支付行业数据价值： 理论基础、形成机制与问题建议

刘松

摘   要：数据要素被纳入新型生产要素后，支付行业作为数据驱动最为明显的行业，将在数字经济发展过程中扮演越来越重要的角色，支付数据价值的充分发挥将成为国民经济发展的重要推动力量。本文首先对国内外数据价值研究现状进行了述评;然后，从四种价值形成的理论依据出发，深入分析了支付行业数据的价值形成机制和影响因素，指出支付数据作为支付行业价值创造链条上的核心资源，数据资源与其他资源如资本等相结合共同创造出新的应用价值，且受数据因素、技术因素、政策因素和市场因素的影响;最后，从数据保护、防范垄断、数据交易、数据分级分类管理以及数据共享等方面针对目前存在的问题提出了政策建议。

关键词：支付数据;价值形成;影响因素;政策建议

中图分类号：F832.31   文献标识码：B  文章编号：1674-2265（2022）01-0067-06

DOI：10.19647/j.cnki.37-1462/f.2022.01.008

一、引言及文献综述

近年来，我国支付行业发展迅猛，支付数字化、移动化趋势明显，支付数据量呈现指数化增长，数据资源已经成为支付行业的核心资产，数据的汇集、分析、应用和产出能力已经成为支付行业市场主体的核心竞争力。数据作为一种全新的生产要素，被誉为“数字经济的石油”，其规模经济效应明显，同时也具有非竞争性、非排他性等公共品的一般特征，数据要素与其他传统生产要素相结合能够产生极强的乘数效应。2017年12月8日，习近平总书记在中央政治局第二次集体学习时强调，要构建以数据为关键要素的数字经济，发挥数据的基础资源作用和创新引擎作用。党的十九届四中全会首次将数据要素作为生产要素写入中央文件，提出要“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。”2020年4月9日，中共中央、国务院《关于构建更加完善的要素市场化配置体制机制的意见》提出加快培育數据要素市场的具体意见。党的十九届五中全会指出，要“推进土地、劳动力、资本、技术、数据等要素市场化改革”。数据作为一种关键的生产要素，其生产、分配、交换和消费已经纳入顶层设计。

关于数据的价值，国内外学者从数据的特点、功能、交易、定价以及监管等方面进行了广泛地研究。研究认为，数据在经济中作为生产函数的一种投入要素，以生产商品和服务，并在不同信息主体之间转移信息，对效率、公平和竞争产生一定影响（IMF，2019;于立和王建林，2020）[1，2]。数据流通是社会财富创造的关键（韩海庭，2020）[3]，数据交易是市场经济条件下促进数据要素市场流通的基本方式（田杰棠和刘露瑶，2020）[4]。要正确认识数据的信息价值和计算价值可分离的新型数据观，深入挖掘数据要素的潜在价值（杜宁和杨祖艳，2020）[5]，进一步完善和健全由数据要素市场决定的数据所有者和开发者报酬机制（李政和周希禛，2020）[6]。还有学者从数据管理的角度对数据治理进行了研究，认为支付信息数据已经成为支付服务提供商的重要资产，但同时个人支付信息数据保护不足。要从健全支付信息数据保护法律法规入手，优化监管资源配置，提高个人信息数据保护意识（孙华荣，2020）[7]。我国要充分借鉴全球其他国家在数据管理上的经验，强化顶层设计，建立行业标准，加强部门联动，让数据更好地支持监管决策（巴曙松等，2020）[8]，

综上所述，随着数字经济的发展，数据要素的重要作用已经形成了共识，但总体而言，对于数据价值的研究较为宽泛。多数研究仅从其特性、意义、应用的体制机制等方面进行论述，没有针对特定行业特别是支付行业的数据价值及其形成机制进行深入研究。而支付行业作为近年来发展最为迅猛的行业，对传统行业数字化水平的提升起到了促进作用，对我国数字经济的发展贡献了重要力量。本文将在数据作为新型生产要素的大背景下，深入分析支付行业数据要素的价值形成机制与影响因素，进一步聚焦于支付数据的产生、共享、流动、应用的全过程以及面临的权属、防范垄断、隐私保护等问题，并提出政策建议。

