据创新服务，将企业的数据资产作为质押物进行融资。
（一）产品模式该模式下，在指导企业完成数据资产入表后，上海数据交易所对其数据资产进行登记认证、价值评估、质押登记、风险监测等，确保数据资产的真实性、合法性和不可篡改性。与此同时，某银行开辟绿色审批通道，创新审批。最终，某银行成功向芯化和云投放150万元“数易贷”，实现数据资产从资产入表、登记、评估到融资的闭环操作。
（二）业务优势随着数字经济的发展，盘活数据资产、激活数据要素价值，成为银行创新产品和服务的发力重点。“数易贷”即是上海数据交易所联合银行推出的企业数据资产创新应用方案，旨在推动数据资产价值发现，助力小微企业盘活数据资产。
（三）业务成果通过该笔业务落地，某银行打通了数据资产“确权-评估-质押-融资”的全流程贯通。同时，某银行正与担保机构探讨设立数据资产质押专属产品，为“数易贷”标准化落地提供更多支撑。
（四）业务导向预计未来某银行将进一步对接数据相关委办局等单位，深度参与数据资产入表等工作，为更多数商企业提供便利化金融服务，提升企业数据资产“变现”能力，为探索解决数据资产价值实现提供上银样本。
三、同业对比：部分银行数据资产质押贷款业务梳理
由上述梳理可以看出，当前普惠金融背景下数据资产金融创新服务以下几个方面的意义和价值：
一是有助于提升金融服务的效率和客户体验。金融机构可以通过大数据的采集、分析和利用，结合客户的行为数据、消费数据等，深入了解客户的偏好和需求，金融机构可以更加精准地评估客户的风险和信用状况，简化业务流程，提高服务效率。同时，通过个性化服务，金融机构能够满足客户的多样化需求，提升客户体验。
二是有助于降低金融服务的门槛，扩大服务覆盖面。传统的金融服务往往门槛较高，许多主体因为种种原因无法获得所需的金融服务。而通过数据资产金融服务创新，可以更加精准地评估客户的风险和信用状况，降低服务门槛，也能为小微企业提供更多的增信选择，让更多人享受到金融服务带来的便利。
三是有助于推动普惠金融的发展。普惠金融旨在让更多人享受到金融服务带来的福利和机会，但传统的金融服务往往难以满足普惠金融的需求。而通过数据资产金融服务创新，可以更好地满足普惠金融的需求，推动普惠金融的发展。
四是有助于提高金融机构的竞争力和创新能力。在大数据时代，数据已经成为金融机构的重要资产和竞争优势。通过对大量数据的分析和挖掘，金融机构可以发现新的市场机会和业务模式，优化产品设计、营销策略和服务流程，提高运营效率和市场竞争力。金融机构应重视数据资产的价值，加强数据管理和应用能力，以提升服务质量和业务效益。
四、案例拓展：数据资产信贷业务（一）数据资产信贷业务发展现状2023年8月1日财政部印发《企业数据资源相关会计处理暂行规定》（下称《暂行规定》）称，企业应当按照企业会计准则相关规定，根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等，对数据资源相关交易和事项进行会计确认、计量和报告；该规定适用于企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源，以及企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源的相关会计处理。自此，企业数据资产入表“试水”拉开帷幕。数据资产“入表”意味着企业数据资源价值能够被“显性化”，且数据资源入表及披露后，数据资源相关产品或服务的运营、作价出资、流通交易、计费模式、安全保护等，可以被外界直观了解。因此，在企业向金融机构申请贷款时，能够以入表的数据资产及披露的数据资源信息作为融资“凭证”，拓宽了企业的融资路径。自2024年初1月1日《暂行规定》施行以来，截至目前，全国至少已有40例实现数据资产融资的成功案例。
