朱琳 金耀輝

[摘要]金融監(jiān)管中的大數(shù)據(jù)應(yīng)用在“互聯(lián)網(wǎng)+”時代面臨巨大的機遇與挑戰(zhàn)。本文提出應(yīng)用共享與公開數(shù)據(jù)輔助政府決策的模型框架，以上海自貿(mào)區(qū)保稅區(qū)域P2P企業(yè)風險監(jiān)測的實踐為例，分析數(shù)據(jù)采集、數(shù)據(jù)治理和人工智能在推進金融監(jiān)管工作上的作用，提出五位一體監(jiān)管理念，數(shù)據(jù)來源多樣化，數(shù)據(jù)治理引導數(shù)據(jù)資產(chǎn)化的發(fā)展建議。

[關(guān) 鍵 詞]大數(shù)據(jù)? 人工智能? 金融監(jiān)管? 數(shù)據(jù)治理

[中圖分類號]C91;F830.9? ? [文獻標識碼]A? ? [文章編號]1008-7672（2018）06-0066-12

一、 大數(shù)據(jù)金融監(jiān)管的背景

近年來，信息技術(shù)飛速發(fā)展，“大數(shù)據(jù)”成為當下最流行的概念之一，人們利用大數(shù)據(jù)的可用信息提升服務(wù)的質(zhì)量。

大數(shù)據(jù)的出現(xiàn)可以具體解釋為以下兩點：其一，目前大多數(shù)活動都會生成低成本且有利用價值的數(shù)據(jù);其二，數(shù)據(jù)驅(qū)動型決策是更好的決策，簡單、直接，使用大數(shù)據(jù)可以讓管理人員根據(jù)數(shù)據(jù)（證據(jù)）而不是直覺做出決定。隨著移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、社交網(wǎng)絡(luò)等技術(shù)和應(yīng)用的興起，全球范圍內(nèi)數(shù)據(jù)量迅猛增長，大數(shù)據(jù)時代已經(jīng)來臨。

Nature于2008年第一次推出Big Data專刊。Science在2011年2月推出專刊Dealing with Data，主要圍繞著科學研究中大數(shù)據(jù)的問題展開討論，說明了大數(shù)據(jù)對于科學研究的重要性。麥肯錫研究院（MGI）則于2011年6月發(fā)布名為《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個前沿領(lǐng)域》（Big data： the next frontier for innovation， competition， and productivity）的研究報告，對大數(shù)據(jù)的影響、關(guān)鍵技術(shù)和應(yīng)用領(lǐng)域等都進行了詳盡的分析，并指出大數(shù)據(jù)將會是帶動未來生產(chǎn)力發(fā)展和創(chuàng)新以及消費需求增長的指向標。2012年3月美國奧巴馬政府發(fā)布了《大數(shù)據(jù)研究和發(fā)展倡議》（Big Data Research and Development Initiative），投資2億以上美元，正式啟動“大數(shù)據(jù)發(fā)展計劃”，計劃在科學研究、環(huán)境、生物醫(yī)學等領(lǐng)域利用大數(shù)據(jù)技術(shù)進行突破。該報告指出，大數(shù)據(jù)已進入膨脹期，并將在未來2-5年進入發(fā)展高峰期。2016年，國際商業(yè)機器公司（IBM）指出，每日的數(shù)據(jù)生成已達2.5艾字節(jié)（2.5 Exabytes），即當下各種新興技術(shù)活動都產(chǎn)生了大量相關(guān)的新鮮數(shù)據(jù)，同時，這些數(shù)據(jù)不僅是在不斷更新的，而且是龐大的。目前，“大數(shù)據(jù)”概念已開始根據(jù)5Vs模型進行定義，即容量（Volume），采集、存儲和計算的數(shù)據(jù)量都非常大;速度（Velocity），數(shù)據(jù)增長速度快，處理速度也快，時效性要求高;種類（Variety），種類和來源多樣化;價值（Value），從數(shù)據(jù)中提取有價值信息的過程，稱為大數(shù)據(jù)分析;真實性（Veracity），數(shù)據(jù)的準確性和可信賴度，即數(shù)據(jù)的質(zhì)量。

金融行業(yè)對數(shù)據(jù)分析依賴性較強，各類金融監(jiān)管主體會向其所主管領(lǐng)域的金融機構(gòu)索取大量的數(shù)據(jù)用于監(jiān)管。將數(shù)據(jù)應(yīng)用于金融監(jiān)管活動、運用數(shù)據(jù)在金融監(jiān)管中做出決策并不是一個新生事物。金融業(yè)是一個典型的信息密集型產(chǎn)業(yè)部門，大量信息都以種類各異的數(shù)據(jù)形式被記錄、儲存和交換，比如銀行業(yè)，就有海量的儲戶個人信息、申請貸款的企業(yè)的經(jīng)營信息數(shù)據(jù)、銀行自身的投資以及動態(tài)變化的各類資產(chǎn)負債數(shù)據(jù)等。對這些數(shù)據(jù)的分析成為商業(yè)銀行自身經(jīng)營決策以及金融監(jiān)管部門實施監(jiān)管的基礎(chǔ)。長期以來，歐美國家大型跨國金融機構(gòu)非常重視利用先進的信息技術(shù)和自身的數(shù)據(jù)資源拓展業(yè)務(wù)。

那么大數(shù)據(jù)又將會給金融領(lǐng)域帶來怎樣的影響？隨著云計算的出現(xiàn)以及數(shù)據(jù)挖掘等大數(shù)據(jù)技術(shù)的日益成熟，以歐美國家大型商業(yè)銀行為代表的傳統(tǒng)金融機構(gòu)已率先走在了大數(shù)據(jù)實踐探索的前沿，如基于大數(shù)據(jù)分析實施更加精準的風險管理和市場營銷策略、為客戶提供更加個性化的金融服務(wù)等。伴隨互聯(lián)網(wǎng)金融的加速發(fā)展、利率市場化的快速推進、資本約束的日趨強化，金融市場呈現(xiàn)出業(yè)務(wù)廣、差異大、創(chuàng)新多的新特點與新趨勢，金融業(yè)面臨的風險在不斷加大，僅僅對金融監(jiān)管機構(gòu)管理模式進行改革已不能完全適應(yīng)互聯(lián)網(wǎng)金融時代的監(jiān)管需要，這就迫切要求建立“大數(shù)據(jù)金融監(jiān)管平臺”來有效助力金融監(jiān)管模式創(chuàng)新。依托大數(shù)據(jù)、智能化的監(jiān)管一體化平臺與決策體系服務(wù)金融市場的發(fā)展，使金融監(jiān)管的大數(shù)據(jù)應(yīng)用真正轉(zhuǎn)變?yōu)榻鹑跇I(yè)的效益優(yōu)勢、效率優(yōu)勢和競爭優(yōu)勢。大數(shù)據(jù)將為金融監(jiān)管提供新的平臺與模式，對金融監(jiān)管的完善與發(fā)展具有一定的積極意義。