二、支付行业的数据价值分析

数据是数字经济时代的“石油”，我国经过多年的发展，已成为拥有海量数字科技用户、多行业形态和完整供应链的国家。而规模市场的存在，也形成了量级巨大的数据沉淀可供挖掘使用，是各行各业在产品创新、开发、生产中不可或缺的生产要素。数据具有非竞争性、外部性和部分排他性的特征，数据价值的形成有其自身特点。

（一）价值形成的理论依据

价值的概念可以追溯到中世纪，由亚里士多德最先提出，他将价值划分为交易价值和使用价值，随后价值概念引入经济学领域。依据价值创造的不同，传统的价值形成理论依据主要从供给侧展开分析，分为劳动价值论、资源价值论和效用价值论三种。此外，价值共创理论也是价值形成的重要理论依据。

1. 劳动价值论。劳动价值论认为，价值是凝结在商品中的抽象劳动或无差别的人类劳动，劳动是价值的唯一源泉，因此，劳动创造了价值。劳动创造价值这一思想最早由英国经济学家Petty提出。亚当·斯密认为劳动是一切商品交换价值的衡量尺度;马克思对劳动价值论进行了继承和发展，提出了生产商品的劳动二重性，阐明了具体劳动和抽象劳动在商品价值形成中的不同作用，创立了剩余价值论。

2. 资源价值论。资源价值论认为各种资源中存在价值，考查产品创造价值就是分析资源如何创造价值。价值的创造由产品端向要素市场转换，从资源的供给数量和资源类型分析资源创造价值，形成了企业资源观理论。在数字经济时代，数据作为新型资源，能够通过提高资源的周转率和利用率来创造价值。资源创造价值的动因，经历了资源的数量、类型、属性再到资源组合的数量、类型和属性，通过创造差异化的产品带来客户价值。

3. 效用价值论。效用价值论认为，物品的价值来源于它的效用。物品满足人的需求的功能形成物品的使用价值;物品的交易价值是其使用价值的货币化体现，即价格。价值起源于效用，又以物品稀缺性为条件，效用和稀缺性是物品价值得以形成的充分条件。

4. 价值共创理论。按照价值创造主体在价值创造过程中的不同作用，有三种不同的价值创造方式（江积海，2019;朱良杰等，2017）[9，10]：一是生产者单独创造价值;二是消费者单独创造价值;三是生产者和消费者共同创造价值。在第三种价值创造方式下，生产者的价值创造途径演变具有开放性，消费者也作为一种重要的资源参与到价值创造过程之中，生产者和消费者进行互动和合作，生产和消费过程相互融合，共同创造价值。价值共创理论表明，消费者以特定的方式与生产者进行合作，并对服务效率和价值创造产生影响，产品或服务的价值创造贯穿于生产和消费的全过程。

（二）支付行业数据价值的形成机制

支付行业是典型的数据驱动型行业。支付过程中各参与主体产生的消费数据、账户数据、社交数据、地理位置数据和信用数据共同构成了支付数据。支付行业在发展过程中积累了大量的支付数据资源，各数据采集主体通过对市场参与主体相关数据的收集、汇总、分析和利用，创造了满足市场参与主体需求的各类场景。丰富的场景使得数据资源进一步积累，通过分析行为模式与具体行业或应用场景的进一步结合催生出更为丰富的场景。由于规模经济效应，多维度的巨量数据创造出极大的价值，深刻改变了各行业的经营模式，进而推动数字经济不断向前发展变化。

在这一过程之中，作为市场参与主体的个人或其他类型主体为了获得服务访问权限或应用场景使用权限，让渡了自身的个人隐私数据。个人相关数据得以脱离主体，形成独立于市场参与主体之外的数据商品，使得数据商品的使用和交换成为可能。因此，数据作为新型生产要素的使用价值和交换价值得到充分发挥的条件不断成熟。各支付市场主体通过数据积累，在数据领域不断深耕细作，依靠先进的数据存储、分析和应用技术，降低了交易中的信息不对称，也创造出全新的交易场景。数据成为支付行业价值创造链条上的核心资源。

