刘隆基 于 博 郭树行
摘 要：供应链金融作为现代商业中的主流金融手段，在全球范围内发挥着重要作用。然而，传统供应链金融面临着诸多限制，如信息不对称、信任问题、流程繁琐、中介成本高等。分布式金融技术的引入为供应链金融提供了新的发展机遇，提供了更高的安全性和可信度，同时也简化了交易流程。然而，分布式供应链金融目前仍面临技术问题、安全与合规问题、市场风险问题与生态系统的互操作性问题等挑战。为促进分布式供应链金融进一步发展，本文提出了分布式供应链金融数据驱动架构模型，突出数据驱动的作用，将数据要素作为分布式供应链金融中的第一生产要素。通过数据要素的价值化、信息化为分布式供应链金融带来直接经济利益和潜在收益，为分布式供应链金融的发展提供了理论支持。同时，本文还分析了分布式金融技术在供应链金融领域的应用前景，以期为业界提供有益启示。总之，本文通过深入研究分布式金融的原理和供应链金融的业务需求，探讨了如何充分利用数据运营来优化供应链金融业务，提高效率和安全性。这将有助于推动分布式供应链金融的发展，促进供应链金融市场的创新和繁荣。
关键词：供应链金融；分布式金融；业务视角；数据架构
随着全球经济一体化和互联网技术的快速发展，供应链金融作为金融行业的一个关键领域，逐渐在现代商业中占据重要地位。然而，传统的供应链金融模式面临着诸多限制，如信息不对称、信任问题、流程繁琐、中介成本高等，这些问题限制着供应链金融的发展。近年来，分布式金融技术的兴起为解决这些问题提供了全新的路径，其中数据运营起到了关键作用。分布式金融技术具有去中心化、不可篡改、透明性和智能合约等特点，为供应链金融提供了更高的安全性和可信度，通过智能合约和区块链技术可以提高信任度、降低中介成本，同时简化了交易流程。
一、供应链金融的相关概述
（一）供应链金融的定义
供应链金融源于企业对资金流动性和供应链的管理需求，它是一种金融服务模式，可简单概括为银行将核心企业与上下游企业联系在一起，并向其提供灵活的金融产品和服务的一种金融模式。该模式通过供应链融资、应收账款融资、库存融资和供应链支付等金融工具，以及区块链、人工智能和物联网等数字化技术来优化和改进供应链管理和运作，从而提高供应链效率，降低成本及减少风险，从而加速货物和服务的流动。目前，我国的供应链金融市场规模逐年扩大，我国政府一直将供应链金融视为支持实体经济和小微企业的重要手段，并通过减税政策、金融机构的支持和监管优化不断推动供应链金融可持续发展。
（二）传统供应链金融面临的挑战
虽然传统供应链金融迎来了高速发展机遇，但也面临着诸多限制与挑战。一是信息不对称。在传统供应链金融中，供应商和融资机构之间存在信息不对称，供应商通常拥有更多关于其业务和客户的信息，而融资机构难以获取准确的供应链数据，这导致融资风险增加。二是信任问题，信任是供应链金融的核心问题之一。供应链涉及多个参与方，包括供应商、制造商、物流公司和融资机构，由于各方之间缺乏透明度和可验证性，很难建立跨组织的信任关系。三是高昂的中介成本。传统供应链金融通常需要银行或金融公司等中介机构来管理融资和支付过程，这些中介机构需要收取费用，增加了供应链成本。四是流程复杂。供应链金融涉及多个步骤，包括订单、发货、收货、验货和付款等事项，这些通常需要人工来处理大量的文件材料和繁琐的流程，容易导致人为错误和延误。五是资金流动性的问题。一些供应商可能需要等待较长时间才能收到款项，一些采购商也可能需要提前支付货款，这些都大大降低了供应链的资金流动性。最后，由于供应链金融涉及国际贸易和跨境交易，因此需要相关方遵守不同国家和地区的法规及合规要求。
二、分布式金融在供应链金融中的应用
（一）分布式金融的定义
分布式金融是一种基于智能合约和区块链技术的金融模式，采用分布式系统架构和技术，支持和改进金融服务和交易的方式。这种架构将传统的中心化架构改变为分布式的网络结构，使得金融机构可以跨越地理限制，在不同地区运行服务器和数据中心，以实现更高的可用性、安全性和容错性。不仅如此，分布式金融系统还具有高性能和可扩展性，可以应对高并发的金融交易和大规模的数据处理需求。智能合约是自动执行的合同，无需第三方干预，被广泛使用在分布式金融中，以实现金融交易的简化和自动化。分布式金融的核心特点包括去中心化、不可篡改、透明性和智能合约等，这些特点为供应链金融提供了更高的安全性和可信度，同时也简化了交易流程。目前，许多金融机构开始探索使用区块链来提高交易的透明性和安全性，许多国家和地区也在积极探索和实践分布式金融技术，以提高金融服务的效率和安全性。
