在服务实体经济的过程中，数字金融也面临一些“成长的烦恼”。比较突出的除了此前业内讨论较多的数据失真、确权问题，还有数据互认、算法歧视等新问题。

 

迫切要解决的是金融数据互认问题。同一家企业的数据，在不同的金融机构之间，包括国有大型银行以及股份制商业银行之间，彼此不互认。金融数据的重复认证，一方面不利于金融资源的高效利用，另一方面也增加了企业的各类成本。甚至有企业反映，有金融机构的不同分支行对同一类型的企业审核标准都不相同。

 

在更广泛的领域内推动数据互认，将给金融行业带来诸多利好。通过与零售等其他行业的数据互认，金融机构可以更准确地分析消费者行为，从而设计出更贴合市场需求的金融产品，如已有的一些基于实时消费数据的信用评估系统。深层次的数据融合还可以促进新业务模型的产生，如按需保险和预测性财务管理服务等，这些都是在传统服务模式下难以实现的创新。

 

与此同时，与数据互认相伴的一些风险也值得监管警惕。近一个时期，数据互认在一定范围内引发了关于数据安全和隐私保护的讨论。在金融数据互认的过程中，大量企业尤其是中小企业的数据还是纸质的，并且存在保密的问题，需要考虑如何在打通数据流通壁垒的同时，保护好企业的金融数据安全。现实中，一个产业链上的供应商往往对接七八家核心企业，核心企业又对接多家银行，一家供应商可能在十几家，甚至二十几家银行都开了户，从监管的角度，需要考虑如何去支持有限度的跨行放款，从而解决供应商多头开户的问题；在电子票据日益普及的过程中，也要考虑如何避免“一票多融”的风险；等等。

 

金融数据互认对于数字金融发展至关重要。在推动金融数据互认的过程中，掌握了大量沉淀数据的金融机构要发挥主力军作用。同时，监管部门要关注其中的风险，既要充分运用数字技术提升服务效率，也要防范技术不当应用可能影响社会公平，要避免大数据以及算法的歧视，导致弱势群体被金融大模型排斥在服务之外。作者：陆敏