翟偉麗闡述了金融體系在大數(shù)據(jù)時代的重構(gòu)問題，指明在大數(shù)據(jù)時代金融市場將真正融入實體經(jīng)濟、居民的生活和工作當中。將大數(shù)據(jù)應(yīng)用于金融市場將能夠促進資源的有效配置，降低成本，提高效率。由于參與者的行為得到了充分記錄，信用評價和征信體系變得更加有效，大數(shù)據(jù)的預(yù)測能力也將改變風險管理和決策的模式。綜合化、一體化的服務(wù)將加大數(shù)據(jù)金融服務(wù)的邊界，同時精細化和個性化服務(wù)程度的加深將使得大量貼身服務(wù)模式開始出現(xiàn)。王達根據(jù)大數(shù)據(jù)方法在美國宏觀審慎監(jiān)管領(lǐng)域的應(yīng)用，指出信息密集型的金融產(chǎn)業(yè)部門已經(jīng)走在大數(shù)據(jù)浪潮的前沿;全球金融危機爆發(fā)后美國金融監(jiān)管當局認識到彌合“數(shù)據(jù)缺口”的重要性。大數(shù)據(jù)的理念和技術(shù)為美國金融監(jiān)管當局監(jiān)測系統(tǒng)性風險提供了新方向，對加強系統(tǒng)性風險形成機制研究，進而更加有效地實施宏觀審慎監(jiān)管具有非常重要的意義。Edward W. Sun等利用金融大數(shù)據(jù)來分析美國股票的價格動態(tài)， 研究了市場微觀結(jié)構(gòu)對建構(gòu)收益率波動模型的影響。Paolo Giudici描述了金融數(shù)據(jù)科學的概念，并提出“相關(guān)網(wǎng)絡(luò)”（correlation networks）數(shù)據(jù)科學模型，它可以在金融科技（Fintech）發(fā)展進程中發(fā)揮重要作用。在紐約大學理工學院（NYU-Poly）召開的大數(shù)據(jù)金融會議上，美國商品期貨交易委員會（CFTC）的代表斯科特·奧馬利亞（ Scott OMalia）表示，CFTC曾考慮如何實現(xiàn)有效監(jiān)管，主張讓監(jiān)管機構(gòu)主動出擊，對金融交易商的算法進行科學認證;在實踐中，利用算法采取的魯莽行為帶來更大的破壞，甚至超過傳統(tǒng)的操縱市場行為。勞倫斯伯克利國家實驗室擁有強大的超級計算能力和獨特的雄厚分析技術(shù)，能夠做到針對威脅穩(wěn)定的交易行為采取實時監(jiān)控傳統(tǒng)的停市機制只能在市場暴跌后采取措施，停止全部交易，而大數(shù)據(jù)實時監(jiān)控能夠精細調(diào)控，將單個不規(guī)范的參與者清除，從而繼續(xù)向誠信的參與者開放市場。

二、 大數(shù)據(jù)金融監(jiān)管涵義

在使用大數(shù)據(jù)的理念和方法下，實施監(jiān)管的基本原理可以概括為：在可獲得的微觀金融數(shù)據(jù)的基礎(chǔ)上，使用數(shù)據(jù)挖掘、機器學習、數(shù)據(jù)可視化分析等大數(shù)據(jù)技術(shù)，對系統(tǒng)性風險進行量化;通過尋找和監(jiān)測與系統(tǒng)性風險高度相關(guān)的指標這一方法，實現(xiàn)對系統(tǒng)性風險的預(yù)測和審慎監(jiān)管。

首先，大數(shù)據(jù)為金融監(jiān)管過程提供了新的信息分析手段。大數(shù)據(jù)大的體量且多維度的數(shù)據(jù)及對數(shù)據(jù)的科學性分析，使金融監(jiān)管更直觀、準確。它在投資資格認定、打擊內(nèi)幕交易、加強審查等多個領(lǐng)域具有應(yīng)用意義。

其次，在大數(shù)據(jù)時代，金融監(jiān)管有了新的風險管理手段，且這樣的監(jiān)管更為精確。在傳統(tǒng)的金融監(jiān)管過程中，金融監(jiān)管部門通常為整個行業(yè)或某一個領(lǐng)域制定一個統(tǒng)一的監(jiān)管規(guī)范，缺乏個性化監(jiān)管的理念，不考慮被監(jiān)管主體的差異性。而大數(shù)據(jù)的相關(guān)性分析，可以盡可能彌補此問題。

大數(shù)據(jù)不是要求事前對系統(tǒng)性風險的形成機制做理論假定，而是通過對盡可能獲得的金融數(shù)據(jù)而非抽樣樣本數(shù)據(jù)進行即時和動態(tài)分析，實現(xiàn)“讓數(shù)據(jù)說話”（Let data talk）。

在傳統(tǒng)的研究中，Crockett和 Borio等的早期研究將系統(tǒng)性風險分為時間維度（Time Dimension）和截面維度（Cross-sectional Dimension）。Bisias等提出美國財政部金融研究辦公室從監(jiān)管、 研究和數(shù)據(jù)三個層面系統(tǒng)總結(jié)歸納了目前量化系統(tǒng)性風險的31種方法，并將其分為宏觀經(jīng)濟度量法、微觀組織與網(wǎng)絡(luò)度量法、前瞻性風險度量法、壓力測試度量法、部門交叉度量法以及流動性與清償危機度量法6大類。

金融機構(gòu)識別和金融產(chǎn)品識別系統(tǒng)是美國金融數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)的重要組成部分。這就要求人類的認知能力和計算機軟件處理海量數(shù)據(jù)的能力相結(jié)合。借助可視化分析技術(shù)，研究者能夠從類別龐雜、數(shù)量巨大的微觀數(shù)據(jù)中以圖片的直觀形式迅速、有效地獲得所需的信息，并通過互動界面對數(shù)據(jù)進行過濾、分割以及組合等操作，將這種信息轉(zhuǎn)化為可應(yīng)用的知識（Actionable Knowledge），從而更好地為政策制定提供參考。但是Flood等指出，包括數(shù)據(jù)可視化分析方法在內(nèi)的任何一種方法都不是完美的，研究者的認知和判斷始終在分析（系統(tǒng)性風險）過程中占據(jù)重要位置。

自2008年金融危機以來，全球金融體系發(fā)生了結(jié)構(gòu)性調(diào)整。將大數(shù)據(jù)方法應(yīng)用于金融監(jiān)管，較好地契合了此發(fā)展。因此，以美國為代表的主要發(fā)達國家都非常重視對宏觀審慎監(jiān)管的大數(shù)據(jù)方法的研究和探索，并旨在實現(xiàn)三個目標：第一，加強截面緯度的宏觀審慎監(jiān)管。已有研究通常將系統(tǒng)性風險劃分為時間緯度和截面緯度，其中截面緯度指特定時期風險在金融體系中各金融機構(gòu)之間的分布狀況和相互作用。第二，增強市場透明度，揭露監(jiān)管盲區(qū)，提升對影子銀行體系的監(jiān)管力度。第三，降低金融機構(gòu)的數(shù)據(jù)成本和操作風險。

