（来源：千龙网）

轻资产、缺抵押、信息散，是科技企业融资的三大“拦路虎”。长期以来，科技金融领域数据“沉睡”在各部门的数据库里，无法有效流动互通，转化成金融机构看得懂、用得上的“信用语言”。

为破解这一难题，中国人民银行等九部门日前联合印发《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》），并同步发布了《全国科技金融领域数据开发利用目录1.0》（以下简称《目录》）。如何让科技金融领域数据不再“各自为政”？数据要素怎样在做好科技金融“大文章”中发挥重要作用？

解决数据口径不一痛点

中国科学技术发展战略研究院研究员周代数认为，《目录》的发布是《通知》的最大亮点。中国人民银行公开发布的信息显示，《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、企业需求等八大类26个数据指标。

“《目录》是国内首个跨部门、跨领域的科技金融数据标准化目录，解决了长期以来多部门数据口径不一的痛点，填补了科技金融领域国家级数据标准的空白，也是科技金融领域数据实现共建共享的里程碑。”周代数说。

长期以来，尽管行业需求迫切，但要打破部门之间的数据壁垒，实现科技金融领域数据的共享应用并不容易。周代数直言，各主体对科技金融领域数据开发利用，大多存在不同层面的顾虑。

比如，从主管部门的角度来看，敏感数据一旦泄露，主管部门就要承担安全责任。一些部门出于风险规避心态，存在“宁可不共享、不愿担风险”的保守倾向。另外，跨部门数据归集、清洗、更新还需解决持续投入人力等现实问题。

而对科技企业来说，研发投入、专利布局、财税信息等有关数据都属于核心商业秘密，企业同样会将数据安全摆在首位；且中小科创企业的数字化基础较为薄弱，部分企业自身的研发台账和科创档案并不完善，提供的数据也难以保证质量。

国家金融与发展实验室副主任杨涛认为，当前我国数据要素应用的最大障碍在于治理和交易环节，数据资产治理则更为复杂。数据资产治理首先是要基于管理学意义，使数据成为标准化、有价值、权益清晰的资源；其次是要基于会计学意义，使数据可确认、可计量、可流通。

多位受访专家认为，有了《目录》作为“数据标尺”，能实现多部门数据同口径、可对照、可复用，为科技企业的信用画像夯实基础。

“实现科技金融领域数据高效共享，不仅需要统一的数据标准与数据目录，保障数据的标准化、可采信度，还要有清晰的授权和合规制度，严格落实企业主体授权原则，厘清数据采集、查询、使用、销毁全流程规则，更需要权责清晰的责任划分，明确数据提供部门、平台运营方、金融使用机构各方安全责任。”周代数说。

而《通知》回应了行业的这一普遍诉求。《目录》坚持安全与可用的平衡，兼顾数据流通利用与企业隐私、政务数据安全，为各地建设科技金融领域数据配套设施提供了一套统一参照。

“看抵押”转向“重创新”

除了建立统一标准，《通知》还提出系列举措，推动科技金融领域数据开发利用。比如，《通知》鼓励地方向科技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；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等。

周代数认为，进一步开发利用科技金融领域数据，将推动金融服务从传统财务导向的范式，转向以创新能力为核心的数据驱动型科技金融新范式。信贷风控将从重抵押、重财报，转向看创新能力、看未来前景，缓解早期硬科技企业有技术、无资产、难融资的压力。

在数据支持下，金融供给可以根据企业创新发展匹配差异化金融工具，形成覆盖企业全生命周期的产品矩阵。“这尤其有助于打通一级市场与二级市场的数据鸿沟，优化耐心资本供给。投资机构可以提升早期项目甄别能力，精准遴选被投企业。”周代数说。

针对科技企业科技创新周期长、不确定性大、抵押物少等特点，杨涛提出，可以进一步利用机器学习和深度学习算法，基于历史投资数据进行训练，建立投资预测模型，帮助预测投资项目的成功率、回报率等指标，从而辅助投资决策；还可以利用大数据分析被投资企业的需求，为其精准匹配相关的资源和服务，帮助被投资企业快速成长，提高投资项目的成功率和回报率。《通知》也提出，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。

此外，《通知》还有望推动风险识别从企业个体延伸到整条产业链。《通知》明确，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。

“在这种新范式下，风险识别不仅能看企业自身的创新能力，还能看它在产业链中的卡位、上下游订单稳定性、供应链断供风险等。金融机构可以更加精准识别链上传导风险，提前预警链上中小科创配套企业风险，从而更好地提供科技金融服务。”周代数说。