摘要：小微企业在供应链中的弱势地位可能使得金融机构不能有效感知其实际发展资金需求，数据联邦技术对于金融机构减少金融决策风险，提升小微企业融资水平具有较大的促进作用。优化数据联邦技术发展和应用环境，营造数据联邦体系架构，可实现小微企业资金链的有效畅通。

　　关键词：数据联邦技术、小微企业、资金链、数据隐私保护

　　2025年政府工作报告指出，加大对科技创新、绿色发展、提振消费以及民营、小微企业等的支持。2022年12月，《中共中央、国务院关于构建数据基础制度更好发挥数据要素作用的意见》发布，该文件明确要求在跨境电商、跨境支付、供应链管理、服务外包等典型应用场景开展先行先试。

　　小微企业的发展离不开金融要素的支持，但金融机构与小微企业存在信息不对称问题，小微企业的真实运行信息并不能完全被金融机构所感知。当前供应链金融理论模式建立在供应链企业需提供其业务电子凭证、物流信息流、资产等全局数据之上，而现实是部分企业出于运营安全和隐私的考虑，不愿意实现信息的共享，以防被相关利益方获取或知晓。

　　新一代数据联邦技术强调隐私保护下数据的联合共享，可解决数据合作过程中数据孤岛和数据隐私两难问题。自2020年在学界被认可后，其技术理念已迅速应用于工业互联网领域。在传统供应链金融模式中引入数据联邦技术，赋能供应链金融精准化服务模式创新，可促进缓解企业特别是小微企业的运营资金流动性问题。

　　当前影响小微企业资金链

　　畅通的关键问题

　　商业周期的变动、产业升级的阵痛、数字化转型的困境，导致小微企业经营受到前所未有的挑战。小微企业的风险管理与控制遇到很大的阻碍，资金链承受巨大压力。

　　数据形态的不规范、信息孤岛的广泛存在，使金融机构无法有效感知企业资金需求和信息资质。企业信息化接口的不同，导致产业供应链信息难以形成，贸易真实性受到置疑，进而影响企业融贷。

　　金融机构可能出于自身风险控制需求，对信用数据不突出的小微企业，出现“不贷”“少贷”等现象。供应链数据，工商、税务、海关等公共数据，都可实现对小微企业的多层用户信用画像，面向小微企业的数据信用体系没有完全构建。

　　新一代联邦技术服务小微企业资金链

　　贯通的应用优势

　　数据联邦模式自2019年被首次提出以来，成为机器学习、人工智能领域的一大亮点。其在线学习过程中数据不出本地，不泄露隐私也不违反法规，多个参与者联合数据建立虚拟的共有模型共同获益。这种方式能激励多个参与方各自提供数据，解决数据孤岛和有效合作问题。其在保障各自隐私和安全的现实情况下，达到共赢局面的特点，与目前全局数据更新模式（包括区块链）有本质不同。

　　联邦技术可解决供应链金融数据可信融合问题。供应链金融领域的多源数据判断主要来自供应链企业经营数据、金融机构的历史数据。传统的数据源之间存在较强的壁垒，整合数据可能牵扯到各个数据方。联邦学习不需要将数据统一聚成，其可考虑不同分布式下的本地数据样本，并通过横向、纵向、迁移联邦学习建模，协助金融机构取得更多的数据维度，进而使得决策模型数据特征得到较强增补，实现融资决策优化，提升融资模型判断水平，并且这种提升是在数据强保护下实现的。 

　　当前一些数据联邦信息技术服务商头部企业已经开始显现，阿里巴巴、腾讯等互联网企业都开始着手布局联邦学习技术服务体系，其被认为是新一代人工智能技术框架。联邦学习在金融领域的应用尚未成熟，但从数据联邦技术赋能小微企业资金链畅通视角出发，企业方、金融机构、政府方可达到共赢的局面。

　　从小微企业方来看，联邦技术在隐私安全下可挖掘企业经营数据，解决企业融资需求的信用凭证问题。在供应链数据、金融数据、公共数据的联邦作用下，小微企业可获得精准的金融服务。这为改善小微信用债，降低现金循环周期提供了一个新视角。 