三、 政府對金融監(jiān)管的政策指引

互聯(lián)網(wǎng)的興起不僅改變了人們的生活方式，也影響到行業(yè)的發(fā)展。金融行業(yè)逐步網(wǎng)絡(luò)化并深入發(fā)展，隨之而來的互聯(lián)網(wǎng)金融監(jiān)管工作任務(wù)艱巨。從2015年開始，政府相關(guān)部門發(fā)布了一系列關(guān)于互聯(lián)網(wǎng)金融監(jiān)管的指導意見。2015年7月，中國人民銀行、工業(yè)和信息化部、公安部、財政部、國家工商總局、國務(wù)院法制辦、中國銀行業(yè)監(jiān)督管理委員會、中國證券監(jiān)督管理委員會、中國保險監(jiān)督管理委員會、國家互聯(lián)網(wǎng)信息辦公室聯(lián)合發(fā)布了《關(guān)于促進互聯(lián)網(wǎng)金融健康發(fā)展的指導意見》。

2016年2月4日，國務(wù)院發(fā)布的《國務(wù)院關(guān)于進一步做好防范和處置非法集資工作的意見》提出要充分利用互聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)手段加強對非法集資行為的監(jiān)管，包括事中事后的監(jiān)管和事前的風險排查與預(yù)警，以控制這一問題發(fā)展的趨勢。

2016年3月5日，在第十二屆全國人民代表大會第四次會議上，國務(wù)院總理李克強在政府工作報告中提出要深化金融體制改革，“實現(xiàn)金融風險監(jiān)管全覆蓋，整頓規(guī)范金融秩序，嚴厲打擊金融詐騙、非法集資和證券期貨領(lǐng)域的違法犯罪活動，堅決守住不發(fā)生系統(tǒng)性區(qū)域性風險的底線”。

2016年4月，在前述互聯(lián)網(wǎng)金融健康發(fā)展指導意見的基礎(chǔ)上，國務(wù)院在10月發(fā)布了《互聯(lián)網(wǎng)金融風險專項整治工作實施方案》，其中重點整治問題和工作要求第一條就是P2P網(wǎng)絡(luò)借貸和股權(quán)眾籌業(yè)務(wù)，規(guī)定了P2P網(wǎng)絡(luò)借貸平臺應(yīng)該守住的法律底線和政策紅線。

2015年7月，國務(wù)院辦公廳印發(fā)的《關(guān)于運用大數(shù)據(jù)加強對市場主體服務(wù)和監(jiān)管的若干意見》提出要運用大數(shù)據(jù)加強和改進市場監(jiān)管。其中關(guān)鍵就是健全事中事后監(jiān)管機制，要“構(gòu)建大數(shù)據(jù)監(jiān)管模型，進行關(guān)聯(lián)分析”，還要“對企業(yè)的商業(yè)軌跡進行整理和分析，全面、客觀地評估企業(yè)經(jīng)營狀況和信用等級”，旨在利用大數(shù)據(jù)技術(shù)收集和追蹤企業(yè)的經(jīng)營信息，并以此為依據(jù)掌握企業(yè)的情況，防范風險的發(fā)生。

2015年8月國務(wù)院印發(fā)《促進大數(shù)據(jù)發(fā)展行動綱要》指出大數(shù)據(jù)的發(fā)展和應(yīng)用雖然已經(jīng)有了一定的基礎(chǔ)，但政府在開放數(shù)據(jù)、頂層設(shè)計和規(guī)劃等方面還存在著不足，建設(shè)并不完善，潛力沒有發(fā)揮出來。綱要明確了大數(shù)據(jù)的發(fā)展形勢和重要意義，系統(tǒng)部署了大數(shù)據(jù)發(fā)展工作，明確指出了將數(shù)據(jù)共享列為下一步大數(shù)據(jù)發(fā)展的主要方向。

2017年1月國務(wù)院在發(fā)布的《“十三五”市場監(jiān)管規(guī)劃》中也強調(diào)要加強大數(shù)據(jù)監(jiān)管，提出要“充分運用大數(shù)據(jù)等新一代信息技術(shù)，增強大數(shù)據(jù)運用能力，實現(xiàn)‘互聯(lián)網(wǎng)+背景下的監(jiān)管創(chuàng)新，降低監(jiān)管成本，提高監(jiān)管效率，增強市場監(jiān)管的智慧化、精準化水平?！痹撘?guī)劃還強調(diào)了要建立風險預(yù)警機制，要“運用大數(shù)據(jù)資源科學研究制定市場監(jiān)管政策和制度，對監(jiān)管對象、市場和社會反應(yīng)進行預(yù)測”。

四、 數(shù)據(jù)治理輔助決策框架

基于理論研究和實踐經(jīng)驗，本文在政府機構(gòu)已經(jīng)擁有了一定共享數(shù)據(jù)基礎(chǔ)上，充分利用大數(shù)據(jù)技術(shù)輔助政府進行決策，提出如圖1所示的框架。該框架包括數(shù)據(jù)來源、數(shù)據(jù)治理、數(shù)據(jù)計算和交互展現(xiàn)四個部分，體現(xiàn)在以下三個方面：

一是數(shù)據(jù)來源的多樣，具有互聯(lián)網(wǎng)屬性。在國家對數(shù)據(jù)的重視之下，政府內(nèi)部資料數(shù)據(jù)庫和業(yè)務(wù)數(shù)據(jù)庫的建設(shè)已經(jīng)有了一定的成果，是十分重要的數(shù)據(jù)資產(chǎn)，但共享平臺能提供的信息維度仍存在不足?？蚣苤羞x取互聯(lián)網(wǎng)數(shù)據(jù)和第三方數(shù)據(jù)作為數(shù)據(jù)來源的補充，充分整合全面、多樣的信息，作為政府決策的依據(jù)。

二是依托于先進技術(shù)的數(shù)據(jù)治理和數(shù)據(jù)計算能力。數(shù)據(jù)治理技術(shù)能夠?qū)Υ罅吭紨?shù)據(jù)進行有效的存儲、清洗等工作，從中篩除無效信息、理清雜亂信息，提取出真正有價值的內(nèi)容，用于進一步分析得出結(jié)論。此外，先進的算法能夠讓機器做出智能的判斷，代替耗時、主觀的人工勞動，提升政府工作的效率和準確性。

