数字普惠金融发展对企业绩效的影响机制研究

Research on the Impact Mechanism of Digital Inclusive Finance Development on Corporate Performance

摘要: 数字普惠金融已构成数字经济体系中关键要素之一。为深入研究数字普惠金融发展对企业财务绩效的影响程度以及作用机理，本研究聚焦于2011至2021年间我国沪深A股上市企业的财务绩效分析，一共选取32,395个样本数据作为研究基础。通过构建模型实证分析，并从企业所有权结构及产业两大维度出发，深入探讨数字普惠金融发展对财务绩效影响的异质性特征。研究结论如下：第一，数字普惠金融深化发展显著增强企业盈利能力，具体表现在服务范围拓展与功能深化两方面。第二，融资约束在两者中起中介作用，表明优化企业融资环境，对提升特定行业经济效益具有显著效果。第三，从企业所有制来看，数字普惠金融对国有企业财务绩效提升水平更显著；而从行业视角观察，数字普惠金融对非高科技企业的财务绩效促进作用更为突出。为此提出政府应推行扶持政策、金融机构推行更多金融产品，企业应加速数字化转型等相关建议。

Abstract: Digital inclusive finance has become one of the key elements in the digital economy system. To further investigate the impact and mechanism of the development of digital inclusive finance on corporate financial performance, this study focuses on the financial performance analysis of Chinese A-share listed companies in Shanghai and Shenzhen from 2011 to 2021, with a total of 32,395 sample data selected as the research basis. By constructing a model for empirical analysis and starting from the two dimensions of enterprise ownership structure and industry, this paper explores in depth the heterogeneous characteristics of the impact of digital inclusive finance development on financial performance. The research conclusion is as follows: Firstly, the deepening development of digital inclusive finance significantly enhances the profitability of enterprises, manifested in the expansion of service scope and deepening of functions. Secondly, financing constraints act as an intermediary between the two, indicating that optimizing the financing environment for enterprises has a significant effect on improving the economic benefits of specific industries. Thirdly, from the perspective of enterprise ownership, digital inclusive finance has a more significant impact on improving the financial performance of state-owned enterprises; from an industry perspective, digital inclusive finance plays a more prominent role in promoting the financial performance of non high-tech enterprises. Therefore, it is suggested that the government should implement supportive policies, financial institutions should promote more financial products, and enterprises should accelerate digital transformation.

1. 引言

随着全球经济一体化持续深化演进、信息技术迅猛发展，数字普惠金融正日益凸显其作为推动经济增长与社会进步核心驱动力的关键地位。数字普惠金融依托互联网、区块链、大数据等科技手段，使得金融服务覆盖范围得到拓展，这一变化大幅提升金融服务运作效率，还能有效降低融资成本，使得中小微企业和弱势群体能够更便捷地获取金融资源。融资约束一直制约中小企业发展，传统金融体系受制于风险管控机制、信息不对称等诸多因素，往往难以充分满足中小企业融资需求，致使企业在成长过程中普遍面临严重资金短缺困境。这种资金匮乏状况不仅严重制约企业自身成长空间与发展潜力，也对整个经济体系活力与创新能力产生不利影响。数字普惠金融创新金融产品与优化服务模式，为缓解中小企业融资难题提供新的解决路径，有望显著提升企业整体经营绩效，为经济可持续发展注入新的活力。基于此，本研究以2011~2021年沪深A股上市公司为研究样本，首先分析数字普惠金融对企业绩效的直接影响，其次验证融资约束是否在其中发挥中介作用。

2. 文献综述与研究假设

2.1. 数字普惠金融与企业绩效的研究

沈红亚研究表明数字普惠金融可以优化融资模式，从而减轻创新研发融资限制，有效激发企业进行创新探索积极性，从而提高企业的整体绩效[1]。方先明等指出，数字技术融入为数字普惠金融带来“低成本、易接触”的突出特点[2]；陶云清等人研究揭示数字普惠金融及其细分指标对中小微企业经营绩效有显著促进作用，但是其中数字支持服务的促进作用并不明显[3]。杜鹏飞在相关研究中分析指出，金融要素若出现错配情况，通常会增强企业所面临的外部融资约束，进而对企业创新能力的提升形成阻碍[4]。李小玲等学者则从数字金融演进角度出发，研究发现其可通过优化金融生态、增强信息透明度等方式减轻金融排斥，从而提升上市公司整体价值[5]。康卫国和李梓峻则将企业划分成不同阶段，对初创期企业来说，数字普惠金融可缓解其内源资金压力与外部融资受限的双重压力，通过降低信息壁垒、提高服务水平推动创新[6]。此外，雷辉和李智欣[7]指出金融发展程度与间接融资效率呈正相关，稳定的资金支持能激励企业加大投入，改善经营绩效。