数据资产抵押贷款作为一项金融创新，在中国正逐渐形成并发展，而这一现象在国际上尚未有广泛的实践。国际上，尽管数据资产的重要性日益凸显，但大多数国家和市场尚未形成将数据资产作为传统银行贷款抵押物的成熟模式。国际上比较常见的做法是，数据资产通常被视为企业无形资产的一部分，其价值通常通过整体公司估值来体现，而非单独作为抵押物。
然而，随着数字经济的兴起，国际上对数据资产的认识也在不断深化。一些国家开始探索数据资产的价值评估、交易和管理，尽管尚未发展出与中国相似的数据资产抵押贷款模式，但在数据资产的资本化、证券化等方面已有所尝试。
在美国，数据资产证券化的一个例子是通过资产支持证券（ABS）市场进行的。例如，一些公司通过收集和分析消费者数据，然后将这些数据的潜在价值转化为证券产品，供投资者购买。这种做法允许公司通过证券化过程获得资金，同时投资者可以基于数据资产的预期收益获得回报。
在欧洲，一些企业开始将数据资产视为重要的商业资产，并探索其资本化途径。例如，通过数据资产的评估和交易，企业能够将数据资产作为投资的一部分，或在并购交易中作为估值的依据。
当前数据资产融资仍处于探索阶段，如何对企业数据资产进行合理估值存在挑战。目前落地的案例贷款金额不算大，而且还要辅以其他的增信措施，说明商业银行对这个业务还比较谨慎。数据资产融资和知识产权融资相似，面临一定估值难题，能否放款还要参考企业的主体信用情况。部分银行可能为了完成授信业务，将数据资产作为附加条件或幌子，而实际上并未真正评估数据资产的价值，或将其纳入风险评估体系。
（二）数据资产质押融资的实施模式运用专业大数据技术，将多种企业内部系统和外部互联网数据对接，将数据采集、交换、处理、分析技术互相结合，通过预准入与欺诈甄别数据质量模型、业务健康度模型、评级认定授信审批策略、贷后监控预警，提供真实、及时、持续的数据服务，连接企业与各类金融机构，为金融机构提供企业经营性数据及基于经营性数据的相关分析。
通过数据模型以企业业务数据为核心，辅助历史数据、行业数据财务数据以及供应链上下游数据为验证，以自动化的方式解决借贷双方信息不对称问题，建立符合银行授信条件的风控模型满足企业融资需求。同时着重平台搭建，以平台代替核心，以“政府引导，企业自主运营，数据共享，有偿使用，建立机制，制定标准”的新型的互联网企业征信模式为中小微企业提供及时的金融征信服务，解决中小企业融资难问题。
数据质押融资方案的实现，由以下几方面来实现。
1、银行要筛选出符合银行所规定条件的客户将资金借出，银行理应进行风险的调控以保证资金的顺利收回。此时银行的筛选必须由企业配合，利用企业提供的各种运营数据进行分析与评判，这样才能保证银行筛选出真实的符合银行标准的企业。此后被筛选出的企业需要提供各种材料进一步审核，企业所提交的材料在审核过程中属于交易数据的可以由系统深入审核，而一些公司运营中不能直接定量分析的则还需要以专家的经验进行评判。
2、数据的质押在经过第一步筛选出所需客户后，开始进行核心环节数据质押。此环节企业将以特殊的质押的方式取得银行的贷款，而这类特殊的质押则是将企业交易的相关信息授权给银行使用的质押方式。質押完成后，银行则可以清楚地通过企业所质押的数据了解企业的运营状况及风险状况，从而给企业适当的贷款额度。
3、将批复的贷款进行发放额度批复以后，企业发生正常交易的信息会及时反映给银行，从而使得银行对该笔业务审核后发放对应资金。
4、对已发放的贷款进行贷款的追踪贷款的追踪能够使得所贷的资金更好地回流，实时了解企业的经营状况，以降低银行贷款无法回流的风险。
数据质押融资的实施需要数据的真实性和有效性提供保障，具体措施有以下几个方面。一是加强自身企业对信息的收集能力，确保所收集信息的真实性和完整性。二是制定一系列严格的体系来约束企业信息，加强控制力并制定规划加强目标计划的实现意识。三是要落实数据的真实性与来源，避免信息的冗杂，分清信息的主次，讲究重要性原则。