三是交互界面用于人機交流。一方面，政策制定者或者利益相關(guān)者可根據(jù)自己的不同需求向機器發(fā)出需求，通過合理的交互形式快速、有效地獲取自己需要的信息;另一方面，在智能系統(tǒng)運行的過程當中，人可以根據(jù)實際工作執(zhí)行的情況不斷向系統(tǒng)提供反饋和修正，從而實現(xiàn)真正的機器智能學習。

下文以上海自貿(mào)區(qū)P2P企業(yè)風險評估的案例為范本，展示大數(shù)據(jù)技術(shù)和數(shù)據(jù)治理是如何依托框架服務(wù)于金融監(jiān)管工作。

五、 上海自貿(mào)區(qū)P2P企業(yè)風險評估實踐

中國（上海）自由貿(mào)易試驗區(qū)（下文簡稱“自貿(mào)區(qū)”），是中國政府設(shè)立在上海的區(qū)域性自由貿(mào)易園區(qū)，位于浦東境內(nèi)，2013年9月29日正式成立，是黨中央、國務(wù)院在新形勢下全面深化改革和擴大開放的戰(zhàn)略舉措。自貿(mào)區(qū)的主體部分是綜合保稅區(qū)片區(qū)，擴展區(qū)域還包括陸家嘴金融片區(qū)、金橋開發(fā)片區(qū)和張江高科技片區(qū)。

自貿(mào)區(qū)建設(shè)5年多來取得良好的發(fā)展，2017年4月，國務(wù)院下發(fā)《全面深化中國（上海）自由貿(mào)易試驗區(qū)改革開放方案》，提出其建設(shè)目標是到2020年成為領(lǐng)先的、國際高標準自由貿(mào)易園區(qū)。其中健全、便利的貿(mào)易監(jiān)管服務(wù)體系，有效防控風險的金融服務(wù)體系、現(xiàn)代化的政府管理體系都是重點建設(shè)內(nèi)容。

近年來，中國傳統(tǒng)金融業(yè)逐漸進入到了一個加速向互聯(lián)網(wǎng)模式轉(zhuǎn)型運營的階段，出現(xiàn)了多種多樣的互聯(lián)網(wǎng)金融創(chuàng)新模式，與傳統(tǒng)金融機構(gòu)開展多元化合作與競爭。在互聯(lián)網(wǎng)金融興起的潮流和準入政策寬松的大環(huán)境下，P2P網(wǎng)絡(luò)貸款企業(yè)大量涌現(xiàn)，規(guī)模小而分散，業(yè)務(wù)模式層出不窮，各種企業(yè)魚龍混雜，給監(jiān)管的轉(zhuǎn)變帶來了很大挑戰(zhàn)。

截止到2017年1月，國內(nèi)P2P平臺共上線5881家，其中3514家出現(xiàn)問題，給投資者造成巨大損失的同時，也嚴重影響了國內(nèi)互聯(lián)網(wǎng)金融的行業(yè)氛圍。在自貿(mào)區(qū)內(nèi)各種高風險的市場主體行為中，網(wǎng)絡(luò)借貸P2P企業(yè)存在的風險尤為突出。

然而目前監(jiān)管部門缺乏對問題平臺有效的監(jiān)測工具。企業(yè)存在的風險和疑點往往就隱藏在平臺資料、交易數(shù)據(jù)、新聞報道、網(wǎng)民評論這些數(shù)據(jù)之中，而目前的監(jiān)管部門只能依靠人工搜索這些互聯(lián)網(wǎng)數(shù)據(jù)，再結(jié)合現(xiàn)場勘查來發(fā)現(xiàn)互聯(lián)網(wǎng)金融犯罪的疑點，不僅耗時耗力，排查的企業(yè)數(shù)量和范圍也十分有限，難以真正實現(xiàn)大規(guī)模P2P企業(yè)風險監(jiān)測的目的。如何節(jié)省人力成本，提高監(jiān)管效率，成為P2P企業(yè)風險監(jiān)管當下的難點。

P2P作為互聯(lián)網(wǎng)金融的一種新型模式，與之相關(guān)的企業(yè)工商信息、經(jīng)營動態(tài)信息、產(chǎn)品信息、人員信息、政策輿情等各種數(shù)據(jù)分散在政府職能部門內(nèi)部和企業(yè)官網(wǎng)、第三方平臺、各大新聞門戶、主流論壇等互聯(lián)網(wǎng)媒介中。為了準確判斷風險，需要將這些分散的數(shù)據(jù)采集、匯總、關(guān)聯(lián)形成大數(shù)據(jù)的生態(tài)環(huán)境，形成對企業(yè)多視角、多維度的描述，形成更清晰、更全面的企業(yè)標簽。本文以自貿(mào)區(qū)的金融監(jiān)管項目為實例，介紹在共享平臺和公開數(shù)據(jù)的基礎(chǔ)上，如何利用大數(shù)據(jù)技術(shù)輔助金融監(jiān)管、幫助政府決策，為大數(shù)據(jù)在“互聯(lián)網(wǎng)+政務(wù)”中的應(yīng)用。

（一） 政府數(shù)據(jù)共享與服務(wù)平臺

為了實現(xiàn)各級政府管理部門間信息系統(tǒng)互聯(lián)互通、信息資源共享互換，自貿(mào)區(qū)啟動建設(shè)了信息共享和服務(wù)平臺項目。平臺架構(gòu)如圖2所示。該平臺的核心是通過建立政府監(jiān)管信息共享機制，打破部門間的信息壁壘，以建設(shè)“政府大數(shù)據(jù)中心和信息交換樞紐”為基礎(chǔ)，整合匯集監(jiān)管信息傳遞、投資準入服務(wù)、部門條線管理和企業(yè)網(wǎng)上辦事等服務(wù)功能。

該平臺建立的目的是改變管理部門長期存在的各自為政、效率低下的現(xiàn)象，為更優(yōu)質(zhì)便捷的自貿(mào)區(qū)綜合監(jiān)管與協(xié)同服務(wù)體系提供基礎(chǔ)性支撐。

（二） 共享數(shù)據(jù)與互聯(lián)網(wǎng)數(shù)據(jù)的融合

（1） 數(shù)據(jù)來源

通過對行業(yè)知識的分析，將P2P平臺出現(xiàn)問題的原因總結(jié)為兩方面：先天存在不足和后天發(fā)展出現(xiàn)問題。前者是在平臺創(chuàng)立之時就已經(jīng)確定的因素，包括注冊資金不足、創(chuàng)始人信用不可靠、所處城市資源和發(fā)展空間不足等;后者是在平臺發(fā)展的過程中出現(xiàn)的問題，包括過度鼓吹利率而無法兌現(xiàn)、風險控制不過關(guān)造成大量逾期、缺乏投資者導致資金鏈斷裂、金錢利益誘發(fā)的違法犯罪等，與前者相比，這類因素具有動態(tài)、不確定性的特點。