通过文献梳理，现有研究多从数字普惠金融对企业创新与绩效的影响切入，探讨数字普惠在优化融资模式、缓解融资约束等方面的作用机制，但是尚未深入探讨数字普惠金融如何影响企业创新与绩效的具体机制与影响程度，而现实中存在信息不对称的情况，需要运用相关上市企业数据作深入研究。

基于上述文献梳理提出以下假设：

H1：推动数字普惠金融发展能提升企业财务绩效。

2.2. 融资约束的中介效用研究

任晓怡研究表明有助于缓解企业融资困境并且在高科技企业中发挥显著效应[8]。孙继国等学者基于代理关系的视角分析指出，高融资约束企业往往持有更多现金，但这可能会激化管理层与股东的利益矛盾，进而损害公司价值[9]。梁榜实证研究发现数字普惠金融的发展能够将中小企业债务融资减小；同时，借助数字征信系统，可以简化贷款审批流程，降低金融机构的信贷审批难度，从而使得企业的融资更为高效便利[10]。祝天伦实证研究发现数字普惠金融发展缓解融资约束的效应对于经济发展水平不一的城市效果不一，经济发展水平高数字普惠金融发展对于缓解融资约束更显著[11]。王敏等研究融资约束对企业创新的影响，并发现数字普惠金融能突破传统金融供应模式局限，直接匹配资金供需，有效缓解外部困境[12]。杜鹏实证研究表明，数字普惠金融能使民企经营状况变好，也证实了融资约束与人力资本在其中的中介作用[13]。张配配研究证实，高效的信息披露能助力外部投资者对企业进行精准估值，从而降低融资成本，提升企业财务绩效[14]。

现有关于融资约束的研究多围绕数字普惠金融对企业困境缓解以及融资约束与企业之间的关系展开，但是作用机制剖析不够深入，同时研究视角不均衡，较少关注到数字普惠金融在不同行业、不同规模企业间的异质性影响。

基于上述文献梳理提出以下假设：

H2：在数字普惠金融影响企业财务绩效路径中，融资约束起中介作用。

数字普惠金融对企业绩效的影响除了能缓解融资约束之外还能通过降低信息不透明度以及改进风险管理优化企业经营行为。首先，数字普惠金融有助于缓解信息不对称，数字普惠金融借助先进数字技术能快速收集整理与分析各类信息，减少因信息匮乏或不透明而导致的信息不对称问题；其次，数字普惠金融还会改进风险管理。利用大数据分析与机器学习等技术，数字普惠金融能够对企业风险进行更准确评估。而在企业得到融资以后，数字普惠金融可以借助数字化手段对企业资金使用与经营状况进行实时监控。

3. 研究设计

3.1. 样本选择与数据来源

数据来源于中国经济金融研究数据库，首先选取自2011至2021年的A股上市企业作为研究对象，并按照顺序执行如下步骤：第一，从样本中剔除被标注为ST或*ST的公司；第二，对于存在缺失或者异常的数据进行清理；第三，针对所有的连续变量，在其1%和99%的分位上分别采取截尾策略。完成这些预处理后，得到总共包含32,395个样本。

3.2. 变量定义

1) 被解释变量：企业绩效

资产收益率(ROA)是评估上市公司绩效的最普遍指标之一。银行盈利水平通常以资产收益率来衡量，该指标直接反映经营是否高效、创收能力强弱以及资金管理是否得当(见表1)。

2) 核心解释变量：数字普惠金融指数(DIF)

本研究选取“数字普惠金融指数”作为核心指标。用来表征数字普惠金融发展水平。在实证分析中，将省级层面的DIFI数据标准化为100分值，并同时考察覆盖范围(DIF1)与服务渗透度(DIF2)两个维度(见表1)。

3) 中介变量：融资约束(WW)

现有研究主要采用KZ、WW、FC和SA四大指标评估企业融资约束水平。其中，KZ指数基于股利支付率和托宾Q值等数据构建，但存在未上市公司数据缺失的缺陷；WW指数则运用非线性GMM方法，通过估计欧拉方程参数来测算融资约束程度。考虑到SA指数测度企业融资约束程度的局限性，因此本文以WW指数表征企业融资约束程度(见表1)。

