top of page

数据通助银行掌握企业状况

Updated: Apr 28

上周行政長官發表的《施政報告》中,提到香港金融管理局正構建「商業數據通」,預計明年投入運作。這項全新的金融基建設施可統一對接銀行,企業能通過這個平台授權付款系統、公營機構或公用事業公司等服務提供者向銀行提供數據,讓銀行對企業的營銷狀況作出更準確的預測,從而減低企業提供抵押品的需要。

這無疑為香港的中小企業(包括小微企業)邁出重要的一步。從本港的營商環境而言,對政府、銀行、中小企是三贏局面,也是政府以數據治理作為促進金融科技創新的首例。

筆者認為「數據通」的做法在內地並不陌生,但在香港這個國際金融中心,「數據通」的意義則非比尋常,因為「數據通」的經驗及拓展路徑將可以成為孵化大灣區,甚至受惠於《區域全面經濟夥伴協定》(RCEP)的中小企,透過跨境或跨區域的融資平台,獲得更加便宜、快捷及有效的融資服務。

綜觀中小微企面對融資問題的迫切性,有3類數據源覆蓋面是中小微企值得關注的地方:

一、To C(面向個人用戶)的企業︰企業在服務客戶的過程中,由於使用了某些服務供應商,例如互聯網、WiFi、電子支付、物流、社交平台、廣告營銷等服務而產生的數據,對企業的業務有影射作用,如果把這些散落在不同服務提供者的數據加以滙聚及整理,可以成為預測企業業務狀況的重要憑證;

二、To B(面向企業客戶)的企業:在經營業務的過程中,由於同類行業中,上下游供應商及服務商的數據有關聯的關係,可以提供很好的交叉驗證及預測企業的業務趨勢,但問題是滙總這些數據的過程中,極需要找到各方都能互相信任的數據託管者;

三、微小企業(個人特徵較強):若要了解此類企業的經營狀況,可通過與信貸評級機構合作,收集那些擁有公共特性來源的數據,例如網購平台、電商代營運商、物流的數據等,用作信貸風險評估。

筆者過去曾參與類似項目,發現原來信用度量化的目的並不單有利於企業融資,對於跨區域企業之間的合作也發揮很大作用。最後還是希望更多的政府部門可以向金管局學習,把數據治理能力轉化為科技創新驅動的力量,提升競爭力,鞏固香港地位。

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page