在擁有政府共享平臺與服務(wù)數(shù)據(jù)的基礎(chǔ)上，為充分捕獲與P2P平臺風險相關(guān)的數(shù)據(jù)，補充共享平臺數(shù)據(jù)的欠缺和不足，需要通過互聯(lián)網(wǎng)數(shù)據(jù)采集的手段來擴充數(shù)據(jù)維度和內(nèi)容。而互聯(lián)網(wǎng)上的信息紛繁復(fù)雜，在企業(yè)信息數(shù)據(jù)源的選擇上，需要做到全面和適當?shù)男畔⒆ト?。將上述分析所得的風險原因?qū)?yīng)到具體的平臺特征，可以分為靜態(tài)特征、動態(tài)指數(shù)、動態(tài)新聞、動態(tài)評論四類。

靜態(tài)特征，即平臺的先天因素，包括平臺的性質(zhì)和類別、平臺標簽、上線時間、注冊資金、所在城市、投標保障、保障模式、擔保機構(gòu)、人員信息等。動態(tài)指數(shù)，即平臺的業(yè)務(wù)和交易信息，包括平臺成交量、利率、歷史待還、資金凈流入、投資人數(shù)、借款人數(shù)、借款標數(shù)、平均借款期限、標的金額分布等。動態(tài)新聞，是平臺發(fā)展過程中相關(guān)的新聞報道，需要抓取的內(nèi)容包括新聞出現(xiàn)時間、報道平臺、報道內(nèi)容等信息，從中提取出報道的規(guī)模、報道平臺的特征、企業(yè)口碑情況（正面、負面報道的數(shù)量和比重）、涉及的主題和關(guān)鍵詞等。動態(tài)評論，即平臺發(fā)展過程中相關(guān)民眾主動在網(wǎng)上發(fā)布的評論信息，需要抓取的有評論內(nèi)容、評論時間、評論來源等，從中提取出評論信息量、評論情感傾向、用戶畫像、輿情標簽等。

基于以上分析，選取一些國內(nèi)公開網(wǎng)站作為數(shù)據(jù)源，包括主流新聞門戶和社交媒體、活躍的網(wǎng)貸社區(qū)和各大P2P平臺的官方網(wǎng)站，從盡可能多的維度來挖掘P2P平臺的風險信息，具體來源如表1所示。本文采集到的數(shù)據(jù)規(guī)模較大，僅企業(yè)備案網(wǎng)站就有1500多個，而社交媒體上的評論則達萬余條。

（2） 數(shù)據(jù)治理

由于獲取到的數(shù)據(jù)來源不同，結(jié)構(gòu)和組織方式也不同，需要對這些數(shù)據(jù)進行適當?shù)拇鎯Α⑶逑春陀嬎?，才能夠進一步地用于使用和分析。數(shù)據(jù)治理中清洗、去重、降噪等處理工作是數(shù)據(jù)分析結(jié)果準確與否的關(guān)鍵環(huán)節(jié)，但是往往花費整個工作流程超過80%的時間和人力資源，且當原始數(shù)據(jù)質(zhì)量較差時，這一時間還將延長。

本文涉及的數(shù)據(jù)具有兩個挑戰(zhàn)。一是非結(jié)構(gòu)化數(shù)據(jù)多。從互聯(lián)網(wǎng)上采集到的企業(yè)輿情信息屬于非結(jié)構(gòu)化數(shù)據(jù)，大量的信息點隱藏在大段的文字之中，需要先轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，才能用于后續(xù)的數(shù)據(jù)處理。這里用文本分析技術(shù)，包括自然語義理解、監(jiān)督式機器學習等，將埋藏在文本中的信息點提取出來進行重構(gòu)。二是數(shù)據(jù)多源異構(gòu)性。所采用的數(shù)據(jù)既有共享平臺中與企業(yè)相關(guān)的登記和關(guān)聯(lián)數(shù)據(jù)，也有從幾千個網(wǎng)站采集得到的互聯(lián)網(wǎng)數(shù)據(jù)。其中互聯(lián)網(wǎng)采集數(shù)據(jù)具有明顯的多源異構(gòu)特征，每個網(wǎng)站采集下來的數(shù)據(jù)的內(nèi)容、維度、表述方式均有異同。這就需要通過大數(shù)據(jù)治理系統(tǒng)利用機器學習和人工智能的方法，結(jié)合業(yè)務(wù)專家的參與，構(gòu)建行業(yè)關(guān)鍵詞標簽庫，對大量網(wǎng)站采集得到的數(shù)據(jù)進行理解和關(guān)聯(lián)。

本文采用大數(shù)據(jù)治理系統(tǒng)來解決這個問題，其功能包括：利用Hadoop實現(xiàn)對大批量數(shù)據(jù)的快速存儲和計算，通過數(shù)據(jù)輪廓了解數(shù)據(jù)的基本情況，對無效信息進行數(shù)據(jù)清洗，基于大數(shù)據(jù)治理的4C原則即編目（Catalog）、關(guān)聯(lián)（Connection）、管護（Curation）和使用（Consume）對數(shù)據(jù)進行進一步的有效分析。

（三） 人工智能應(yīng)用P2P企業(yè)識別和風險判斷

（1） P2P企業(yè)自動識別

采用機器學習模型，利用經(jīng)過人工標注的P2P網(wǎng)站作為學習樣本，自動建立一套P2P網(wǎng)站內(nèi)容的特征庫和語義集，自動識別網(wǎng)站內(nèi)容與P2P業(yè)務(wù)的相關(guān)性，從而實現(xiàn)對這類企業(yè)的自動篩查。

（2） 企業(yè)知識圖譜

知識圖譜是一種知識表示的形式，用節(jié)點表示實體、用連接節(jié)點的邊表示實體之間的關(guān)聯(lián)，其中邊可以是有方向或無方向的。根據(jù)知識圖譜的相關(guān)技術(shù)，把基于P2P企業(yè)相關(guān)的所有信息繪制成以企業(yè)名稱為中心的知識圖譜，包含企業(yè)基本信息、企業(yè)對應(yīng)的P2P平臺信息、企業(yè)法人/股東關(guān)聯(lián)等。引入知識圖譜的理論和技術(shù)，為P2P網(wǎng)貸企業(yè)構(gòu)建知識圖譜，并利用該圖譜和其中的關(guān)聯(lián)關(guān)系作為企業(yè)風險防控的特征指標之一。

通過知識圖譜的方式，可以探索各企業(yè)之間的關(guān)聯(lián)和相似度，關(guān)聯(lián)度大的節(jié)點之間風險程度也互相聯(lián)系。平臺如果出現(xiàn)基本信息缺失的情況，即沒有與相應(yīng)類別的節(jié)點關(guān)聯(lián)，或者和已知的問題平臺相似，都有可能存在大的風險。例如企業(yè)A已經(jīng)被發(fā)現(xiàn)是高風險的P2P企業(yè)，這時候倘若通過圖譜發(fā)現(xiàn)企業(yè)B和企業(yè)A之間有相同的企業(yè)法人，或者是有十分相近的標簽和性質(zhì)信息，此時企業(yè)B的風險程度也就成為了值得關(guān)注的對象。

