近年来，金融领域黑天鹅、灰犀牛事件频发，随着数字技术与业务场景的不断融合，风险也更加复杂和隐蔽。
今年3月，中央财经委员会第九次会议提出，要提升监管能力和水平，实现事前事中事后全链条监管，金融活动要全部纳入金融监管。
面对当前海量的数据信息和互联网平台，如何在有限的监管力量的情况下，通过对底层数据的规则化分析，及时有效地识别风险？
中国互联网金融协会会长、中国人民银行原副行长李东荣在《中国金融》上撰文指出，如果缺少经济适用的科技手段加以辅助，金融监管将难以适应当前日新月异的数字金融发展局面。防范化解金融风险既是金融监管的职责所在，也是监管科技（Reg-tech）需要实现的重要功能及主要任务。
众所周知，金融数据不同于其他数据，对于安全性有极高的要求。同时又天生带有“不统一性”，从而容易产生数据孤岛、数据管理分散等问题，在保障数据安全及保护的同时进行金融数据价值挖掘，已经成为摆在金融管理部门面前的一项重要而紧迫的课题。
难道没有破解数据孤岛的办法了吗？
监管科技化解G端的烦恼
把所有金融活动全部纳入金融监管，意味着，不仅各类金融机构的各类金融业务，要被纳入全面监管，类金融业务也将被纳入监管的视野之中。对于监管部门来说，随之而来的一个问题便是，如何解决在监管人力资源有限下的监管效率问题？
化解之道，唯有借助于科技的力量。如何运用经济适用且高效率的监管科技手段去识别、发现以及预警数字金融发展中的相关风险，已成为各国金融监管部门以及行业自律组织面临的新课题。
相对于传统金融行业的科技升级，G端即政府端同样面临着科技升级的需求。据了解，早在2013年监管科技的概念便已出现，直到2015年才成为一个新兴的研究分支领域。2017年，监管科技开始出现在中国金融监管部门的正式对外表述中，开始用于提升跨行业、跨市场交叉性金融风险的甄别、防范和化解能力。
在金融监管的数字化转型过程中，一行两会以及地方金融监管局也都在探索和提升监管科技的应用水平。
3月31日，银保监会统信部副主任骆絮飞在中国信通院主办的“2021数字化转型发展高峰论坛”上表示，目前银保监会正在组织制定数字化转型的专项监管政策，进一步推动行业深入开展数字化转型工作，增强服务实体经济的能力，同时明确为数字化转型过程中的风险管理要求守住风险底线。
此前的1月，央行在金融科技委员会会议上提到，2020年央行已推出包容审慎、富有弹性的金融科技创新监管工具，发布了一系列标准规则，不断寻求用科技创新来提升监管的高效性和适用性，致力于构建金融科技监管基本规则体系。
证监会则出台了《监管科技总体建设方案》，对资本市场领域的监管科技建设工作进行了顶层设计，以“科技引领、需求驱动；共建共享、多方协同；统筹规划、持续推进；提升能力、创新机制”为总体原则，确定了监管科技1.0、2.0、3.0阶段的各类信息化建设工作需求。
对于地方金融监管局来说，对“7+4”类机构实施分级监管，实时、全面了解区域金融动态，打破数据孤岛，更需要监管科技来助力。
伴随着数字技术的快速发展，科技也在多方服务于监管场景。在这方面，广东省地方金融监管局（下称“广东金融局”）已有不错的经验。
2020年，广东金融局与壹账通金融科技有限公司（下称“金融壹账通”，NYSE：OCFT）合作上线的智慧监管平台，建立了一套集数据收集、模型预警、指标评级、风险监测于一体的非现场监管体系，依托于非现场采集体系，结合多维数据，构建出一份千人千面的地区金融地图，为地方金融企业建立了一企一档，实时、全面了解区域金融动态。
据了解，应用该平台的“楷模”评级模型，广东金融局对辖内所有小贷公司的评级可以进行打分，从而实现对这些小贷公司进行分级监管。
2020年5月，金融壹账通与证监会科技监管局达成了合作，为后者提供相关科技服务，提升监管科技化与智能化水平。此外，金融壹账通还与中国保险资产管理业协会签署战略合作协议，共同开展保险资管科技创新，为其提供一系列技术解决方案，并向监管、会员及行业进行推介，提升整体的科技化数据化水平。
在海外市场上，金融壹账通则为香港联合交易所、新加坡证券交易所等提供科技服务，以自身金融科技为G端市场数字化转型提供服务。
监管科技难点：如何攻克数据孤岛
由于金融业数据有着天然的隐私性和孤立性，加之我国实行严格的分业监管，此外，行业竞争、隐私安全和复杂的管理程序的要求，在不同的金融领域甚至在相同领域的不同金融主体之间，甚至在同一公司的不同部门之间，也都存在着一座座数据孤岛，数据集成面临着巨大的阻力。
近年来，随着新金融的发展，此类机构种类多、模式杂、数量多，数据口径不统一、业务标准不一致、报送机制不完备，压实地方属地监管责任面临不小的压力。
除了存在于金融和新金融业态的数据孤岛，税务、供电、环保、市场监管等政务数据也存在数据孤岛现象。而银企信贷信息不对称，亦是中小微企业融资难问题的核心。而横亘于实现跨部门、全流程监管的一大难题，也在于数据孤岛的存在。
