信任是任何经济的主要支柱。在数字化和全球化的经济中，信任比以往任何时候都重要 — 因为进行交易和互动的法人机构数量与日俱增，并且势头不减。这样的新环境使得企业和权威机构的身份验证变得更为重要，但要做到准确无误也更具挑战性。相关各方的透明度是任何可持续投资、资格认证报告或分析的先决条件。然而，要想提供信任和透明度，每个企业就必须在国际上具有可识别性，并且这种可识别性要以高质量、准确的数据为依托。
纵观 2023 年的相关议题，就立即让人联想到数据治理、提高数据质量和透明度、统一标准和互操作性以及数据验证等关键问题。然而，重点也将放在与数据有关的法规上，而这也是主要问题之一。仅举几例：金融数据透明度法案 (FDTA)、欧盟开放金融、PSD2、欧盟人工智能法案或企业可持续性报告指令 (CSRD)。
了解关键数据质量驱动因素对最紧迫的社会和经济挑战的影响非常重要。数据的可用性将取决于其互操作性和标准化。当涉及到这两个基本原则时，考虑到跨境贸易和供应商的全球性质，利用全球标准来识别和验证机构的相关性就显现无疑了。缺乏数据和互操作性的共同标准，导致了下一代数字基础设施的缺乏，同时也抑制了创新。
通过可互操作、独立自主的方式来实现数字化转型
当涉及到推动经济增长、创新和竞争力时，无论是企业还是中小企业，数据质量、互操作性和全球标准都发挥着至关重要的作用。数据将为全球市场提供更大的透明度，减少犯罪意图，同时催生更加可持续的商业决策，但前提是所有利益相关方要能比较轻松甚至毫不费力地使用数据，而且数据是可靠的。
在探索这一想法时，开放式金融运行的最新发展提供了一个有用的起点。欧洲金融数据空间专家小组最近在他们的报告中表示：“通过促进标准化的数据识别和汇总，提高数据质量和透明度，以及减少与验证检查有关的成本，LEI 可以在开放金融中发挥重要作用。如果以标准化和统一的方式收集数据，同时采用诸如 LEI 之类的结构化识别编码，那么数据共享将成为可能。此外，LEI 可以通过其可公开访问的全球 LEI 存储库，以无缝方式促进对金融服务提供商和其他法人机构的识别。在数据访问方面，LEI 也可以在应用程序编程接口 (API) 的运作中发挥重要作用。”
金融稳定理事会在 2022 年发布了一份报告，鼓励全球标准制定机构和在金融、银行和支付领域的国际权威组织在其工作中推动 LEI 的引用。金融稳定理事会的报告（作为 G20 加强跨境支付路线图的一部分）的一个主要近期目标是促进 LEI 在跨境支付交易中初步使用。通过帮助使这些交易更快、更便宜、更透明、更包容，同时保持其安全性，金融稳定理事会认为 LEI 可支持 G20 路线图的目标。
在其他方面，英国的国际商会 (ICC) 的一份报告呼吁采用现有的技术，如法人机构识别编码 (LEI)、数字分类账、发票号码追踪、税收部门和银行之间的应用程序编程接口，并希望监管机构让银行能够共享欺诈数据，而所有这些都将有助于将欺诈者拒之于系统之外。
全球 LEI 体系 (GLEIS) 为解决全球法人机构的信任问题创造了独特的机会。它能通过可互操作、独立自主的方式，来实现数字化转型。ISO 是一种将机构与包括所有权结构在内的关键参考信息连接起来的代码。作为一项通用的 ISO 识别标准，其解决了跨境的数据协调问题，促进了一种可互操作的身份识别标准。
数据让我们可以作出更快速、更审慎，更可持续的决策
以环境、社会和治理 (ESG) 报告为例。对于投资者而言，如能使用 LEI 数据来验证所投资公司的身份及其公司组织结构，将为他们负责任的投资奠定基础，并做出明智的决策。要充分了解一项投资的性质和系统性风险，就必须对子公司、母公司和公司控股的名称、地点和法律形式形成一种透明、最新且准确的看法。如果缺乏这种高质量、准确的法人机构数据，ESG 报告就失去了作为评估绩效指标和促进可持续投资方式的价值。
作为唯一的全球解决方案，LEI 可为各组织提供可靠的数据，以清晰地识别世界各地的公司和企业结构。
全球商业界不仅可以从更广泛的 LEI 采用中受益，还可以从他们对开放的 LEI 数据集的利用中受益，通过全球 LEI 索引，世界上任何地方的任何人都可以免费获得该数据集。这一资源的效用取决于各种因素，包括：每条 LEI 记录所包含的数据量；这些数据的质量，包括它的准确性和最新性；数据集的深度和多样性的审查；以及数据集对于使用它的各种组织的可访问性，例如，监管机构、独立的数据服务提供商和进行供应链尽职调查的各类机构。
令人高兴的是，由于有严格的数据质量管理系统，全球 LEI 索引已经包含了高水平的数据质量。这有利于各机构层面的数据治理和合规，并为希望在其平台上利用准确、可信的法人机构识别的可信开放数据倡议奠定了基础。
GLEIF 致力于为每个人不断提高公开、准确和相关的机构识别数据的可用性，并参与了大量旨在推进这一承诺的倡议。为了说明这一点，让我们来着重介绍其中一些旗舰项目。
加速以数据为导向的气候投资
透明度和问责制是有效的环境管理和全球可持续性努力的基础。为了证明 LEI 数据如何在帮助企业评估其投资的气候变化相关风险方面发挥关键作用，GLEIF 在 2022 年加入了 Linux 基金会的 OS-Climate 倡议，以帮助推动开源气候数据和分析解决方案的信任和透明度。