（二）分布式金融在供应链金融中的应用
分布式金融的特点为供应链金融的发展开拓出新的路径。
首先，对于如何解决供应链金融的信息不对称和信任问题，区块链技术可以推动供应链上的数据共享和资金流动，为金融机构提供更安全、透明和高效的服务，该技术还可以提供分布式、不可修改、可追溯的数据库和一个去中心化的账本，使得供应链中的各参与方能够更高效地共享信息、执行信任验证和智能合约，降低运营成本，缩短交易周期，确保数据的透明性和不可篡改性，减少信息不对称、信息隐瞒和错误的可能性，从而实现供应链金融的自动化和数字化。分布式金融还可以帮助建立去中心化的身份验证和信任体系，使供应链中的参与者能够建立信用评级和声誉榜单，减少融资方的信用风险。另外，分布式金融使得全球范围内的投资者可以直接参与供应链金融，在扩大融资渠道的同时有助于降低信息不对称带来的风险。
其次，传统的供应链金融通常需要多个中介机构，如银行、保险公司和信用评级机构等，以确保交易的安全性和合规性。而分布式金融则通过去中心化的平台，如智能合约和区块链，直接在参与者之间发起交易，取消中间环节，减少了中介费用。而智能合约技术可以简化交易流程，大大降低交易费用与交易风险。
通过分布式金融平台（DeFi）提供的智能合约借贷服务，供应链中的各参与方可以将其资产作为抵押物借入资金，解决其资金流动滞后、低效的问题。这种去中心化的借贷方式提高了资金的流动性，使资金可以更容易地在供应链中流通，而无需等待传统金融机构的审批。而借款者也可以根据需要快速获得资金，提高了资金的使用效率。同时，DeFi生态系统中常常存在流动性挖矿项目，有助于增加供应链金融市场的流动性。DeFi平台上的市场协议允许参与者在自由市场上交易，这些市场协议为供应链金融提供了更多的选择，满足不同参与者的需求，增加资金的流动性。资金渠道的多元化与高流动性大大提升了供应链的效率，解决了传统模式下资金流动的不稳定性与滞后性问题，也为中小企业拓宽了融资渠道，进一步提高了供应链金融的稳定性，推动了供应链金融可持续发展。
（三）分布式供应链金融面临的难题与挑战
虽然分布式金融可以促进传统供应链金融进一步发展，但是同时也面临着新的难题与挑战，主要包括技术问题、安全与合规问题、市场风险问题与生态系统的互操作性问题。
在技术方面，分布式供应链金融存在区块链可扩展性问题和数据隐私与安全问题。分布式供应链金融平台需要处理大量的交易和数据，但某些区块链技术在高交易量时可能会面临扩展性问题，导致交易延迟并产生高额费用，亟须一个庞大且稳定的区块链数据库。供应链中包含的数据通常是敏感的商业信息，需要对其妥善保管，防止信息泄露对企业造成损失并扰乱市场的正常运转秩序。不过，要确保如此庞大且重要的数据在区块链上的加密和隐私保护是一项重大挑战。
安全与合规问题涉及监管的不确定性和监管要求。当前，学界仍未深入研究分布式供应链金融的问题，人们对于分布式供应链金融的应用也处在初级阶段，国家有关部门还没有制定出完善的监管框架。在此背景之下，不同国家和地区对分布式供应链的监管有不同的要求，而供应链的主体呈多元化，这就导致了合规性风险的增加，法律责任也没有得到明确，因此需要打造一套标准的监管体系，严格明确监管部门职责。众所周知，了解客户（KYC）和反洗钱（AML）是金融行业的要求，但要想在分布式供应链金融中达到这些要求仍具有一定的挑战性，尤其是在匿名区块链上，用户信息不全、信息造假，监管程度不高等因素都会给分布式供应链金融带来挑战。
