1月22日，由深圳数据经济研究院在深圳市政务服务数据管理局、深圳市前海深港现代服务业合作区管理局共同指导下，发起主办的2021前海数据经济大讲堂第五期在线上成功举办。深圳数据经济研究院的官方视频平台及新浪、等媒体平台进行了全网直播，受到政府、业界、学界的多方瞩目。其中，伦敦证券交易所集团数据和分析事业部新兴前沿市场部大中华区战略与产品总监汤爽廷，以《数据视角下绿色投融资服务及若干案例分享》为题，从数据和数据应用的视角，分析了当前绿色投融资活动的若干服务平台案例。

演讲实录节选：

一、绿色金融科技服务现状

绿色金融科技作为新兴领域，只有数年的发展历程，相关设计、规范约束也处于完善阶段，但是随着中国碳达峰和碳中和目标的提出，绿色金融和金融科技实践的紧密发展，为绿色金融也创造了巨大的需求，各界对于绿色金融科技内涵的理解逐渐加深。金融科技作为绿色金融体系建设的重要支撑，将在支持绿色金融更加高效服务于实体经济方面发挥关键性作用。

2020 年，保尔森基金会绿色金融中心与北京绿色金融与可持续发展研究院共同发布了题为《金融科技推动中国绿色金融发展：案例与展望（2020 年）》的报告，通过对 41 家以服务绿色金融为主业的金融科技公司进行跟踪调研分析，主要统计其金融科技技术应用、绿色金融业务领域、应用场景、服务主体及公司注册区域的分布，其中发现——

从技术应用看，大数据、人工智能和云计算仍是目前中国推动绿色金融发展的三大主要技术。区块链和物联网应用相对较少，但可预见在未来实现全流程实时信息采集中将得到快速发展和应用。从绿色金融业务看，金融科技工具的使用主要集中在绿色信贷、绿色基金、绿色能源市场、绿色债券等业务领域。其中，这些工具在绿色信贷和绿色基金业务领域的使用率较高，而在环境权益市场、绿色信托、绿色租赁业务领域则相对欠缺。从应用场景看，金融科技工具的使用覆盖了 ESG 投融资、全国碳市场交易、绿色建筑、绿色消费、绿色农业、小微企业等多个领域。从应用主体看，绿色金融科技主要服务于政府机构、金融监管部门、金融机构、企业、个人用户。从项目个数来看，地方金融监管部门的占比达 50%左右，中央金融监管部门和个人用户的项目各仅有一例，分别是为中央金融监管部门提供绿色金融监管服务和针对个人的碳足迹和碳积分。

针对绿色金融科技服务发展现状，在区块链、物联网技术；另类数据技术和应用；可持续供应链、绿色项目融资等场景；碳资产管理；个人碳账户与绿色消费金融；小微与普惠业务场景；继续关注转型金融发展；关注全球气候政策和跨区域碳市场等具有发展空间的议题。

二、地方绿金服务平台案例

第一个案例围绕“金融科技全面赋能银企证监，增强绿金生态圈活力”为主题所展开，纵观整个案例，绿色金融综合服务平台是其中的亮点所在。在绿色金融综合服务平台底下分为若干个子平台，包括银企融资对接、企业信用整合、绿色金融服务、事企政策对接。

可以说，这个平台在地方金融办协调下，连接了地方人行、银保监局、银行、企业以及大数据平台，接通了中小微企业的评价体系。以中小微企业为例，如果从事环保节能等绿色、可持续业务，需要获得扶植资金或优惠利率，可以登录这个平台并提供相关信息，平台会自动推送给平台入驻的当地金融机构。这是目前地方绿金服务领先案例，平台较好地为银行对地方绿色普惠业务进行支持时的业务决策和风险估，也有利于贷后跟踪管理等一系列流程。

第二个地方绿金服务平台案例的特点是在其绿色信贷业务管理系统，将商业银行与监管部门联通。比如当商业银行在发放了绿色信贷贷款后，可以通过平台，将相关绿色信贷信息，进行自动化的监管报送。未来通过API接口，监管部门能够更加实时地监管商业银行的绿色业务，有效防范洗绿风险。

