数字金融发展对企业声誉的影响研究——基于A股上市公司实证分析

Research on the Impact of Digital Finance Development on Corporate Reputation—Based on the Empirical Analysis of A-Share Listed Companies

摘要: 数字金融蓬勃发展，渗透到千行百业，赋能实体经济。本文以A股上市公司作为研究样本，检验数字金融对企业声誉的影响效果以及作用机制。研究结果表明，数字金融发展有利于促进企业声誉提升，且在“共同富裕”战略下通过企业劳动收入份额提升形成作用路径。本文的研究结果拓展了数字金融发展的微观经济后果，同时在数字金融发展的背景下为企业声誉提升声誉提供了新路径。

Abstract: The rapid growth of digital finance has permeated various industries, empowering the real economy. This study examines the impact of digital finance on corporate reputation using A-share listed companies as a sample. The findings indicate that the development of digital finance positively influences the enhancement of corporate reputation, particularly through the mechanism of increasing the share of labor income under the “common prosperity” strategy. This research expands the understanding of the microeconomic consequences of digital finance and offers new pathways for improving corporate reputation in the context of digital financial development.

1. 引言

作为新金融发展模式的代表，数字金融对中国通过可持续发展进而实现高质量发展具有重要意义。纵观世界金融体系发展过程，以电子化为起点(典型模式是ATM)到互联网化(标志为网上银行)，再到如今的数字智能化，经历了不断探索的数年。从定义上看，数字金融是金融行业与互联网、区块链、大数据、人工智能等前沿数字技术的深度融合产物，它催生了一系列新颖的产品、服务及业务模式。它不仅涵盖了银行、保险公司等金融机构利用数字技术优化内部流程、推动产品创新，还体现在金融业对数字经济领域的积极支持与深度融入。具体而言，数字金融通过技术赋能，实现了金融服务的智能化、个性化与高效化，为数字经济的发展提供了坚实的金融支撑与服务保障。而在学术界，数字金融以新金融领域(网络融资、第三方支付、众筹、互联网征信、数字货币、大数据风控、量化投资等)为主要研究对象。我国的数字金融发展历程大概经历了30年，以2004年为分水岭，2004年之前是金融业，早期的数字金融主要是银行业务和证券行业的信息化和智能化过程，但是这些信息化过程并没有对金融业务处理过程和其商业模式产生显著影响。

2004年，支付宝成功问世，这成为中国数字金融发展进入崭新阶段的一个标志性事件。2013年微信支付的出现象征着人们可以采用移动支付方式代替现金支付，而微信和支付宝则是移动支付的两个重要渠道。而随着移动支付的迅速发展，互联网公司也逐渐进入了这个领域，各种新型的金融模式逐渐发展起来，比如互联网贷款和互联网众筹等。数字金融这个新兴的金融模式在中国金融系统开始生根发芽，并迅速向金融各个领域蔓延。目前，数字金融发展涵盖下表中五个方面，见表1。

Table 1. Covered areas of digital finance development

表1. 数字金融发展涵盖领域

数字金融涵盖领域	具体项目
基础设施	智能合约、大数据、云计算、 数字身份识别
支付清算	移动支付、数字货币
融资筹资	众筹、网络贷款
投资管理	余额宝、智能投顾
保险	数字化保险产品

伴随着中国经济实力等综合能力的增强，近年来我国的数字金融迅速发展壮大，甚至超过了许多发达国家。中国金融科技公司和科技企业的实力也不容小觑，共有10家金融科技公司登上毕马威和H2 Ventures联合发布的《2019全球金融科技100强》报告的50强榜单，包括蚂蚁金服、京东数科等。另外，根据英国智库集团和中国(深圳)综合开发研究院共同编制的全球金融中心指数显示，全球前十大金融中心中，中国的城市最多。据统计，在2011年到2020年这十年的发展过程中，数字金融指数年均增长幅度大约是29%。但由于其发展和扩张迅速，近年数字金融覆盖面已经很广，导致其指数的增加量逐渐缩小[1]。基于此情形，党的十九大报告明确指出“深化金融体制改革，增强金融服务实体经济能力”，并要求“着力加快建设实体经济、科技创新、现代金融、人力资源协同发展的产业体系”。中央全面深化发展改革委员会第二十四次会议强调“有序推进数字普惠金融发展”。充分利用数字技术发展带来的时代红利，加速金融数字化转型，进一步降低金融服务成本、扩大金融服务覆盖面、深化金融服务渗透率。春来潮涌东风劲，数字金融能够渗透到千行百业，赋能实体经济。

企业声誉作为一个比较抽象的概念，目前还没有明确的定义，但大多数学者都认为不同的利益相关者在做出决策时都会考虑组织的声誉，它代表了一个企业获得社会公众信任和赞美的程度，体现了企业在社会公众心中的形象[2]。在第34届世界经济论坛上，福莱国际传播咨询公司现场对1500名代表做出的调查发现，相对于企业市值、投资回报率以及利润，企业声誉在衡量企业成功方面更具有代表性。声誉能很好地代表了利益相关者对企业管理质量的看法[3]。它是企业的一种关键资源，具有创造价值的潜力，其无形特性使企业的竞争力更难复制[4]。具有良好声誉的企业将拥有更多的商业优势，能够更容易吸引人才，培养更高忠诚度，增加顾客对产品和服务的信赖。良好的声誉会给企业带来长久发展，目前声誉已被广泛认为是建立组织成功的关键基础之一。已有研究发现，企业社会责任、品牌形象、企业服务水平和产品质量等都会对企业声誉产生影响。在数字化发展迅速的今天，数字金融是否也会对企业声誉提升有促进效用，目前还没有结论。