近年来，穿透式监管成为一大监管方式，而穿透式监管则依仗于对底层数据的规则化分析，从而发现原本隐藏在底层的违规风险线索，捕捉到信息指标之间的关联性及规律性。尤其是那些以金融创新为名、突破安全底线和践踏道德底线的非法金融活动，更需要借助大数据和科技手段进行及时有效的排查，防微杜渐。
打破数据孤岛，推动政务数据共享，是金融监管科技的重点，也是难点之一。在切实保障个人隐私、商业秘密与敏感数据前提下，强化金融与新法、社保、工商、税务、海关、电力、电信等行业的数据融合应用，建立健全跨地区、跨部门、跨层级的数据融合应用机制，实现数据资源有机整合与深度利用，已成为当下亟需解决的现实问题。
2019年8月，央行发布的《金融科技（FinTech）发展规划（2019-2021年）》明确提出，要打通金融业数据融合应用通道，破除不同金融业态的数据壁垒，化解信息孤岛，制定数据融合应用标准规范，发挥金融大数据的集聚和增值作用，推动形成金融业数据融合应用新格局。
孤岛变蜂巢
央行的上述规划提出，要“增强金融监管的专业性、统一性和穿透性”，而做到这一点，需要攻克数据孤岛。
常有业内人士感叹，数据孤岛已成为大数据时代最难攻克的问题。
随着科技的进步，这一难题也并非不可破解。
比如，当下人工智能技术的一个热门研究领域——联邦学习(Federated Learning），便是一种破解之方。
据了解，联邦学习是一种加密的分布式机器学习范式，2016 年由谷歌最先提出，可以使各方在不披露原始数据的情况下，通过协议来传递加密之后的信息，经由一系列复杂的机制设计，在保护数据隐私的同时，达到共建模型的目的，从而绕过数据源之间的信息壁垒。
换言之，联邦学习可以作为一种数据使用“通道”，不把数据进行交换，从而在不违反数据隐私保护法规的前提下，构建一种对"隐私数据"的使用方式，从而连接一座座数据孤岛，解决当下的数据困境。
这种方式，既可以保护数据隐私，又能满足合法合规要求，还能实现在多参与方或多计算结点之间开展高效率的机器学习。
对企业而言，使用联邦学习能简单、合法且低成本的获取外部有效的数据信息，快速解决某些因数据量或数据维度不足而导致的困扰，且不会造成合作企业间数据或商业机密的泄露。
科技界甚至预言，随着联邦学习的广泛应用，将迎来数据价值挖掘的下一个爆发点，未来在金融、保险、投资、教育、医疗等领域都有着广阔的发展空间。
目前金融业也在探索联邦学习的应用。近日，金融壹账通透露，其研发的“蜂巢联邦智能平台”，实现了人工智能在监管科技领域的技术突破，为技术赋能监管科技创造了更多可能。
从技术上打破数据孤岛，并最大限度的激活数据价值，是金融壹账通蜂巢联邦智能平台最核心的亮点。
为何叫蜂巢呢？
蜜蜂被称作“天才的数学家兼设计师”，它建造的蜂房是一个六角柱状体，一端是平整的六角形开口，另一端是封闭的六角菱形的底。用它来形容联邦学习这种技术再形象不过了：开口意味着数据应用和建模的开放性，封闭的底则表示原始数据不需要共享，从而保证了数据隐私。
金融壹账通的蜂巢联邦智能平台便是在保证参与方在不共享原始数据的基础上联合建模，基于金融业技术规范和行业标准，使用国密算法进行加密，从而保证了参与方联合建模的合法合规。
通过应用联邦学习技术，蜂巢联邦智能平台对数据进行综合化标签，丰富了用户画像维度，从整体上提升模型的效果，实现 AI协作。
据了解，金融壹账通正在积极拓展蜂巢联邦技术在监管科技的落地，已与多个政府部门商洽推进应用实践，以科技赋能监管，助其提高监管效率，帮其优化金融监管模式。
抓住传统金融机构数字化转型的痛点，对众多产品与解决方案的整合，成为金融壹账通近两年的战略重点。截至目前，其已形成了银行、保险、投资垂直领域“横向一体化、从SaaS到IaaS纵向全覆盖”的16大产品线，覆盖从营销获客、风险管理和客户服务的全流程服务，以及从数据管理、智慧经营到云平台的底层技术服务，为金融机构提供“全流程、端到端”的科技赋能。
2020年以来，伴随外部金融机构数字化转型的强劲需求，金融壹账通通过规模效应及产品升级，实现了整体营收能力的显著提升。3月26日，金融壹账通披露2020年年报，数据显示该公司2020年营收为33.12亿元，同比增长42.3%。
2021年，面对金融机构数字化变革的更高要求，金融壹账通确立了“从零配件到整车制造”的新发展趋势，并提出了“整车输出”的战略升级。为了更好地实施新战略，金融壹账通近日宣布引入罗永涛、陈旭华等金融业老将，分别出任首席财务官和首席营销官。此前还邀得秦政、刘芳等多位重量级的行业外脑相继加盟。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