（三）数据资产金融服务面临的挑战1、数据安全和隐私保护的挑战如何确保数据处于有效保护和合法利用的状态，以及具备保障持续安全状态的能力，是一直伴随数据资产化全过程的一个问题。既要实现数据标准化，又要根据隐私和保密法规、合同协议和业务要求来保护这些数据资产，这既要求企业加强数据安全和隐私保护意识和措施，也要求数据资产化过程中的相关部门和机构，做好机制设计和方案论证，以应对可能出现的安全和隐私问题。
2、数据资产评估体系有待完善目前，关于数据资产的评估标准尚处在探索阶段。中国资产评估协会《数据资产评估指导意见》已于2023年10月1日起施行。该意见成为数据资产评估标准的基本文件，为数据资产登记入表提供了价值评估基础。但在实践过程中，根据评估场景和目的不同，需要结合数据资产所处行业和资产特性，制定出台不同评估标准和评估流程，以满足越来越多的数据资产应用场景和需求。
3、权利分置运行机制和资产流转市场尚处于建设当中数据资产权利分置运行可以有效激励数据生产者和使用者参与数据资源的开发和利用，促进数据资源资产化，加速流通和有效利用。目前，全国各类数据资产登记交易场所超过40家，尚没有建立统一的全国性数据资产登记交易所，导致权利分置细化标准和运行机制尚不能统一完善，一定程度上影响了数据资产的价值挖掘。
4、金融监管和合规的挑战由于规范数据资产管理的相关法律法规仍在不断完善中，基于数据资产的金融服务创新工作将给金融监管部门带来不小的挑战。财政部日前印发《关于加强数据资产管理的指导意见》（以下简称《指导意见》）将“依法合规管理数据资产”列为十二项“主要任务”之首，可见，在数据资产化以及与之相应的金融服务创新中，依法合规是必须要坚守的底线。
5、技术更新和人才培养的挑战数据资产涉及的知识领域相对复杂，不仅涉及传统的计算机、信息安全、互联网技术，还涉及大数据、区块链等新技术领域，呈现技术新、迭代快、时效性强等特点。开展数据资产金融服务创新，就要将行业特点与金融技术相结合，将资产特性与数据优势相结合，挖掘金融服务空间，对金融服务领域人才培养是一大挑战。
（四）数据资产信贷业务实践中的难点与风险对于银行而言，数据资产的价值评估往往需要借助外部专业机构的力量来精确衡量企业的经营状况和无形资产价值。然而，在当前阶段，银行在数据资产管理方面还面临着诸多难题，例如如何准确界定数据资产；如何科学地衡量数据资产的价值，以确保其真实反映资产的实际价值，从而避免高估或低估数据资产的风险。在推进数据资产价值评估的过程中，银行还需充分考虑数据资产信贷业务可能带来的潜在风险。
整理相关从业者公开发表的观点得知，目前数据资产信贷业务在风控上存在三个难点：
一是在抵质押物管控方面，由于数据资产具有非实体性和可复制性，使得对其进行价值评估、贷后监控方面更加困难。同时，无标准化流程也会限制数据资产质押业务的规模化发展。例如某城商行风险管理部人士透露，由于缺乏统一评估标准，各家银行、金融机构在数据资产价值判断时会出现不一致的情况，甚至会导致质押融资过程中的价值误判，进而损害贷款双方利益。所以银行对办理这类业务也相对谨慎。
二是在贷中监控方面，数据资产价值波动性较强，贷中实时的价格监测，跌价风险预警难度较大；中国信息协会常务理事、国研新经济研究院创始院长朱克力表示，数据作为一种特殊的资产，其价值可能会随着市场环境、技术更新等因素的变化而发生波动，从而影响质押物的价值稳定性。
三是贷后处置方面，数据资产的处置高度依赖数据资产交易市场的发育，然而目前数据要素市场建设尚处于培育初期，如何处置数据资产暂未有标准模式和参考案例。
此外，数据泄露、数据合规性问题也可能给银行带来重大的法律和声誉风险。考虑到数据资产的特征，银行在开展数据资产信贷业务时，既要有严密的风险防控体系，还需具备高度的数据资产管理能力。