4) 控制变量

考虑到企业自身各类因素对研究结论产生干扰，选取六个控制变量：第一大股东持股比率(Top1)、第二到五位大股东持股比例的和除以第一大股东持股比例(Balance2)、托宾Q值(TobinQ)、企业规模(Size)、销售毛利率(GrossProfit)、营业增长率(Growth) (见表1)。

Table 1. Variable description

表1. 变量说明

变量类型	变量符号	变量名称	变量测度
被解释变量	ROA	企业绩效	净利润/总资产
解释变量	DIF	数字普惠金融指数	北京大学数字普惠金融发展指数(2011~2021)
	DIF1	覆盖广度
	DIF2	使用深度
中介变量	WW	融资约束
控制变量	SIZE	企业规模	Ln(员工总数)
	Top1	第一大股东持股比例	第一大股东持股数/总股数
	Balance2	第二到第五大股东持股比例	第二到五位大股东持股比例的和/第一大股东持股比例
	TobinQ	托宾Q值	市值/资产总计
	Gross Profit	销售毛利率	(收入 − 成本)/净收入
	Growth	营业增长率	(期末收入 − 期初收入)/期初收入
	YEAR	年份	年份哑变量
	AREA	地区	地区哑变量

3.3. 构建模型

1) 基准模型

为验证假设1即数字普惠金融是否对企业财务绩效有正向影响(H1)，设定如下模型：

$\begin{array}{c}{\text{ROA}}_{it}={\alpha }_0+{\alpha }_1{\text{DIF}}_{it}+\text{CV}+\end{array}{\displaystyle \sum \text{YEAR}}+{\epsilon }_{it}$ (1)

其中，ROA_it代表第t年企业i的资产收益率，DIF_it表示第t年企业i所在省份的数字普惠金融指数，CV为一系列控制变量，而ε_it是误差项。

2) 融资约束中介效应检验分析

为验证假说2，即融资约束是否在二者间发挥中介作用(H2)，本研究构建中介效应模型，如下(2)、(3)所示：

$\begin{array}{c}{\text{WW}}_{it}={\alpha }_0+{\alpha }_1{\text{DIF}}_{it}+\text{CV}+\end{array}{\displaystyle \sum \text{YEAR}+{\epsilon }_{it}}$ (2)

$\begin{array}{c}{\text{ROA}}_{it}={\alpha }_0+{\alpha }_1{\text{DIF}}_{it}+{\alpha }_2{\text{WW}}_{it}+\text{CV}+\end{array}{\displaystyle \sum \text{YEAR}+{\epsilon }_{it}}$ (3)

其中，WW_it是中介变量，α₁代表核心解释变量的作用强度，ε_it为随机扰动项，CV代表控制变量集合；i与t分别代表第i个企业与第t年。

3.4. 数字普惠金融对企业财务绩效的实证分析

3.4.1. 描述性统计分析

表2列示了各变量的统计特征。数据显示，2011~2021年间样本企业绩效均值为0.0401，标准差为0.0654，最小值与最大值两者差距为0.6203，反映出上市企业间财务绩效水平悬殊。这可能源于企业性质、经营方式以及市场地位等差异。同期，所有企业的数字普惠金融指数平均得分为5.5121，其标准偏差为0.5539，最低点与最高点差值达到3.3427，表明了各地区数字普惠金融水平不均衡，虽然整体离散程度较小，但极差显著，表明不同区域可能在金融基础设施建设、经济增速与政策扶持力度方面存在梯度差异。不同企业可能由于自身规模、信用、盈利能力等因素，在融资过程中面临不同困难与限制，一些企业可以容易获得融资支持，而另一些企业则面临严重融资难题。

Table 2. Descriptive statistics of main variables

表2. 主要变量描述性统计

Variable	Obs	Mean	Std. dev.	Min	Max
ROA1	32,395	0.040155	0.065463	−0.37304	0.247308
DIF	32,395	5.512143	0.553932	2.786245	6.128985
DIF1	32,395	5.422051	0.618477	0.672945	6.071707
DIF2	32,395	5.539661	0.534511	1.911023	6.235763
WW	32,395	−1.01836	0.073419	−1.26361	−0.77132
Size	32,395	22.16345	1.294564	19.58496	26.45228
GrossProfit	32,395	0.296077	0.177417	−0.03862	0.871247
Growth	32,395	0.175634	0.417718	−0.65756	4.024214
Top1	32,395	34.33113	14.82011	8.0871	75.7786
Balance2	32,395	0.75583	0.617784	0.0187	2.9625
TobinQ	32,395	2.033818	1.369448	0.802414	15.60668