OS-Climate 是一个由成员驱动的非营利组织，由 Linux 基金会主办，致力于开发一个开放数据和开源分析平台，专注于管理气候风险和加速对低碳和弹性解决方案的投资。这种合作伙伴关系使得实时的 LEI 数据能够通过亚马逊可持续发展数据倡议 (ASDI) 数据目录在云端公开提供。通过将这些数据与其他关键的气候相关数据集 (如碳排放和气候预测) 一起提供，投资者就能够做出更环保的金融和投资决策。
实现 ELF 代码的自动分配
根据其推进机构识别数据的承诺，GLEIF 会定期分析权威来源的提供，并根据 ISO 20275 标准来分配机构法律形 (ELF) 代码。
对于后者，GLEIF 及其合作伙伴 Sociovestix 在 2022 年开发了一个机器学习工具 — 法人机构名称理解 (LENU)，以便根据法律名称和司法管辖区来自动分配 ELF 代码。LENU 目前可以通过 GitHub 免费获取。
LENU 使用 LEI 数据来建立特定司法管辖区的模型，并允许用户为任何给定的法律名称获得法律形式的建议。GLEIF 已经建立了一个数据质量循环，在其中将工具所建议的法律形式与当前 LEI 数据中的 ELF 代码进行比较。如果模型的结果和当前的 LEI 数据之间存在明显的差异，GLEIF 会创建数据质疑，并将其发送给 LEI 发放机构，以便在必要时对数据记录进行精确的核实和更新。然后，更新后的数据将被用来构建下一版本的模型，并使用改进的数据源，最终提升模型的性能。这个工具是一个例子，说明了如何应用机器学习算法来评估和提高数据的质量。
利用新的数据格式和报告提高数据质量
2022 年，随着三项ROC 政策的实施，全球 LEI 体系实现了一个重要的里程碑，即基金关系和投资基金注册指南、法人机构事件（以前称为“公司行动”）和数据历史，以及一般政府机构的 LEI 资格。这些新的格式扩大了 LEI 中包含的数据范围，为全球市场上带来了更大的透明度，并扩大了全球 LEI 体系对各地用户的效用。
为了支持 LEI 发放机构的努力并确保系统的稳定运行，GLEIF 发布了修订版的“规则设置 3.2”，其中包括了总共 118 项数据质量检查。新的“规则设置”已于 2022 年 4 月生效，这使得平均数据质量总分数从 99.98 分显著下降到了 99.77 分（见图 1）。
在引入一套新的数据质量检查时，这种行为是可以预期的。例如，平均数据质量总分数在 2021 年 8 月下降到 99.71（见图 2），主要是由引入新的规则设置造成的。然而在 2022 年，为了符合三项 ROC 政策的新要求，GLEIF 引入了 34 项新的检查，并且更新了另外 40 项检查，而 LEI 发放机构很快就对其余的数据质量问题进行了补救。这要归功于 LEI 发放机构在过去几年中积累的经验，以及对数据治理预检查设施的利用。
GLEIF 推出了主动预检应用程序编程接口，以便帮助 LEI 发放机构赶在数据被输入系统之前发现存在的数据质量问题。最终，平均数据质量得分在今年最后一个季度稳定在了 99.97 分。
在 2022 年，达到的成熟度级别呈现出与平均数据质量得分相似的曲线，而在新政策生效后，达到较高成熟度级别（预期和优秀质量级别）的 LEI 发放机构数量减少了 10 家组织（见图 3）。
然而，过去三年的发展表明，成熟度级别的表现在不断提高（见图 4）。这一改善是在 2021 年对要发送到 GLEIF 的数据治理预检查设施的新的以及更新的 LEI 记录引入要求后促成的。该设施采用了最新的“规则设置”，并且不仅提供了数据质量结果的预览，还提供了潜在失败的原因。毫无疑问，通过数据治理预检设施引入主动的数据管理是成熟度方面的游戏规则改变者。
提高对数据质量水平变化的透明度
去年，GLEIF 向公众开放了其互动式数据质量面板 (Data Quality Dashboard)；在此之前，它只对 GLEIF、LEI 发放机构和 ROC 成员开放。这一创新工具让全球数据消费者能够：
推进这些及其他数据质量和数据治理举措将继续成为 GLEIF 在 2023 年的主要优先事项，我们期待着在未来几个月内分享 GLEIF 持续发展势头的消息。
如果您希望对博文进行评论，请使用您的姓名来识别自己。您的姓名将显示在您的评论旁。不会公布电子邮件地址。请注意，访问讨论区或在其中发帖即表示您同意遵守GLEIF 博客政策条款，因此请仔细阅读该条款。
Zornitsa Manolova 是 Global Legal Entity Identifier Foundation (GLEIF) 数据质量管理和数据科学团队的领导者。自 2018 年 4 月起，她负责通过引入创新的数据分析方法来加强和改进既定的数据质量和数据治理框架。在此之前，Zornitsa 曾在普华永道法证部门负责管理国际金融调查的法证数据分析项目。她拥有德国马尔堡菲利普大学的计算机科学专业学位，主修机器学习。