市场风险问题包括市场不稳定性和智能合约漏洞。当前，加密货币市场和分布式金融市场都具有较高的波动性，这可能会导致供应链金融参与者面临资金价值波动的风险，对分布式供应链金融产生信任危机，而化解市场不稳定这一问题也成为分布式供应链金融发展面临的重大挑战之一。分布式供应链金融平台使用智能合约进行交易，虽然会简化交易过程，降低交易费用，但随之产生的智能合约漏洞也可能导致资产流失，需要严格把控智能合约的开发和审计流程，完善智能合约条例与制度，加强合约监管。
在生态系统的互操作问题，以及不同区块链和DeFi项目之间的互操作问题上，不同的分布式供应链金融平台可能使用不同的区块链技术和协议，这会导致互操作性方面的问题，进而限制资产和数据的流动性。
由此可见，尽管有分布式金融赋能，衍生出的分布式供应链金融仍面临不少挑战与难点，因此需要引入新的元素推动分布式供应链金融进一步发展。
三、数据驱动赋能分布式供应链金融
（一）分布式供应链金融数据驱动架构模型
为进一步推动分布式供应链金融发展，本文提出分布式供应链金融数据驱动架构模型，即突出数据驱动的作用，将数据要素作为分布式供应链金融中的第一生产要素，同时分析分布式供应链金融中的数据运营流程，为目前分布式供应链金融存在的问题和挑战带来新的思路，并提出有效建议（见图 1）。
本模型在传统分布式供应链金融体系下，在区块链、智能合约赋能供应链金融的基础上，概括出一条完整的数据运营体系，划分出多个数据运营部门。本模型对分布式供应链金融产生的数据进行价值化、信息化双向处理，实现数据的双主线收益模式，保证数据要素的高效利用。与此同时，本模型提出金融、数据监管部门双监管模式，在对整个金融流程严格监管的同时保障数据利用规范化、合法化。同时建立数据安全部门以保障整个数据运营环节的数据安全，提高数据的可信度。
通过与现有模型对比发现，本模型有更加完整和高效的数据运营流程和体系，在数据运营体系的建立、双主线收益模式、金融、数据监管部门双监管模式以及数据安全部门的设立等方面也具有创新性和优势，有助于推动分布式供应链金融的创新和发展。本模型更加全面地考虑了数据在供应链金融中的价值，有助于提高供应链金融的整体效益，更加注重数据安全和合规性，有助于降低数据泄露和违规操作的风险，更加注重数据安全和隐私保护，有助于提高数据的可靠性和安全性。
（二）数据要素价值化
数据要素的价值化在分布式供应链金融中发挥着关键作用，它可以对数据要素的多个流程进行加工，为数据要素添加商品价值属性、类金融产品价值属性、社会经济价值属性，从而为分布式供应链中的各成员带来直接收益。中国信息通信研究院发布的《数据价值化与数据要素市场发展报告 （2021年）》提出的“三化”框架，即数据资源化、数据资产化、数据资本化，可以描述数据要素价值化这一过程。
数据资源化是将分布式供应链金融中涉及的各类数据进行集中管理、整合和优化利用的过程。在这个过程中，各类数据要素，包括供应商信息、采购订单、物流信息、库存数据等被视为宝贵的数据资源。通过合理的数据采集、存储、清洗和标准化处理，可以使这些数据变得更加可靠、易于访问，并且能够为金融机构和供应链参与者提供有价值的信息。例如，金融机构可以根据历史采购订单和供应商表现数据来评估供应商的信用风险，从而更好地判断是否为其提供融资支持。
数据资产化是指将数据要素视为一种可交易、可转让的资产。在分布式供应链金融中，企业可以将自身的供应链数据转化为数据资产，将其出售或抵押给金融机构以获取资金支持。这些数据资产的价值可以根据其质量、历史表现、市场需求等因素进行评估。这种模式有助于企业获得更多的流动资金，同时也为金融机构提供新的投资机会。例如，一家企业可以将其未来采购订单进行数据资产化，然后将其出售给投资者，以获取资金用于扩大业务规模。
数据资本化是将数据要素与资本市场有机结合，以获取更多价值。在分布式供应链金融中，数据要素可以被视为一种资本，用于支持融资、投资和业务扩展。金融机构可以利用数据要素来评估风险，制定融资政策，并为供应链参与者提供更有竞争力的金融产品和服务。同时，数据要素的资本化也可以吸引更多投资者参与供应链金融市场，从而推动市场的创新和发展。
总之，在分布式供应链金融中，数据要素价值化是打造更高效、更智能的供应链金融体系的关键步骤。通过数据资源化、数据资产化和数据资本化的“三化”过程，可以更好地利用数据要素的直接价值，促进供应链金融市场的创新与发展。