3.4.2. 基准回归分析

表3的基础回归结果表现出在仅仅控制年份与行业基础上DIFI的系数是0.0188；在加入了所有控制变量后，观察(2)数据发现，此时DIFI的系数依然显著，显著性略低于(1)。这表明：随着数字化普惠金融的发展，公司资产收益率能够提升，并且该结论在纳入其他因素后通过了稳健性检验。

3.4.3. 中介效应分析

表4的数字普惠金融发展指数、融资约束及企业绩效的基准回归结果显示，从(1)列可以看出数字

Table 3. Benchmark regression results

表3. 基准回归结果

	(1)	(2)
VARIABLES	ROA1	ROA1
DIF	0.0188^***	0.0121^***
	(0.00305)	(0.00265)
Balance2		0.00733^***
		(0.00127)
TobinQ		0.00530^***
		(0.000462)
Top1		0.000877^***
		(5.77e−05)
Size		0.00496^***
		(0.000557)
GrossProfit		0.214^***
		(0.00549)
Growth		0.0318^***
		(0.00104)
Constant	−0.0274^**	−0.208^***
	(0.0135)	(0.0168)
Observations	32,395	32,395
Year	控制	控制
Ind	控制	控制

注：^***代表在1%的水平显著，^**代表在5%的水平显著，^*代表在10%的水平显著，下表同。

普惠金融发展水平显著提升上市企业财务绩效，对应回归系数为0.0121；而(2)列回归研究的是数字普惠金融发展水平对企业融资约束影响，该影响系数为−0.0106，且在1%水平上显著，说明数字普惠金融发展与企业融资约束呈反向变动关系，数字普惠金融发展水平越高，融资约束压力越小。可能源于它可以突破地理空间限制，可获取性比较高。比如移动支付等技术应用降低了交易成本，为企业融资提供更便利的途径；第三列引入中介效应模型后，结果显示融资约束负向影响企业财务绩效，在模型中加入中介变量后，数字普惠金融依旧保持正向促进作用。数字普惠金融首先通过拓宽融资渠道，降低融资成本减轻企业资金压力，而资金压力缓解进一步帮助企业扩大投资、增强研发或者优化运营，这可能会导致财务指标如利润率ROA等上升。

3.4.4 内生性处理

该模型仍可能因为遗漏关键变量、测度误差或者双向因果关系等问题致使结果失真。为此，本文将“Internet”变量纳入分析。表5结果显示，在第二阶段，在1%的置信区间内，数字普惠金融对企业绩效的影响系数为0.013。说明本文研究结论不存在内生性问题，有良好的解释力度。

Table 4. Regression results of digital inclusive finance, financing constraints, and enterprise performance benchmarks

表4. 数字普惠金融发展指数、融资约束及企业绩效基准回归结果

VARIABLES	(1)	(2)	(3)
	ROA1	WW	ROA1
DIF	0.0121^***	−0.0106^***	0.00684^***
	(0.00265)	(0.00184)	(0.00239)
WW			−0.524^***
			(0.0143)
Balance2	0.00733^***	−0.00598^***	0.00415^***
	(0.00127)	(0.000749)	(0.00117)
TobinQ	0.00530^***	0.000159	0.00565^***
	(0.000462)	(0.000202)	(0.000447)
Top1	0.000877^***	−0.000479^***	0.000588^***
	(5.77e−05)	(3.20e−05)	(5.17e−05)
Size	0.00496^***	−0.0471^***	−0.0191^***
	(0.000557)	(0.000301)	(0.000827)
GrossProfit	0.214^***	−0.0515^***	0.174^***
	(0.00549)	(0.00243)	(0.00504)
Growth	0.0318^***	−0.0472^***	0.00585^***
	(0.00104)	(0.000805)	(0.00109)
Constant	−0.208^***	0.138^***	−0.147^***
	(0.0168)	(0.0102)	(0.0152)
Observations	32,395	32,395	32,395
Year	控制	控制	控制
Ind	控制	控制	控制
R^2	0.2792	0.8211	0.3842