（3） 輿情情感判斷

互聯(lián)網(wǎng)上存在著大量繁雜的信息，同樣是對于企業(yè)的評論，其內(nèi)容質(zhì)量和情感傾向都良莠不齊，如果要有效利用這些評論信息，必須采用人工智能的方法對它們進行判斷。

在新聞報道中，存在著大量重復(fù)和類似的報道。在網(wǎng)民評論中，也存在著很多信息含金量低的評論。本文使用了UGC（User Generated Content）算法，依據(jù)網(wǎng)民評論內(nèi)容中的信息密度、情感傾向、用戶權(quán)重對其評論做出0-1之間的評分，得分越高的評論信息含金量越高。摘取了互聯(lián)網(wǎng)上一些評論實例，根據(jù)算法得到的評論如表2所示。可以看出，提及維度多的評論（同時提及人氣、搶標難度、資金情況、體驗、社區(qū)氛圍等）評分會較高，而內(nèi)容單一籠統(tǒng)的評論評分則會較低。

情感分析（Sentiment Analysis）是輿情分析中關(guān)鍵的人工智能技術(shù)，是指挖掘文本所表達的情感傾向性和其背后的用戶態(tài)度。例如表2所示的評論中，“人氣旺，體驗好”就是表達了用戶對這一金融平臺肯定的態(tài)度。利用這一技術(shù)，通過對新聞報道和網(wǎng)民評論進行情感分析，可以獲悉媒體和公眾對P2P平臺所持態(tài)度偏向。負面的新聞是媒體在向民眾傳遞該平臺不可靠的信息，而公眾所表達的負面情感則是其他投資人的警示和借鑒，因此，情感分析技術(shù)得出的具有高負面情感度的平臺，往往意味著平臺的風險也要高于其他的平臺。本文訓練了一個半監(jiān)督遞歸自編碼器模型用于情感分析，將所獲取的新聞和評論分為正面和負面兩類，從而得到各個平臺以天為粒度的正面以及負面新聞和評論數(shù)量，即動態(tài)新聞和動態(tài)評論中與正負情感有關(guān)的特征。結(jié)合評論評分和情感分析的結(jié)果，就能最大限度地利用互聯(lián)網(wǎng)上網(wǎng)民評論的信息，對有關(guān)企業(yè)的風險情況做出判斷。引起了大量有效負面的企業(yè)，理應(yīng)作為監(jiān)管中值得注意的目標。

（4） 基于深度學習進行風險指數(shù)量化

給定P2P平臺的特征集合，包括靜態(tài)特征集、動態(tài)指數(shù)特征集、動態(tài)新聞特征集、動態(tài)評論特征集，同時給定各個平臺的風險標簽，100表示平臺正常運營，0表示為問題平臺。平臺風險量化定義為，以特征集合為輸入并輸出風險量化評分，該評分介于0-100之間。

風險量化值應(yīng)當滿足以下三點性質(zhì)：

第一，選定某個合適閾值，量化值大于該值的應(yīng)盡可能為正常平臺，小于則盡可能為問題平臺;

第二，正常平臺的量化值應(yīng)盡可能高并接近100，而問題平臺則盡可能低并接近0;

第三，將所有平臺按量化值從高到底排列后，越靠前的平臺中存在的問題平臺應(yīng)盡可能越少。

因此，P2P平臺風險量化本質(zhì)上是一個有監(jiān)督的二分類問題，以上提出的三點性質(zhì)可以作為模型性能的評估標準。為了從多維異構(gòu)的平臺特征中全面準確地融合出風險信息并進行評分，本文提出了基于深度學習的模型。

深度學習在近幾年的研究中得到了蓬勃的發(fā)展和廣泛的關(guān)注，隨著GPU性能的提升實現(xiàn)了進一步的普及，在自然語言處理、模式識別、語音識別和信息處理等領(lǐng)域表現(xiàn)尤為卓越。深度學習模擬人腦的思維模式，能夠通過深層網(wǎng)絡(luò)抽象出更為高層的概念并進行決策，而這正是監(jiān)管者從紛繁復(fù)雜的數(shù)據(jù)海洋中概括有用信息所需要的能力。本文模型中采用多種深度學習模型組合成的神經(jīng)網(wǎng)絡(luò)來處理不同形式（單個值或值序列）和不同類型（數(shù)值、類別值、文本）的輸入特征，進行全面精確的P2P平臺風險量化并生成評分和排名。數(shù)值特征可以直接輸入到模型中，類別值特征需要經(jīng)過One-Hot處理轉(zhuǎn)換成0-1向量，文本特征則通過Word2Vec模型轉(zhuǎn)換成詞向量并輸入。

限于篇幅，對數(shù)據(jù)和模型不詳述。作為驗證，從互聯(lián)網(wǎng)采集了全國3050家平臺數(shù)據(jù)，時間跨度從2014年1月至2016年3月，所有采集的數(shù)據(jù)開放，同時開源了上述深度學習模型。從2015年11月至2016年4月的6次預(yù)測中，模型對問題平臺的預(yù)測始終保持較高的準確率，達到85%。

（四） 案例成果分析

（1） 企業(yè)篩查結(jié)果

本案例中涉及的企業(yè)數(shù)量有約40000家，其中金融相關(guān)企業(yè)有10000余家。經(jīng)過建立風險模型、并對風險情況進行了指數(shù)鑒別，最終篩選出確定P2P的企業(yè)數(shù)量150家，其中高風險企業(yè)35家，另有疑似P2P的企業(yè)數(shù)量137家。

（2） 業(yè)務(wù)監(jiān)管功能交互平臺

為了更加直觀便捷地展示自貿(mào)區(qū)P2P企業(yè)信息、便于工作人員搜索查詢企業(yè)資料從而進行業(yè)務(wù)監(jiān)管工作，本文實現(xiàn)了業(yè)務(wù)監(jiān)管功能交互平臺，在全面地展現(xiàn)監(jiān)測和評估結(jié)果的同時，方便監(jiān)管部門進行實時搜索查詢，進行高效監(jiān)督和管理。

平臺涵蓋以下模塊：賬號驗證登陸模塊、搜索模塊、企業(yè)列表模塊、企業(yè)詳情模塊、風險預(yù)警模塊、監(jiān)管交互模塊、行業(yè)概覽模塊和系統(tǒng)管理模塊。賬號登陸部分設(shè)置了權(quán)限管理，針對不同的用戶群實現(xiàn)頁面內(nèi)容區(qū)別化呈現(xiàn)。搜索模塊有多個篩選維度可供查詢。企業(yè)向西部分可視化地采用圖形、圖表、圖譜等方式呈現(xiàn)了詳細信息和風險指數(shù)等。平臺在全面展示模型分析結(jié)果的同時，還提供多種互動交互功能，支持用戶對展示企業(yè)添加標簽、標注、評論、信息補充、模型分析結(jié)果反饋等。