（三）数据要素信息化
在分布式供应链金融中，首先，数据运营的前提是采集和整合各种类型的数据，包括供应商信息、库存数据、交易历史、市场趋势等。这些数据来自不同的供应链参与方，因此需要进行数据清洗，它涉及检测和修复数据中的错误、缺失或不一致。其次，数据要素可能来自不同的系统并有不同格式，因此需要进行标准化统一，以确保数据的一致性和可比性。标准化的数据将会被存储在区块链数据仓库中，以确保数据安全与透明。一旦数据要素被清洗和标准化后，数据分析部门就可以使用有价值的数据进行分析。这包括使用各种分析工具和算法来探索数据、发现模式以及进行趋势分析等。而分析后的数据反馈就可以反哺于分布式供应链的各参与方，带来潜在价值收益。
数据反馈将作用于分布式供应链的各参与方。从供应监管部门的角度出发，可以通过分析供应商的历史交易数据、交货准时率、质量控制数据等，更准确地评估供应商的绩效和信用风险，帮助他们做出更明智的合作决策。同时，通过实时的供应链数据，供应监管部门能够更好地监控整个供应链，快速应对潜在的问题和风险。从采购部门的角度出发，可以根据历史采购数据和市场趋势进行更精确的需求预测，以优化采购计划和库存管理，减少库存成本,同时采购部门能够实时追踪供应链中的物流情况，提前发现潜在的供应问题，确保物资及时到达。从物流与仓储部门的角度出发，实时的物流数据和路线规划信息可以帮助物流部门提高运输效率，降低运营成本，也能够更精确地掌握库存情况，降低库存积压风险，提高库存周转率。从销售与市场部门的角度出发，分布式供应链金融中的数据要素信息化可以提供有关客户行为和市场趋势的数据，帮助销售与市场部门更好地理解客户需求，制定精准的市场推广策略。这些操作可以确保供应链流程的顺畅和准时交货，有利于销售与市场部门提高客户满意度，增强客户忠实度。同时，数据要素信息化也为金融机构提供了更多机会，可以更精准地评估风险，提供更加多元化的融资产品，促进供应链金融市场发展。数据要素信息化可以帮助金融机构更全面地了解供应链参与者的财务状况、信用风险和供应链运营情况。金融机构可以使用供应链数据来评估供应商的供应能力，根据历史数据分析供应商的信用风险，从而更好地制定融资策略和贷款利率。数据要素信息化还可以提供实时的供应链运营数据，帮助金融机构做出更及时的决策，如是否继续为某一环节的供应链提供融资服务。金融机构还可以利用数据要素信息化来评估供应链中的资产价值。基于供应链数据，金融机构可以为供应链参与者提供融资产品，如库存融资、订单融资等，以满足其资金需求。数据要素信息化可以降低融资交易的成本和风险，提高金融机构对供应链融资的信心。此外，金融机构还可以利用数据要素信息化来开发新的金融产品和服务，以满足供应链参与者不断变化的需求。数据要素信息化有助于金融机构扩大市场覆盖范围，与更多的供应链参与者建立合作关系。数据要素信息化可以帮助金融机构检测供应链中的欺诈行为，如虚假订单或供应商。通过数据分析和监测，金融机构可以更早发现潜在的欺诈迹象，并采取适当措施来降低欺诈风险。
总的来说，数据要素信息化为分布式供应链金融中的各部门提供了更多的数据支持和决策依据，帮助他们更高效地运营和协作。这不仅有助于提高生产效率、降低成本，还可以提高客户满意度，增加企业竞争力。另外，数据要素信息化还可以使金融机构更具竞争力，更好地满足供应链金融市场的需求，同时降低了风险，提高了效率，这对于建立稳健的分布式供应链金融生态系统至关重要。
（四）数据监管与数据安全
在数据运营中，数据监管十分重要，这决定了数据的标准化程度与可信度。本模型提出实施金融、数据双监管体系。金融监管部门可通过数据监管部门发布的信息实时查看金融漏洞，数据监管部门又可通过金融监管部门的实时监管核对数据正确性，完善数据可用性，两个部门相互监管，相互制约，排除人为错误。与此同时，单独设立一个数据安全部门来监管整个数据运营过程中的数据安全，保障整个数据流程中可用数据的安全性、隐私数据的保密性、无用数据处理的谨慎性。与现有数据监管和安全措施相比，本文提出的数据监管与安全措施充分考虑了现有法律法规和行业标准，以确保数据的合法性、隐私性和安全性，并且提出的实时监控和审计机制有助于及时发现和应对潜在的数据泄露或安全事件，提高数据安全水平。同时，本文提出的数据备份和恢复策略可以防止数据丢失或损坏，有利于确保数据的完整性和可用性。