五、业务指引：商业银行运用数据自身特性开展特色金融服务（一）构建数据与业务融合机制用数据创造价值银行数字化经营的核心理念是建生态、搭场景、扩用户，本质是让数据作为生产要素参与生产过程，促进价值创造。既要通过关键指标数据及时了解经营成果，更要在具体场景和用户触点中使用数据精准响应用户需求，实现业务和数据的无缝对接、闭环运营。数据要素基于量化、连接、融合的特质，可以串联起银行经营管理的全过程，只有强化数据应用，使数据融入业务过程，才能发挥数据独特作用，实现价值创造。
一是加强数据挖掘分析，深入洞察客户需求，促进服务改进，在数字化场景中实现数据的闭环运营。建立完善的客户用户标签体系，使用机器学习等模型对客户需求进行深入洞察。例如，银行可以通过数据挖掘模型预测大额代发客户需求，计算客户使用某种产品的概率，客户对特定渠道和营销方式的接受程度等，为客户数字化营销提供精准支持。同时，要回流营销成果数据，支持模型优化。形成数据闭环，整合沉淀数据也是数字化场景运营的重要目标，要像重视金融资产一样重视数据资产的采集管理。
二是基于数据创新商业模式，解决传统业务模式无法解决的痛点问题。以普惠金融为例，由于单户金额小、客户信息质量低等原因，传统大中型客户服务方式很难满足小微企业要求，银行经营小微企业的动力和能力不足。近年来，商业银行以大数据为关键抓手，通过关联内部数据与工商、税务、海关、司法数据等外部数据，基于大数据挖掘，实现智能化风控，创新普惠金融服务方式，引导金融资源更为精准地投放，提供了破解小微企业融资难题的可行路径。例如，建设银行小微信贷余额已超过1万亿元，服务了近百万小微信贷客户，大多是借助数据技术在线上实现服务。
三是基于数据打造智能风控体系。随着银行数据资产的不断积累，客户数据不断丰富，实时数据、外部数据、非结构化数据等处理能力的提升，为银行风险管理提供了更智能化的手段。以巴塞尔新资本协议为代表的监管规则的演变，本质上就是使用数据不断提升风险管理水平的过程。为满足外部监管和内部风控要求，银行必须建立统一的风险数据视图，运用机器学习等算法开发各类风险计量模型，在贷前进行风险筛查，贷中和贷后进行风险监测处理。
（二）探索内外部数据的共享方式促进数字化发展随着全社会数字化程度的提高，用户数据一方面极大丰富，另一方面也更加碎片化，很难依靠单一的数据来源掌握用户的实际情况。数据要素的一个重要价值属性，就是在共享过程中实现双方共同的价值增值。银行作为经济体系中风险处理能力的中枢，拥有价值密度高的高质量、可信数据资产，应该努力拓展数据应用范围，促进数据资源共享，为社会治理和效率提高做出贡献。
一是在合规前提下拓展数据共享内容。通过与政府、企业等合作，银行可以通过使用卫星数据、失联修复、投融资图谱、出口退税、证券资讯、地图、司法、舆情、发票、运营商、债券数据等外部数据，通过内外部数据融合优化风险计量模型、创新产品和商业模式、改进业务流程等。例如，通过使用客户工商年报公示数据，银行能为工商企业提供结算账户年检服务，大量企业无须再到现场办理，从而节省了大量社会成本，有效为企业减负。
二是积极探索隐私计算等技术应用，实现数据可用不可见，提升数据应用价值。银行数据由于涉及客户资金交易，极为敏感，很难直接将数据与其他机构进行共享，以联邦建模等为代表的隐私计算技术，为在保障安全的前提实现多方数据潜在价值挖掘和智能共享应用提供了解决方案。以京东、腾讯、小米为代表的互联网公司已经与多家银行开展合作，开展联合建模，应用到了信贷审批、风险评价、信用评分等多个业务场景，成效显著。
伴随数字化发展的深入，要素市场机制的逐步建立，未来银行应更加关注数字生态体系建设，更加重视数字力的战略性支撑作用，进一步强化业务、数据与技术的融合，持续加强数据资产管理，让数据像水一样融入业务经营，不断增强数据要素的价值创造力，为社会提供更好的服务。