图1：支付行业数据的价值形成机制

如图1所示，支付市场主体通过采集市场参与主体的相关数据形成数据沉淀，并通过数据分析技术将数据沉淀转化为可以进一步应用的數据资源。同时，数据沉淀也可以参与交换过程，通过出售积累的数据供其他支付市场主体转化为满足自身需要的数据资源。数据资源与其他资源如资本等相结合共同创造出新的应用价值。在这个价值创造过程中，数据资源、算法、关系代替劳动力、土地、资本等要素成为价值创造的新动能。数据通过精准匹配客户需求创造新的应用场景，重构商业模式，影响了用户购买和消费行为，实现了价值倍增效应，有效促进了生产力的发展。同时，在新的价值创造链条中，生产关系也在一定程度上实现了重构。支付市场参与主体既是价值创造链条中的生产者，也是消费者，参与主体的市场定位面临快速转换。通过支付行为产生的数据可以作为生产要素投入生产过程之中，创造出丰富的应用场景。同时，应用场景的不断丰富也为市场吸引了更多的参与主体，两者相互强化、相互促进，使得供给和需求之间的连接更有效率，进而改善了社会福利。价值创造从单一的供给端或需求端转变为供给端和需求端共创，实现了“数据积累—场景开发—价值共创”的价值形成逻辑。

对于具体的经济金融活动而言，实体经济长期处于“投资、生产、分配、消费、储蓄”的循环之中，整个过程通过货币化与金融化映射到货币金融体系这一数字形态中。通过实现合理的配对，数据能够被更加可靠地记录、连接与分析处理，提升了金融风险定价能力，优化了资源配置效率，实现了从资金流转到数据沉淀。而数据量级不断增加、维度不断丰富，促进了社会生产力的进一步发展。以支付数据直接作为生产要素参与生产过程的使用价值逐步体现。支付数据是金融数据的核心，支付业务的底层逻辑对应了价值的转移。价值的转移过程依赖于两大要素：即账户和系统。账户是价值的载体，具体包括银行账户和支付机构的虚拟账户。系统就是价值转移的通道，一方面，各类清算系统为金融机构提供资金清算服务;另一方面，支付网络进而通过各类支付手段和介质提供支付服务。在不同监管框架下，基于账户和转移的基础产品逻辑，派生出从传统的收单、交易业务，再到新兴的互联网支付、移动支付，并衍生出财富管理、网络融资、账户管理、大数据分析等增值业务。同时，支付数据与具体应用场景相结合能够展现极强的融合价值。相比于融资、财富管理等存量性质业务，支付业务更适合理解为流量业务。相比于其他存量业务数据，支付数据体量更大，更有助于进行用户画像更新，为大数据、人工智能技术发挥作用提供了数据基础。以个人支付业务为例，消费支付有助于完善客户信用画像，金融支付有助于完善财富画像，社交支付有助于完善关系图谱。以商业支付为例，采购支付有助于描述客户用户的生产情况，税务数据有助于反映用户盈利状况，销售支付数据亦可反映库存销售等情况。支付数据实时采集的特点在一定程度上保证了数据的真实可信，进而围绕支付数据衍生出信用、信贷等更多的业务领域。支付数据还具有传递性，与支付主体相融合能够清晰反映支付主体之间的关系，能够有效运用于供应链金融、交易对手评估以及数据交叉验证等领域，减少信息不对称，提高传统金融行业的交易效率。

（三）支付行业数据价值的影响因素

1. 数据因素。数据价值与数据采集种类、数量以及数据共享交易机制的成熟性密切相关。由于支付场景具有多样性特征，支付数据的种类也在持续大幅增加。除了传统的支付时间、支付金额、支付方式等基础数据外，交易发生的地点、是否使用了代金券、参与了哪些营销活动等等，都是以支付为核心的周边有效数据。一方面，数据采集者要保证采集方法合法合规，用户充分知情并授权，数据隐私被有效保护;另一方面，要优化技术，以应对大数据量的迅猛增长。

各个机构产品用户群体不同、定位不同，其所采集的数据集必然有所侧重，也导致对同一数据的价值发挥产生不同效果。

2. 技术因素。从技术角度，影响支付行业数据价值的因素主要是算法与模型的设计质量与海量数据的处理能力。网络条件与云计算硬件可较快速地通过投入资源的方式解决，但目前专门面向支付行业数据分析的、基于人工智能技术的算法与模型还比较少，其成熟与进一步发展还有待时间积累。不同的数据采集主体数据分析技术水平高低不同，导致对同一数据集的开发利用能力不同。数据价值的充分发挥一定是源于足够且有效的数据，而数据的分散与算法模型尚未成熟的现状，较大程度上制约了支付行业数据价值的发挥。