除去展示功能外，平臺提供了人工反饋的入口。工作人員在使用該平臺的過程當中，可以將業(yè)務(wù)工作中的信息反饋輸入進去，例如添加標簽、修改完善風險信息等?；谌斯ぶ悄芗夹g(shù)，機器在得到反饋后能夠修正算法的準確性，從而真正實現(xiàn)輔助業(yè)務(wù)監(jiān)管的智能化。

（3） 效益分析

本文通過充分利用共享和公開數(shù)據(jù)，加上大數(shù)據(jù)與人工智能技術(shù)予以輔助，給自貿(mào)區(qū)金融監(jiān)管工作帶來了效益與參考價值。

給自貿(mào)區(qū)帶來的效益體現(xiàn)在以下幾點：

一是優(yōu)化數(shù)據(jù)管理，實現(xiàn)數(shù)據(jù)資產(chǎn)化。通過搭建大數(shù)據(jù)治理系統(tǒng)，結(jié)合保稅區(qū)內(nèi)部數(shù)據(jù)和通過各種渠道采集的外部數(shù)據(jù)，打通數(shù)據(jù)間的壁壘，實現(xiàn)數(shù)據(jù)關(guān)聯(lián)互通，消除信息孤島，并借助大數(shù)據(jù)治理系統(tǒng)優(yōu)化數(shù)據(jù)管理模式和流程，實現(xiàn)保稅區(qū)數(shù)據(jù)資產(chǎn)化，進一步幫助政府部門做到管好數(shù)據(jù)、用好數(shù)據(jù)，擁有數(shù)據(jù)資產(chǎn)。

二是大幅度提高工作效率，實現(xiàn)業(yè)務(wù)智能化。利用內(nèi)部數(shù)據(jù)和外部采集的大量數(shù)據(jù)構(gòu)建保稅區(qū)企業(yè)信息庫，通過機器學習的技術(shù)學習P2P企業(yè)的特征，自動篩查出涉及P2P業(yè)務(wù)的企業(yè)，將以前人工排查的方式轉(zhuǎn)變?yōu)闄C器自動排查后將重點標注企業(yè)提交人工審查。機器代替人力完成最大量最繁瑣的初步審核階段，同時還提供了對審核結(jié)果風險程度的量化，減少了人的工作量，使得同樣時間內(nèi)人工處理數(shù)量、質(zhì)量同時上升一個檔次;從效率來講，不僅節(jié)省了時間和人力，而且提高了結(jié)果的準確性和一致性，讓部門的決策更實時、更快速、更有依據(jù)。

三是量化P2P企業(yè)風險，讓數(shù)據(jù)成為監(jiān)管、上報和決策依據(jù)，實現(xiàn)監(jiān)管科學化。通過對P2P企業(yè)風險量化評分以及對風險級別的評價，幫助監(jiān)管部門針對不同風險級別的企業(yè)實施相應(yīng)的監(jiān)管措施，合理進行資源分配，提高監(jiān)管效率，實現(xiàn)以數(shù)據(jù)為支撐的、科學的監(jiān)管模式。

六、 大數(shù)據(jù)驅(qū)動金融監(jiān)管發(fā)展的建議

運用大數(shù)據(jù)進行監(jiān)管實踐具有十分重大的理論與現(xiàn)實意義。通過大數(shù)據(jù)進行監(jiān)管打破了傳統(tǒng)的金融監(jiān)管方法，為金融監(jiān)管部門提供了新的視角;同時，大數(shù)據(jù)金融監(jiān)管利用大數(shù)據(jù)5V特點，很大程度上提高了金融市場有效性。大數(shù)據(jù)金融監(jiān)管對大數(shù)據(jù)相關(guān)領(lǐng)域有較強的借鑒意義。在此發(fā)展中，需要注意以下四個方面。

（一） 樹立五位一體監(jiān)管理念

自十八大以來，黨中央提出了四個全面的戰(zhàn)略布局，強調(diào)以創(chuàng)新、協(xié)調(diào)、綠色、開放、共享的發(fā)展理念，深化政治體制改革、轉(zhuǎn)變政府職能、實現(xiàn)治理現(xiàn)代化，打造法治政府、創(chuàng)新政府、廉潔政府和服務(wù)型政府?；ヂ?lián)網(wǎng)在落實轉(zhuǎn)變政府職能、深化政務(wù)公開、推進放管服務(wù)改革和政務(wù)服務(wù)等方面發(fā)揮出日益重要的作用。合理有效的監(jiān)管需要明確的監(jiān)管理念作為指導。五位一體的監(jiān)管理念是指監(jiān)管需要有連接、整合、共享、聯(lián)動、參與五環(huán)節(jié)互通融合。具體是部門之間的有效連接，多源異構(gòu)信息資源的合理整合，多元主體的信息資源的共享，流暢的跨部門的聯(lián)動，多方參與服務(wù)。

新一代的信息技術(shù)手段越是先進，越是要求提高環(huán)境整體的聯(lián)動性。不僅要求政府工作人員有較高的信息技術(shù)應(yīng)用能力，同時還要有與之相適應(yīng)的系統(tǒng)思維的理念，要求政府各部門之間打破條塊分割，實現(xiàn)部門間的協(xié)同工作和數(shù)據(jù)的自由流動，進行彼此無障礙的溝通，政府要在城市管理過程中更好發(fā)揮職能作用，共享和整合數(shù)據(jù)，完善信息技術(shù)、情景和人之間的交互，真正實現(xiàn)電子包容。

（二） 以流程為導向

《“互聯(lián)網(wǎng)+政務(wù)服務(wù)”技術(shù)體系建設(shè)指南》明確提出按照“堅持問題導向、加強頂層設(shè)計、推動資源整合、注重開放協(xié)同”的原則，以服務(wù)驅(qū)動和技術(shù)支撐為主線，圍繞“互聯(lián)網(wǎng)+政務(wù)服務(wù)”業(yè)務(wù)支撐體系、基礎(chǔ)平臺體系、關(guān)鍵保障技術(shù)、評價考核體系等進行。傳統(tǒng)的政府業(yè)務(wù)流程是圍繞“職能”與“計劃”來展開，對公眾的訴求缺乏了解和回應(yīng)。需要變“職能導向”為“流程導向”。信息化的基礎(chǔ)管理中心在流程上，通過整合業(yè)務(wù)，形成職能間的有機聯(lián)系。以服務(wù)流程、支持流程、管理流程三個維度為支撐，降低協(xié)調(diào)成本，突出整體目標，實現(xiàn)整體效率最大化。服務(wù)流程是面向公眾的流程，主要為公眾提供公共產(chǎn)品和公共服務(wù)。支持流程位于政府內(nèi)部且服務(wù)于服務(wù)流程，主要為政府內(nèi)部提供產(chǎn)品、服務(wù)和信息。管理流程為服務(wù)流程和支持流程之間的橋梁，實現(xiàn)兩者最大程度的匹配。打破原有分工理論的束縛，注重整體流程最優(yōu)的系統(tǒng)思想。以流程為導向最大限度地集成政府管理和服務(wù)功能，而后根據(jù)流程消除純粹的中間環(huán)節(jié)，實現(xiàn)內(nèi)部的有效溝通，這不僅降低了管理費用和成本，而且提高了組織的運轉(zhuǎn)效率。