数据监管与安全建设至关重要。第一，需要对数据进行分类和标记，以区分敏感信息和非敏感信息。这有助于制定不同的数据保护策略和权限管理。第二，所有敏感数据应当进行加密，包括数据传输和数据存储。在数据安全方面，需要对数据进行加密，包括数据传输和数据存储，使用强加密算法可以保护数据的机密性。第三，建立数据备份和恢复策略，以防止数据丢失或损坏，备份数据也应当得到适当的加密和保护。第四，实施实时监控和审计机制，以便发现和应对潜在的数据泄露或安全事件，这有助于及时采取措施，减小潜在损害。第五，对员工进行数据安全培训，提高他们的安全意识，培养正确处理敏感数据的能力。
同时，要注重相关法律法规建设，以确保数据的合法性、隐私性和安全性。第一，完善个人数据保护法律，建立和完善适用于个人的数据保护法律。例如，欧洲的《通用数据保护条例》（GDPR）、美国的《加利福尼亚消费者隐私法》（CCPA）等。加强金融数据监管法规建设，确保遵守金融数据监管法规，这些法规可能涵盖数据报告、透明度、反洗钱规定等方面的要求。第二，统一跨境数据传输法规，如果涉及跨境数据传输，要遵守相关的数据出口控制法规，确保数据合法传输。不仅如此，行业标准与合规性也同样重要，参考行业内的数据安全标准和最佳实践，以确保符合行业要求。第三，确保智能合约的合规性，确保与供应链合作伙伴之间的合同中包括数据保护条款，并定期审查和更新这些合同。若发生数据错误，还应完善数据泄露通知法规，如果发生数据泄露，必须遵守相关法规，及时通知受影响的个人和监管机构。
通过与现有数据监管和安全措施进行对比，本文提出的数据监管与安全措施在确保数据的合法性、隐私性和安全性方面具有创新性和实用性，有助于推动分布式供应链金融的发展。
（五）对策与建议
本文提出的分布式供应链金融数据驱动架构模型，针对所面临的技术问题、安全与合规问题、市场风险问题与生态系统的互操作性问题，提供了有效的解决路径和方案，有助于促进分布式供应链金融的进一步发展。
本模型提出了完整的数据运营体系，包括数据采集、清洗、标准化、分析等环节，对区块链可扩展性和数据隐私与安全问题提出了解决路径。同时，本模型提倡实施金融、数据双监管体系，也可以推动数据利用进一步规范化、合法化。设立数据安全部门也可以进一步保障整个数据运营环节的数据安全，提高数据的可信度。通过数据价值化和信息化处理，降低市场不稳定性和智能合约漏洞带来的风险。数据价值化有助于降低融资交易的成本和风险，提高金融机构对供应链融资的信心。数据信息化则有助于提高供应链金融的整体效益，降低市场风险。对于生态系统的互操作性问题，本模型通过数据价值化和信息化处理，实现不同区块链和DeFi项目之间的互操作。数据价值化有助于吸引更多的投资者参与供应链金融市场，从而推动市场创新发展。数据信息化则有助于提高供应链金融市场的流动性，满足不同参与者的不同需求。
未来，随着数据驱动在分布式供应链金融中的推广应用，将衍生出新的难题。第一，随着数据量不断增长，企业的数据存量将会呈指数型暴涨，如何确保数据的实时处理和分析能力，以及如何在保证数据安全的同时提高数据处理效率，这个技术问题有待考证。第二，随着分布式供应链金融的发展，企业如何确保数据合规性，并且遵循不同国家和地区的法规要求。第三，如何在保护数据隐私的同时实现数据的价值化和信息化处理。第四，在目前的大市场环境下，如何实现金融、技术、物流等多个行业的紧密合作，以实现供应链金融的高效、安全和可持续发展。第五，随着分布式供应链金融的发展，对相关人才的需求将不断增加，人才的培养和供给能否跟得上企业需求也有待研究。