3. 政策因素。在支付行业的发展过程中，政策因素是一个重要的影响因子，法律法规或政府监管环境的变化影响着支付数据价值的充分发挥。数字经济具有规模经济的特点，同时也具有较强的外部性。作为数字经济核心资源的数据生产要素是否能够充分发挥价值，取决于数据要素的采集、流通、交易、定价等基础平台的完善。在这个过程中，数据主体的隐私保护、数据确权及其相应的交易机制等影响着支付业务的经营成本。当前，对于支付行业的科技创新，在监管层面，我国采取较为宽松和容忍的态度，这也是近年来支付行业爆发式增长的重要原因。在金融监管逐步强化的大背景下，围绕支付数据及其业务模式的监管也将逐步加强，法律法规的建立会逐步完善，支付行业的统一监管将使得支付行业更加规范和透明。这些因素都将影响支付数据在传统模式下应用场景的构建，进而影响到支付数据价值共创作用的发挥。

4. 市场因素。由于支付行业发展具有数据驱动的典型特征，行业规模经济效应明显。随着市场占有份额的增长，获客边际成本呈现递减效应。因此，支付市场容易形成强者恒强的数据垄断态势，“马太效应”明显。市场份额较大的主体，拥有更为海量的客户群体，在数据的采集、存储、分析和应用等方面具有明显的市场优势，应用场景的拓展更为便利，使得对于同一数据资源，由于不同市场主体之间市场优势的不同，数据价值创造倍增效应不尽相同。

三、存在的问题及政策建议

基于数字技术的高速发展，数据与我们的日常生活与生产的关系愈加紧密。一方面，数据呈现爆发式增长，相比于土地、劳动力、资本等其他要素，数据要素存在着非竞争性、隐私外部性、部分排他性等不同的性质;另一方面，对于数据的生产、收集、存储、加工、分析、交易、服务、应用等各个环节，世界各国积极推动的立法与相关实践，至今仍处在探索与不断修正之中。

（一）存在的问题

1. 支付数据隐私保护相关法律法规还不够完善。当前，支付数据特别是个人支付数据的采集还存在一定程度的越权，数据供给者参与授权的程度还不够，隐私权得不到有效保护;监管层面对数据采集机构的约束不够，相关法律法规体系还不完善。出于降低数据采集成本的考虑，数据采集机构在数据采集过程中极易发生非法采集、越权采集等行为，对数据主体的权利构成一定程度地侵害。随着物联网、智慧城市以及产业互联网的逐步发展，类似的挑战会日益增加。从支付数据的角度来看，个人支付数据的价值更加重要，更应当予以保护。因此，如何确保数据的使用和数据保护的平衡，是亟待解决的问题。

2. 数据垄断导致支付市场存在一定程度分割。由于数据要素具有排他性特征，经过多年的市场拓展，不同支付市场主体之间市场相互分割，已经形成了实际的市场壁垒。数据资源已经成为各市场主体打造市场优势的核心资源，数据垄断趋势明显。行业头部企业依靠多年积累的数据资源不断强化竞争优势，并且场景拓展与数据积累相互强化，对中小支付市场主体形成一定程度的排挤效应，不利于市场的充分竞争和整体社会福利的进一步提升。

3. 支付数据交易和定价机制不够健全。由于支付数据脱离支付市场参与主体形成独立的商品，使得数据交易成为可能。而数据交易的前提与基础是明确清晰的产权归属。数据主体（个人）对其个人数据享有所有权，个人数据具有人格属性与财产属性，个人数据基于个体产生，与个体的利益息息相关，个人对自己相关的信息应当具有控制权。根据我国现有规定，个人通过出售个人信息而获利是违法行为，刑法修正案（七）将出售个人信息的行为作为违法犯罪活动追究刑事责任。支付机构采集的数据是典型的个人信息数据，其价值的充分发挥除了有效挖掘和利用外，还在于其能够有效地共享和流通。如何在遵守法律法规的前提下对数据进行有效确权和转移，进而以市场化方式对其进行定价和交易，促进社会分工的进一步深化，也是在数据要素新时代面临的关键问题。

