为加强科技金融领域数据共建共享，近日，中国人民银行、国家发展改革委、科技部、工业和信息化部、海关总署、市场监管总局、金融监管总局、国家知识产权局、国家数据局联合印发《关于加强科技金融领域数据开发利用的通知》（以下简称《通知》）。
《通知》支持科技信息使用机构规范运用科技公共数据，鼓励地方向科技型企业提供授权开放信息渠道，推广信息查询、联合建模等模式。同时，引导金融机构依托科技金融领域数据库，构建科技型企业数字信用画像，打造特色的科技型企业风控投研模型，开发契合细分行业企业融资需求的科技金融产品。
《中国经营报》记者采访了解到，从金融机构角度看，多数数据库缺乏企业的收支流水、交易对手稳定性等信息，对于分行业、分生命周期的投研评估模型较少。业内人士建议，通过授权查询加联合建模补收支流水，并针对不同行业建立细分风控模型。
搭建科技金融统一数据基准框架
一直以来，科技金融领域在数据共享方面存在部分堵点。一位地方银行人士告诉记者，科技金融数据标准上存在割裂，科技、工信、海关、知识产权、税务各部门均有自己的管理口径，对于同一家企业的科创属性与研发加计（研发费用加计扣除）数据难以对齐。而商业银行所拿到的大多数是静态名单，而不是可以计算的字段。同时，在权责上不清晰，比如，一些公共数据到底能否授权给金融机构使用，出域后又如何进行追责，目前仍然缺乏统一的规则。所以，供数部门往往害怕担责，商业银行又担心违规，结果造成“宁存不用”的现象。
上述人士同时指出，从技术水平看，目前跨域明文交换风险高，隐私计算、可信数据空间已有探索但没有形成规模，尤其是中小银行在技术能力层面还无法适配。
此次《通知》发布，致力于加强科技公共信息共享，提升科技金融资源配置效率。据介绍，《通知》协同推进科技金融领域数据开发利用，发布《全国科技金融领域数据开发利用目录1.0》（以下简称《目录》），涵盖企业名单与科创属性、进出口、投融资、经营、研发投入、知识产权、创新能力评价、企业需求等8大类、26个数据指标。
同时，监管表态支持各地形成具有区域特色的科技金融数据开发利用清单，建设省级科技金融领域数据开发利用配套信息设施，加强现有信息系统资源互联互通，促进数据信息归集共享。
长三角科技产业金融研究联盟秘书长陆岷峰告诉记者，《目录》将“科技金融到底用什么数据”给予明确界定，从而有效解决了无标可依的情况，将技术流的“软信息”翻译成统一字段。同时，对于金融机构而言，《目录》压低了银行尽调过程成本；对监管部门而言，《目录》提供了跨区域、跨机构进行比较的基础，为后续做“一链一策”与产品备案提供方便。总而言之，《目录》既是数据供给的一种通用符号，也是进行风险控制的重要工具。
苏商银行特约研究员武泽伟告诉记者，《目录》搭建起科技金融统一的数据基准框架，补齐行业长期缺少统一指标体系的短板。这套标准化指标能够打通不同来源信息的口径差异，降低金融机构多渠道采集核验信息的成本，帮助机构从科创属性、研发实力、知识产权、实际融资需求等多维度还原企业全貌。指标体系为构建数字信用画像提供基础素材，推动授信评估不再单纯依赖传统财务报表与抵质押物，更好识别科技型中小企业的成长价值。《目录》也为地方建设配套数据库提供参照，推动公共数据规范流转，助力融资对接效率提升与风险识别改善，促进科技产业与金融资源精准匹配。
构建科技企业数字信用画像
值得注意的是，《通知》围绕完善数据赋能科技金融全链条，聚焦融资对接、智能风控、产品创新等环节，引导金融机构依托科技金融领域数据库，构建科技型企业数字信用画像，打造特色的科技型企业风控投研模型，开发契合细分行业企业融资需求的科技金融产品。鼓励金融机构与相关部门合作，运用交易集中度、交易对手分布、交易对手稳定性等数据，开展产业链资金流动分析，绘制重点产业链图谱，“一链一策”精准匹配金融资源。