　　从金融机构来看，联邦技术解决了供应链金融实时、透明、可追溯目标，减少了金融机构风险。联邦技术服务体系的数据合作不出本地，数据决策结果依托各方数据加密进行，这可使各方在安全框架下实现高维度数据的集合，与传统方法相比，这为金融机构开展金融决策提供了更多数据样本，进而减小决策风险。

　　从政府来看，数据联邦技术促进了企业数字化转型，体现了供应链金融的扩大化现实场景应用。其可为构建小微企业信用体系提供一个新的技术手段，也为解决小微企业融资难、融资贵的问题提供了一个新的方向。

　　推进数据联邦技术赋能供应链

　　金融发展的建议

　　加强顶层设计，夯实数据联邦供应链金融发展基础。

　　一是制定发展数据联邦供应链金融发展意见。明确发展的目标和任务，秉承开放共赢态度，开展同业或跨业合作。建议建立供应链数据、金融数据、公共政府数据的合作机制法律框架，实现数据联邦服务规范管理。

　　二是推进供应链金融企业数据设施建设。推动供应链企业上平台、上云，基于数字技术，重构产业链主体的数字化组织模式，建立融合产业链与供应链金融的数字中台服务架构。

　　三是加强供应链金融业务流程建设。构建数字信任下的供应链金融融合式服务模式，突出各类数字技术的融合性，通过数字感知层、流程层、模式层的协同作用，以实际生产业务提取金融信息，以达到供应链金融运行的可行性和可追溯性。

　　四是加强公共政务数据与金融链金融共享活力。整合海关、工商、税务等公共政务数据接口，强化数据联邦供应链金融的数据融合和共享机制，促进数据在同一规整下开展供应链金融服务。

　　强化政策支持，融资需求覆盖供应链长尾群体。

　　一是支持以金融机构为主导搭建供应链金融联邦服务平台，实现数据相互印证、相互映射，打破以核心企业确权为必要前提的传统供应链运作模式，实现企业信用有效穿透、传导。突出解决供应链关键链条堵点、断点、卡点的金融服务问题。

　　二是支持个性化、综合化数据联邦供应链金融模式发展。联合政府信息、贸易服务、物流信息等平台，实现供应链各方数据在不离开本地、充分保护数据隐私的前提下的联合学习模式，构建电力贷、物流贷等多种供应链金融服务模式，突显金融服务覆盖供应链金融每个参与方。

　　三是构建数据联邦学习标准机制。基于数据联邦和数字化技术架构下建立可靠、关联和有效的供应链金融规范行为，包括各个主体在实施过程中的权力结构、规范流程和行为标准化，突出其风控管理措施。

　　强化主体培育，助力数据联邦供应链金融落地和实践应用。 

　　一是加强与金融机构的战略合作。积极推动银行业实施数据联邦下的供应链金融服务，引导银企共同探讨合规条件下做大供应链金融发展数据联邦新模式的举措和路径。 

　　二是培育大中型联邦学习技术提供商。鼓励大中型互联网企业架构联邦学习技术体系，服务供应链金融发展新模式。优化产出标准化的框架和API调用，使用政策激励引入或培育联邦学习技术供应商。

　　三是加强宣传，鼓励供应链核心企业开展数据联邦供应链金融。引导供应链企业特别是核心企业开展数据联邦新业务。基于显示场景应用，加快数据联邦供应链金融落地实施。

　　发挥联邦计算价值，构建“联邦学习+”供应链金融生态联盟。

　　一是加快建设区域性数据金融服务平台。加快各地区数据金融服务平台，进而对各个平台数据进行数据联邦，实现数据联邦金融服务最大化效用。

　　二是以联邦学习为架构，构建产融生态圈。通过供应链金融主体的信息整合和资源对接，形成特定产业结构化生态联盟，共享数字金融服务。

　　（作者唐辉军系宁波财经学院金融与信息学院副院长，博士，教授；作者郑长娟系宁波财经学院金融与信息学院院长，博士，教授。本文为国家社会科学基金项目“基于数据联邦的供应链金融结构治理研究”的阶段性成果。）