Table 5. Results of instrumental variable regression

表5. 工具变量回归结果

	(1)	(2)
	第一阶段	第二阶段
变量名称	DIF	ROA1
Internet	0.010^***
	(0.000)
DIF		0.013^***
		(0.003)
Constant	3.467^***	−0.234^***
	(0.014)	(0.014)
Observations	32,395	32,395
R-squared	0.964	0.288
Control	YES	YES
Industary	YES	YES
Year	YES	YES
F	12,758

3.5. 稳健性检验

3.5.1. 分指数回归

利用之前确定的数字普惠金融指数中的两个指标作为核心解释变量，再次对数字普惠金融和企业表现进行回归分析。数据表明，回归结果的系数分别为0.00610和0.0118，且通过了稳健性检验(见表6)。

Table 6. Results of robustness test

表6. 稳健性检验结果

替换解释变量
	(1)	(2)
变量名称	ROA1	ROA1
DIF1	0.00610^***
	(0.00142)
DIF2		0.0118^***
		(0.00235)
Constant	−0.184^***	−0.209^***
	(0.0145)	(0.0164)
Observations	32,395	32,395
R-squared	0.2786	0.2800
Control	YES	YES
Industary	YES	YES
Year	YES	YES

3.5.2. 替换被解释变量

前文用总资产报酬率(ROA1)衡量企业财务绩效，现改用息税前利润除以平均总资产(ROA2)重新衡量并回归分析。表7的数据结果显示，影响系数为0.00847，与初步回归的结果基本保持一致，这表明数字普惠金融对公司财务表现有稳定促进作用。首先，数字普惠金融缓解中小企业传统融资难的问题，还能通过线上化流程减少人工与时间成本，有效降低交易成本；同时数字保险等产品能够帮助企业规避自然风险以及价格波动等风险。总体来说，数字普惠金融的发展有助于提升融资便利性，从而使得企业投资增加最终提升财务绩效。

Table 7. Robustness test for replacing the dependent variable

表7. 替换被解释变量的稳健性检验

变量名称	(1)
	ROA2
DIF	0.00847^***
	(0.00295)
Balance2	0.00506^***
	(0.00134)
TobinQ	0.00602^***
	(0.000499)
Top1	0.000792^***
	(6.15e−05)
Size	0.00772^***
	(0.000606)
GrossProfit	0.230^***
	(0.00589)
Growth	0.0360^***
	(0.00113)
Constant	−0.238^***
	(0.0184)
Observations	32,395
R^2	0.2840

3.6. 异质性分析

以上分析得出了数字普惠金融发展对企业财务绩效的稳定促进作用，紧接着深入探究数字普惠金融是否因为企业的产权属性与行业特征的不同而呈现结构分化，从产权属性方面，选取国有企业与非国有企业作比较分析；而从行业特征方面，选取高科技行业与非高科技行业作比较分析。

从企业产权属性分析，国有企业因与政府部门存在天然关联，在获取金融资源时具备相对有利条件。这种制度优势，使得国有企业融资相对更加通畅，进而能够更高效地将所获取金融资源转化为实际经营成果。民营企业则因缺少政府信用背书和政策扶持，在融资渠道与规模上处于明显弱势，这就使得资金获取难度更大，整体资产运营状况落后。

高科技行业企业由于其独特的高风险高回报特性，对金融支持有着更高的需求。而数字普惠金融确实能够降低融资难度，拓宽融资渠道，提升融资可得性与便利性。因此，数字普惠金融可以促进高科技行业财务水平提升，通过改善资金获取能力，促进技术创新和市场扩展，最终提升企业的整体绩效。

按照企业的产权特性将样本分为国有企业和非国有企业为一组、高科技行业和非高科技行业为一组进行回归。

表8数据显示国有企业与非国有企业整体上都受益于数字普惠金融。DIF指数分别为0.0102与0.00712，这表明国有企业在数字普惠金融影响下财务改善效果更显著。从(3)列和(4)列中可以看出非高科技企业系数比高科技企业的系数更显著，非高科技系数0.00978显著高于高科技影响系数0.0175，说明数字普惠金融对非高科技企业影响更深远。非高科技公司能够以较低的成本获得融资。相较于高科技公司，非高科技公司在传统金融体系中通常面临更高的融资成本和更严格的信用评估，而数字普惠金融能有效破解这些难题；同时源于业务特征，非高科技企业以短期流动资金需求为主，具备明确的抵押资产与稳定的现金流，所以非高科技企业能更容易在数字普惠金融中受益。