记者注意到，目前针对科技金融，多家机构已研发了风控模型。一位北京地区股份制银行人士告诉记者，该行针对科创企业金融建立了专属数字化平台，该平台包括企业评价、产品服务、行研支持等模块。其中，企业评价模块借力政府征信数据和第三方信息科技机构，评估企业经营行为和科技实力，从“看创新+看赛道+看未来”几个维度，全周期跟踪评价，对企业进行数字画像，给予风险分层，匹配不同类型的金融产品。
在产品方面，各家银行近年来推出了多个科技金融创新类型产品。例如，7月29日，某国有银行发布“科创积分知产贷”，运用大数据、大模型技术，把知识产权之类的创新要素纳入风控标准，实现线上准入、自动核额、数字化全流程风控，支持24小时线上办理。再例如，某华北地区城商行推出科e贷、科融e贷、科创易贷、科技成果转化贷等多种科技类贷款产品，同时认可知识产权之类的轻资产增信。
数据是金融机构科技金融大模型构建、产品设计的基础。陆岷峰指出，从金融机构来看，科技金融领域数据库目前仍存在部分不足。例如，数据库里的数据大多数是静态名单和历史财报，缺乏企业的收支流水、交易对手稳定性、研发进度等高频的经营字段，对于轻资产科创企业仍无法进行精准评估。同时，数据库与知识产权、专利质量、创新积分等“技术流”的数据没有形成实时对接或流动，企业数据在银行评估中常常只能当作标签，而不能作为估值。此外，数据库数据模型目前仍主要沿用传统抵押逻辑，对于分行业、分生命周期的投研评估模型较少，前段时间审计署曾点名的“创新积分贷”，也仅发挥了贴标签作用。
武泽伟指出，当前金融机构自建的科技金融数据库，部分信息来源较为单一，对企业研发创新、专利质量等非财务维度覆盖不够充分，跨部门外部数据接入深度有限。不少机构数据治理能力不足，存在信息更新滞后、数据质量参差不齐等情况，将原始数据转化为风控特征标签的能力尚有差距，适配细分科创行业的投研模型积累不足。
要做好金融机构科技金融领域数据建设，陆岷峰建议，一是要积极对接《目录》进行字段级清洗，把研发加计、专利引证、产业链位置纳入主表当中；二是通过授权查询加联合建模补收支流水，不简单挪用原始数据；三是按照半导体、生物医药等赛道，建立起细分的风控模型，用交易集中度描绘供应链、产业链图；四是引入第三方征信与园区数据进行交叉验证，将“技术成熟度+产业化进度”写成可解释变量。
记者注意到，《通知》明确强调要进一步加强科技金融领域数据开放共享和融合运用。具体来说，支持科技信息使用机构规范运用科技公共数据，鼓励地方向科技型企业提供授权开放信息渠道，推广信息查询、联合建模等模式。开展科技金融可信数据空间创新发展试点，鼓励有条件的地区加强企业收支流水数据开放利用，搭建行业研究信息交流平台，实现科技金融领域数据资源跨域共享和高效对接。支持市场化征信机构建设科技型企业数据库，丰富征信产品和服务供给。
陆岷峰指出，加强科技金融领域数据开放共享，建议在长三角、大湾区等科创密集区，优先推进企业授权下的收支流水与税务数据查询接口，商业银行可以凭借授权调用数据，或在短期内有效地缓解首贷难问题。同时，可以选3—5个城市开展可信数据空间的试点，利用隐私计算来进行联合建模，跑通验证“可用不可见”的合规路径。
上述地方银行人士指出，可依托《目录》建设各省级科技金融数据枢纽，将科技、工信、知识产权三部门的字段打通，逐步接通海关与金融监管报送接口，最终建成全国数据库。市场化征信机构数据库、产业链图谱、“一链一策”产品也可作为第二批跟进，从而不断积聚科技金融领域的数据源。