针对以上问题，本文提出相关建议。第一，未来可持续关注和采用新兴技术，如边缘计算、分布式计算等，以提高数据处理能力。第二，研究和应用先进的数据加密和安全技术，确保数据安全。密切关注国际和国内法规动态，及时调整数据驱动架构模型以符合法规要求。第三，与监管部门保持沟通，积极参与法规制定和完善过程。第四，采用先进的数据加密和安全技术，确保数据在传输和存储过程中的安全性。第五，制定严格的数据访问控制策略，加强与各行业的沟通与合作，共同研究和开发适用于分布式供应链金融的数据驱动架构模型。第六，积极参与行业交流活动，分享经验和最佳实践。第七，加强人才培养和引进，加强与高校和研究机构合作，培养具有分布式供应链金融相关知识和技能的专业人才。同时，为员工提供培训和发展机会，提高员工的技能和素质。
通过关注这些难题并采取相应措施，本文提出的分布式供应链金融数据驱动架构模型将能更好地面对未来的挑战，从而更好地为供应链金融领域的可持续发展贡献更多力量。未来，分布式金融和数据运营在供应链金融领域的发展方向和面临的挑战主要集中在技术创新、合规、跨行业合作、人才培养等方面。随着区块链、人工智能、物联网等技术的不断发展，分布式金融和数据运营在供应链金融领域的应用将更加广泛和深入，相关法律法规也将不断完善，以确保数据的合法性、隐私性和安全性。分布式金融和数据运营在供应链金融领域的应用需要金融、技术、物流等多个行业紧密合作，此外还需要大力培育和引进相关技术人才，以实现供应链金融的高效、安全和可持续发展。分布式金融和数据运营在供应链金融领域具有广阔的发展前景，通过不断研究和创新，有望推动供应链金融的高效、安全和可持续发展，为全球经济的繁荣作出贡献。
参考文献
[1]朱兴雄, 何清素, 郭善琪. 区块链技术在供应链金融中的应用[J].中国流通经济，2018(3):111-11 .
[2]郭艳,魏丽婷.基于分布式技术的供应链金融企业信用风险研究[J].经济研究参考,2023(06):88-104.
[3]刘畅.区块链技术在供应链金融领域应用的法律问题研究[D].云南大学,2022.
[4]中国信息通信研究院.数据价值化与数据要素市场发展报告 (2021年)，2021,05.
[5]金骋路,陈荣达. 数据要素价值化及其衍生的金融属性：形成逻辑与未来挑战[J]. 数量经济技术经济研究,2022,39(07):69-89.
[6]许荻迪. 区块链技术在供应链金融中的应用研究[J]. 西南金融,2019,(02):74-82.
[7]郭菊娥,陈辰. 区块链技术驱动供应链金融发展[J]. 西安交通大学学报(社会科学版),2020,40(03):46-54.
[8]郭莹,郑志来. 区块链金融背景下小微企业融资的模式与路径创新[J]. 当代经济管理,2020,42(09):79-85.
[9]B Geva，J Cheng.Understanding Block Chain and Distributed Financial Technology: New Rails for Payments and an Analysis of Article 4A of the UCC[J].Business Law Today,2016.
[10]Apollo Healthcare, Llc： Distributing Financial Risk for Insurance Coverage in Patent Application Approval Process[J].Computers Networks Communications,2014.
[11]陆岷峰,徐阳洋.区块链技术在普惠金融风险控制中的运用研究——以供应链中的小微企业为例[J].农村金融研究,2019(08):13-20.
[12]董兴林,聂乐杰.区块链+B2B线上供应链金融的运作模式及收益分配[J].财会月刊,2021(07):44-51.
【本文获国务院国有资产监督管理委员会重大课题“国有企业数字化转型路径研究”（课题编号：2021-Z10-7）;福建省国有企业智改数转专项“数字化可复用架构设计理论研究”（课题编号：2023-FJZY-01）；教育部产学研合作项目“数字经济驱动产业链转型升级设计研究（课题编号：2023-ZJ-067）支持】
（作者刘隆基、郭树行单位系中央财经大学，作者于博单位系中国民航信息网络股份有限公司）