4. 支付数据分类及共享面临困难。数据要素与实物型传统生产要素有巨大差异。因此，它的共享与交易不可能简单地用撮合买卖的模式予以推行，面临以下几个困难：首先是交易信任方面，支付数据要素是典型的时效品，新的数据总是比旧的数据市场价值更高，是实时变化的“活”数据，支付数据的价值体现严重依赖拥有者自身的数据分析处理能力。因此，数据要素的交易更加依赖交易双方的长期合作，需要解决“双边信任困境”。其次是数据共享障碍方面，金融机构拥有大量的用户数据，这些数据是它们的核心商业秘密。虽然同一用户可以同时与多家金融机构有业务联系，但由于机构间的竞争关系，用户数据很难实现共享。最后是政务数据的接入方面，数据价值会随着数据汇集类型的增加而呈指数型地增长，其中政务类型的数据权威性高、质量更好，且大多居于生态场景的上游，真正意义的数据闭环唯有政务类型的数据接入才能称之为完整。但目前政务数据在各级政府与事业单位还存在着一些分散独立、互不联通的情况，“数据孤岛”现象在一定范围内仍然存在，与企业的数据交互还存在数据类型标准不同、设备接口不同以及安全性等问题。

（二）政策建议

1. 加强顶层设计，完善数据保护法律法规体系。一些国家和经济体均对个人数据或个人信息给出了各种类型的解释说明，将个人信息限定为能够识别特定个人的信息，如欧盟的《通用数据保护条例》（GDPR）将个人信息限定为与已识别或可识别自然人有关的任何信息。可识别自然人能够被直接或间接地识别，可通过参照诸如姓名、身份证号、定位数据或在线身份等 身份识别信息，也可通过参照该自然人的物理、 生理、遗传、心理、经济、文化或社会身份等一个或多个特定要素进行识别。美国《2018年加州消费者隐私法案》（CCPA）定义个人信息是指能够直接或间接的识别、描述与特定的消费者或家庭相关或合理相关的信息，这些信息包括但不限于真实姓名、别名、邮政地址、唯一的个人标识符、在线标识符、互联网协议地址、电子邮件地址、生物信息、商业信息、地理位置数据以及教育信息等。我国从2012年发布的《全国人大常委会关于加强网络信息保护的决定》到2016年颁布的《网络安全法》和2021年颁布的《数据安全法》，再到最新发布的《个人信息保护法》，提出个人信息是以电子或者其他方式记录的与已识别或者可识别的自然人有关的各种信息，以及反映特定个人活动情况的信息，不包括匿名化处理后的信息，对匿名化后对外提供（交易）的情形提供了合法性的依据。因此，基于上述分析，除了尽快落实《个人信息保护法》外，数据匿名化技术标准体系及相关法律也应逐步健全完善。具体来看，应建立并明确匿名化数据的技术规划与认定标准，将是否具備合理的风险评估机制作为数据控制者的准入门槛，同时建立数据匿名化的全流程规范体系，包括征得用户知情同意、限定披露范围、被去匿名化的应急预案等方面。

2. 強化行业监管。对于具有市场优势地位的企业，要强化行业监管，避免形成有市场支配地位的“数据寡头”，产生系统性风险。2020年12月召开的中央经济工作会议上提出，要“强化反垄断和防止资本无序扩张”。对于支付行业而言，就是要防止对支付数据的垄断，避免“大而不能倒”行业寡头企业的出现对国家金融安全造成威胁。在这个过程中，要加快支付市场的互联互通，着力消除市场壁垒，通过打造基础数据资源平台，结合数字人民币发行、行业乱象整治等方式，让支付市场主体聚焦主责主业，引导其更好服务实体经济、防止无序扩张。同时，要将数字服务方式与传统金融服务方式相结合，针对老年人等数字弱势群体加强服务帮扶，避免“数字鸿沟”导致的金融排斥现象发生。