三、商业银行绿色金融服务平台案例

（1）应用架构和数据治理

目前行业的领先解决方案需要围绕应用架构设计与数据治理两个关键能力建设展开。在应用部分，以绿色金融业务的大数据平台作为底层支撑，可以架构在金融云平台上，再往上逐层构造绿色金融业务管理系统。数据和模型变成通用的面向业务应用的服务。这些应用常见的如账务系统、信贷系统、授信系统和风控系统等，也支持驾驶舱、移动端展示等多形式。

在数据管理平台上，首先需要架构贴源的数据存储和管理层，完成数据接入、数据处理、数据质量管理、数据补录等作业。此外很关键的这个数据层需要面向主题。例如ESG服务就是围绕环保主题、社会责任主题、公司治理主题、可持续发展等导向主题，从源数据中抽取相关的字段并处理和存储，向上支持模型层。模型层需要内建多套不同的绿色模型。还是以ESG为例就是各类指标库，以及评价企业的一个宽表。这样在最上层的ESG应用层，得到不同口径下的企业ESG评分结果。

（2）绿色资产识别

从应用架构看，有四个关键业务模块。首先是绿色资产识别。这个案例用了AI，训练数据来自10万多个公开项目库的信息、资料，辅以专家整理的知识库，收录了国家绿色标准整理的绿色知识产业库，再通过绿色关键信息与相应的机器学习训练。智能绿色资产识别能够有效地识别多类型的资产：信贷资产、表外资产、票据资产、债券资产。当能够识别这些绿色资产，识别哪些贷款或资产后，下一步就是要能够进行环境效益的计算，风险管理以及不同监管标准下的报送或者披露。

（3）环境效益计算

环境效益测算模型，是在现行绿色信贷项目节能减排测算方法的基础上，对晦涩难懂的环境效益测算公式和大量复杂的基准系数进行全面、完整、细致的梳理、解析和验证，形成标准的、高可用的环境效益测算模型，帮助金融机构快速上手和自动进行环境效益的测算。

（4）环境风险管理

第三个比较重要的应用模块是环境风险管理，里面3个重点分别是环境大数据采集、环境风险分类和风险预警。环境大数据是利用大数据技术，自动化采集多类官方网站，经过多层次数据加工处理，形成专业的企业环境大数据。环境风险分类是根据客户经理采集的客户所属行业、生产及工艺等信息，结合环境风险分类模型自动得出客户环境风险分类初始化结果。风险预警是自动监测商业银行企业客户的环境表现，帮助用户快速识别名下企业客户的环境风险，并在企业客户出现新处罚时及时通知，做好风险预警和处置准备。环境风险预警也可以扩展为安全生产、公司治理等多主题的自动监测、预警服务。

（5）环境信息披露

第四个关键模块是环境信息披露，金融机构环境信息披露是推动绿色金融的重要基础性制度，与绿色金融标准、产品和市场、政策激励约束、国际合作共同构成绿色金融体系的“五大支柱”。金融机构披露其生产经营活动涉及的环境信息，有利于发挥金融中介作用，引导投融资服务方向，推动自身改善环境表现，进而促进经济绿色发展。披露依据是中国人民银行2021年发布的JR/T 0227-2021《金融机构环境信息披露指南》，其在年度概况、环境相关治理结构、环境相关政策制度、环境相关产品与服务创新、环境风险管理流程、环境因素对机构的影响、投融资活动环境影响、经营活动对环境影响、数据梳理、校验及保护、绿色金融创新及研究成果、其他环境相关信息做出了要求。

四、可持续投资中ESG面临的挑战

可持续投资中ESG面临的挑战是，在确定的ESG市场策略及投资理念基础上，需要进一步明确数据获取、重要性原则、数据聚合、及权重设置等业务策略，据此建立和发展专有的评分系统（数据资源、研究和评分方法）。

可持续发展背景下数据的可持续性，也会在数据标准认同、数据可获得性、数据可靠性、数据合规性、数据应用和发展前景上受到相应的挑战。