（三） 決策數(shù)據(jù)需多源化

目前正在大力推行的政府共享服務(wù)平臺為政府管理和決策科學化提供了堅實的基礎(chǔ)，但在數(shù)據(jù)源的完整性方面還存在一些不足。

共享平臺的數(shù)據(jù)具有稀疏性。組織內(nèi)部的數(shù)據(jù)只涵蓋了管理中產(chǎn)生的數(shù)據(jù)，在實踐中有些維度的信息是缺失的，或者無法通過常規(guī)渠道獲取到。比如自貿(mào)區(qū)信息共享平臺只涵蓋了部分工商信息和一些部門信息，為了進行有效的風險預(yù)警，需要建立基于數(shù)據(jù)的預(yù)估模型，而數(shù)據(jù)的大量缺失和維度的不足會導致模型產(chǎn)生偏差因而性能降低。

共享平臺的數(shù)據(jù)具有局限性。比如本文中共享平臺數(shù)據(jù)來源主要是政府部門積累的企業(yè)登記信息和對企業(yè)實施監(jiān)管的數(shù)據(jù)記錄，缺乏與企業(yè)實際經(jīng)營業(yè)務(wù)、經(jīng)營狀態(tài)、輿情評價相關(guān)的數(shù)據(jù)，在數(shù)據(jù)的維度上十分有限。企業(yè)登記信息和監(jiān)管信息是企業(yè)資料的基礎(chǔ)，卻不能充分地反映企業(yè)在實際運營過程中的表現(xiàn)，而后者對于企業(yè)的評價和評估則是重要的依據(jù)?；ヂ?lián)網(wǎng)上有很多與P2P相關(guān)的網(wǎng)站平臺，涵蓋了與業(yè)務(wù)相關(guān)的大量信息，將這部分數(shù)據(jù)與共享數(shù)據(jù)融合補充，對金融監(jiān)管工作會頗有益處。

共享平臺的數(shù)據(jù)具有滯后性。滯后性體現(xiàn)在數(shù)據(jù)是已經(jīng)完成的工作成果，適用于事中事后的監(jiān)管，難以起到快速及時的事前預(yù)警和風險預(yù)估的作用。在現(xiàn)實生活中，對企業(yè)風險信息反應(yīng)最敏感的則是投資人，而這部分信息主要體現(xiàn)在互聯(lián)網(wǎng)上，體現(xiàn)在網(wǎng)民對企業(yè)的評論當中。

因此，除去共享平臺與服務(wù)數(shù)據(jù)之外，獲取互聯(lián)網(wǎng)的數(shù)據(jù)作為補充，尤其是民眾自發(fā)產(chǎn)生的數(shù)據(jù)，在金融監(jiān)管的工作中十分必要。

（四） 運用數(shù)據(jù)治理，實現(xiàn)數(shù)據(jù)資產(chǎn)化

數(shù)據(jù)治理是對數(shù)據(jù)管理行使權(quán)力和控制的活動集合，包括規(guī)劃、監(jiān)督和執(zhí)行。數(shù)據(jù)治理功能需要體現(xiàn)在快速地完成數(shù)據(jù)清洗、去重、去噪等預(yù)處理;對數(shù)據(jù)中多張表進行關(guān)聯(lián)、融合;自動提取關(guān)鍵字段、降低數(shù)據(jù)維度;時空數(shù)據(jù)處理等。通過數(shù)據(jù)治理達到價值實現(xiàn)、運營合規(guī)和風險可控。經(jīng)過利益相關(guān)人分析和溝通，建立統(tǒng)一的數(shù)據(jù)價值的理解，指導價值實現(xiàn)相關(guān)要素的定義、應(yīng)用、調(diào)整，并持續(xù)開展對價值實現(xiàn)過程的評估、指導和監(jiān)督，以滿足利益相關(guān)方對數(shù)據(jù)治理的收益和價值預(yù)期。建立符合法律、規(guī)范和行業(yè)準則的數(shù)據(jù)合規(guī)管理體系，并通過評價評估、數(shù)據(jù)審計和優(yōu)化改進保證數(shù)據(jù)的合規(guī)，促進數(shù)據(jù)價值的實現(xiàn)，實現(xiàn)數(shù)據(jù)資產(chǎn)化。應(yīng)建立、評估數(shù)據(jù)風險管理機制，確保數(shù)據(jù)風險不超過組織的風險偏好和風險容忍度，評估、指導和監(jiān)督風險管理的實施。

數(shù)據(jù)資產(chǎn)化是指數(shù)據(jù)可管理、可度量、可運營?？晒芾戆ㄐ纬少Y產(chǎn)目錄、標準化過程、全周期質(zhì)量管理、可信安全管理。可度量包括資產(chǎn)數(shù)量、資產(chǎn)價值、資產(chǎn)成本、資產(chǎn)健康度的精準度量和分析?？蛇\營包括資產(chǎn)監(jiān)控和報告、成本評價和控制、質(zhì)量提升流程和激勵機制。通過數(shù)據(jù)資產(chǎn)化，實現(xiàn)數(shù)據(jù)服務(wù)化和數(shù)據(jù)價值化。

政府作為擁有海量管理和服務(wù)數(shù)據(jù)方，對已有的數(shù)據(jù)和多來源數(shù)據(jù)需要進行數(shù)據(jù)治理，從而實現(xiàn)資產(chǎn)化過程，進而數(shù)據(jù)資源可成為第四類資產(chǎn)。

Research on Finance Supervision under Big Data—Based on Enterprise Risk Monitoring Practice in Shanghai Free Trade Area

ZHU Lin1，? JIN Yaohui2

（1. Social and Public Administration School of East China University of Science and Technology， Shanghai200237， China; 2. School of Electronic Information and Electrical Engineering，

Shanghai Jiaotong University， Shanghai? 200240， China）

Abstract：Application of big data in finance monitoring is faced with opportunity and challenge in the age of “Internet+” era. This research proposes a framework applying shared and open data to assist government strategy. Based on the practice of enterprise risk monitoring in Shanghai Free Trade Area， this paper also analyzes the role of data collection， data governance and artificial intelligence in promoting finance supervision， and proposes suggestions of “five-in-one” supervision guidance， multiple data source and data capitalization led by data governance.

Key words：big data; artificial intelligence; finance supervision; data governance