3. 优化数据交易环境和数据确权机制。在交易过程中，从目前情况看，应当避免建立仅具备信息撮合功能的数据交易平台。数据交易应当依靠掌握大宗数据资源的聚合平台，集中开展一对多的数据供需服务，精准对接供需，提高交易效率，在保障交易合法性和安全性的基础上，通过成熟的数据分析利用技术最大限度满足主体多样化的市场需求。同时，由于数据具备非竞争性和非排他性的特征，数据交易价值基本建立在特定领域或特定用途基础之上，数据交易可以淡化所有权的转移，主要通过数据服务的方式来实现价值。对于交易的信任难题，在数据交易平台的设立之初，应当从政策层面对平台在交易中的角色予以明确：平台不仅是简单的交易场所提供者，而且应积极介入交易流程，将一对一的数据交易转变为以平台为基础的网状交易。为此，平台需要完成规则制定（包括合同模本、数据质量标准、数据披露内容等）与技术支持（包括大数据管理平台、安全计算系统、数据加密算法等技术服务）两类工作，从而确保数据要素交易安全可追溯。此外，数据交易的透明性应当持续加强，确保未来如匿名化数据被聚合乃至逆向时，可以顺利溯源。数据交易的透明性包括将数据收集机构向用户公示其获得（包括购买、共享）数据的渠道和类型并为用户提供退出机制作为强制要求，以及要求数据交易方除了披露原始数据类型外，还应当披露企业基于原始数据、利用大数据分析而对消费者特征标签化的处理活动。

4. 切实加强支付数据分级分类管理，推动数据要素互联互通。在数字经济发展过程中，数据种类日益丰富，数据的复杂性、多样性日益增强，在大量原始数据中，既包括一般数据也包括敏感数据，因此，要加强数据分级分类管理。在制度设计上，可以从数据供给和数据需求两个方面建立数据分级分类规则。如作为数据资源供给方的数据聚合平台应当在参照既有立法和标准的基础上，建立数据安全分级分类管理制度，而数据需求方应当通过制度设计具备保障数据安全、防范数据泄露风险的能力。对于数据互联互通中的共享障碍，可以在监管机构的牵头下，建立以联邦学习为数据共享模式的统一平台，所有参与机构不仅不用担心数据被竞争对手获取，还可通过平台实现对用户的全面分析。其他行业机构也可参考此类型共建数据平台，并按照数据贡献比例分配平台的股权。机构也可作为股东分享平台数据交易的利润，实现数据整合“1+1>2”的效应，解决数据共享中的激励相容问题。

参考文献：

[1]IMF. 2019. The Economics and Implication of Data：An Integrated Perspective，09.

[2]于立，王建林.生产要素理论新论——兼论数据要素的共性和特性 [J].经济与管理研究，2020，（4）.

[3]韩海庭.数据如何赋能数字经济增长 [J].新金融，2020，（8）.

[4]田杰棠，刘露瑶.交易模式、权利界定与数据要素市场培育 [J].改革，2020，（7）.

[5]杜宁，杨祖艳.数据要素时代金融业的使命 [J].中国金融，2020，（13）.

[6]李政，周希禛.数据作为生产要素参与分配的政治经济学分析 [J].学习与探索，2020，（1）.

[7]孙华荣.大数据背景下个人支付数据信息利用研究 [J].金融发展研究，2020，（8）.

[8]巴曙松，陈泽田，朱元倩.监管科技在数据管理领域的应用与实践 [J].金融发展研究，2020，（8）.

[9]江积海.商业模式创新中“逢场作戏”能创造价值吗？——场景价值的理论渊源及创造机理 [J].研究与发展管理，2019，31（6）.

[10]朱良杰，何佳讯，黄海洋.数字世界的价值共创：构念、主题与研究展望 [J].经济管理，2017，（1）.

The Data Value of Payment Industry：

Theoretical Basis，Formation Mechanism and Problem Suggestions

Liu Song

（PBC Wuhan Branch，Wuhan   430071，Hubei，China）

Abstract：After the central government integrates data elements into new production factors，the payment industry，as the most obvious industry driven by data，will play an increasingly important role in the development of digital economy. Giving full play to the value of payment data will become an important driving force for the development of national economy. Firstly，this paper reviews the research status of data value at home and abroad;then，starting from the four theoretical basis of value formation，this paper deeply analyzes the value formation mechanism and influencing factors of payment industry data. It points out that the payment data，as the core resource in the value creation chain of the payment industry，data resources are combined with other resources such as capital to create new application value，which is affected by the factors such as data，technology，policy and market;finally，The policy recommendations are made in terms of data protection，monopoly prevention，data trading，data classification and management，and data sharing to address the current problems.

Key Words：payment data，value formation，influence factor，policy suggestions