Table 8. Heterogeneity analysis

表8. 异质性分析

	(1)	(2)	(3)	(4)
	国有	非国有	高科技	非高科技
VARIABLES	ROA1	ROA1	ROA1	ROA1
DIF	0.0102^***	0.00712^*	0.0175^***	0.00978^***
	(0.00345)	(0.00413)	(0.00432)	(0.00330)
Balance2	0.00125	0.00981^***	0.00811^***	0.00594^***
	(0.00225)	(0.00159)	(0.00193)	(0.00168)
TobinQ	0.00658^***	0.00500^***	0.00568^***	0.00454^***
	(0.000845)	(0.000544)	(0.000637)	(0.000669)
Top1	0.000293^***	0.00110^***	0.000997^***	0.000736^***
	(9.53e−05)	(7.51e−05)	(9.49e−05)	(7.22e−05)
Size	0.00467^***	0.00677^***	0.00518^***	0.00496^***
	(0.000932)	(0.000771)	(0.000909)	(0.000708)
GrossProfit	0.208^***	0.216^***	0.208^***	0.221^***
	(0.00894)	(0.00701)	(0.00776)	(0.00769)
Growth	0.0241^***	0.0337^***	0.0370^***	0.0283^***
	(0.00145)	(0.00136)	(0.00180)	(0.00122)
Constant	−0.185^***	−0.229^***	−0.210^***	−0.193^***
	(0.0251)	(0.0243)	(0.0311)	(0.0207)
Observations	10,489	21,906	12,517	19,878
Year	控制	控制	控制	控制
R^2	0.3151	0.2814	0.2759	0.2838

4. 结论与建议

4.1. 结论

本文通过实证分析研究发现：第一，数字普惠金融显著提升企业财务水平，无论是从覆盖规模还是应用场景深化上均产生正向影响。第二，数字普惠金融主要通过缓解融资约束压力这一路径实现，实证结果显示，该政策显著降低企业获取资金难度，从而间接优化经营表现；第三，不同企业性质之间的数字普惠金融发展水平存在明显异质性效应，产权属性方面，国有企业受数字普惠金融发展影响显著高于非国有企业，行业特征方面，非高科技企业更能通过数字普惠金融政策提升资产收益率。

本文的研究结论与任晓怡、梁榜等人的研究结论一致，数字普惠金融确实缓解企业融资困境，而本研究进一步证实该政策实施能显著降低企业资金获取难度并优化企业经营表现[8] [10]；任晓怡的研究证实高科技企业在该政策影响下更显著[8]，本文研究则得出非高科技企业由于风险较小以及稳定的现金流和较低的融资门槛更受到数字普惠金融的正向影响，同时在产权属性方面，国有企业因其制度优势更具优势，这与杜鹏实证结果相反[13]。

数字普惠金融在减少信息不对称，缓解企业融资约束方面发挥作用，其背后的机理表明信息不对称在传统金融中确实会削弱企业经营表现，同时交易成本的存在也会使得中小企业存在融资困境，而本文深入分析数字普惠金融如何影响企业绩效，结合实际数据进行理论分析与解释。未来研究需要进一步依托交易成本理论与信息不对称理论进行动态演进分析，选取典型案例验证理论的正确性。

4.2. 建议

根据以上结论，本文提出以下建议：一、政府层面。政府应制定和实施相关政策推动数字普惠金融持续发展，例如税收优惠、资金支持和创业扶持政策，以鼓励创新和投资。同时加大对信息通信技术(ICT)基础设施的投资，提高互联网覆盖率和网络速度，特别是在偏远和农村地区，以促进数字普惠金融的普及。二、金融机构层面。银行及其他金融组织需要研发各种适合各式客户需要的数字化普及金融服务，例如小型信贷、保险与投资方案等等，以便能满足所有公司和个人对金融服务的期望。通过运用数据分析、机器学习和分布式账本等先进科技手段，提升对于风险辨别和管理的水平，从而有效地防止诈骗和信用损失的发生。三、企业层面。企业应积极进行数字化转型，提升自身的数字化管理水平和技术能力，利用数字普惠金融产品优化财务管理和运营效率。加强信息化建设，通过标准化、可视化财务信息披露提升透明度，借助数字化手段与金融机构建立长期互信机制；重点建设数据中台确保数据处理的时效性与准确性，并运用区块链技术保障数据真实可追溯，以此跟踪企业信用状况。以便更好地进行信用评估和融资，同时企业要完善并严格落实财务报告制度，提升金融机构对于企业的信任，提升融资成功的可能性。