因此，本文在梳理相关理论与研究的基础上，结合现实背景，采用2011~2021年全国各城市数字金融发展指数，运用因子分析法衡量A股上市公司声誉综合指数，采用企业劳动收入份额作为中介变量，实证检验数字金融发展与企业劳动收入分额对企业声誉的影响作用。

本文的主要贡献有：第一，以往对数字金融作用效果的研究中，大部分关注企业的投融资效率、创新水平以及财务绩效，本文则重点关注与企业所有利益相关者相联系的企业声誉方面，拓展和丰富了数字金融发展对企业微观实体的分析视角。第二，现有文献普遍认为数字金融发展可以助力企业劳动收入份额提升，本文考察了企业劳动收入份额在数字金融推动企业声誉提升过程中发挥的桥梁作用，研究结果刻画了数字金融影响企业声誉的机制与路径。第三，本文研究提供了企业声誉提升的新路径，为企业提升声誉进而谋求长远发展提供新的方向。

2. 理论分析与研究假设

2.1. 数字金融与企业声誉

作为新金融发展模式的代表，数字金融在宏微观方面都产生了较大的影响。在宏观层面，首先，在经济发展方面，金融市场和金融创新的成熟有助于一个国家经济的长期增长[5]。借助于技术创新能力以及互联网普及率的提升，数字金融显著促进了中国各个省份的经济增长，而且促进效果呈现边际效率递增[6]。另外，数字金融在促进经济与生态环境协调发展方面提供了新的动力和契机，且这种驱动效果在等级较高的城市和非资源型城市中更加显著[7]。在产业结构方面，数字金融可以对产业结构升级产生直接的显著正向作用，且通过“数字金融–经济发展水平–产业结构升级”这一传导机制产生中介效应[8]。在居民消费结构方面，数字金融的发展通过提升支付便利性显著提升了居民的消费水平[9]。大多数学者都认为金融发展有助于管理风险，降低外部融资成本[10]，鼓励消费[11] [12]，减少流动性约束，促进交易。在微观企业发展方面，研究表明数字金融能够矫正传统金融中普遍存在的属性、领域和阶段错配问题，对企业技术创新产生驱动作用[13]。数字金融的不断渗透进一步拓展了企业的创新边界，客户、供应商甚至竞争对手都可以深度参与企业创新过程[14]。赵萱等(2023)认为数字金融可以通过促进企业进行数字化转型，进而提升企业的ESG表现[15]。而且数字金融在垄断竞争市场中通过降低异质性产品的必要资本壁垒削弱了企业的定价能力，进而降低了企业成本加成率与绝对市场势力[16]。另外，企业可以利用数字金融带来的学习和吸收新知识与新技术的能力，创造与原始知识显著不同的新知识，开发满足新市场需求的新产品和服务，从而快速响应客户需求，避免“锁定效应”和“能力陷阱”[17]。

虽然各个学者对企业声誉的定义有所差别，但普遍认为企业声誉应被视为公司竞争优势的重要战略资源。良好的声誉将提高公司的市场知名度[18] [19]。还可以降低利益相关者对未来组织绩效的不确定性，增加组织竞争优势，提高公众信心，并有助于最大限度地提高企业获得产品或服务溢价的能力[20]。学者们发现企业在产品生产和交付方面的能力[21]、消费者对公司道德行为的看法[22]、企业社会责任履行[23]等都会对企业声誉带来影响。而保持良好声誉，可以在满足企业战略目标和产生可持续竞争优势方面取得重大成就。

Fombrun (2002)认为公司的声誉水平与八个利益相关者的反馈有密切联系，包括员工行为、客户误解、投资者对企业价值评估、合作伙伴忠诚度、法律监管强度、社会积极分子抵制行为、社区成员感受到的社会责任以及媒体曝光度。通过提升利益相关者满意度，管理者可以获得声誉，从而提高公司吸引资源、提高业绩和建立竞争优势的能力[24]。而企业履行社会责任也与利益相关者息息相关，并且履行社会责任是助力企业声誉提升的一部分。资金是企业经济活动的第一动力，企业积极履行社会责任，增加社会责任的资金投入建立在企业正常运转的基础上[25]。而数字金融发展缓解了企业融资困难问题，使企业能够更好地履行社会责任[26]。

基于此，本文提出研究假设1。

H1：数字金融发展能够促进企业声誉提升。

2.2. 企业劳动收入份额的作用机制

企业面临的“融资难和融资贵”问题是影响其提升劳动收入份额的重要因素[27]。由于很多企业通过银行等金融机构贷款获得外部融资极少，甚至无法获取外部融资[28]，因此必须依靠以留存收益为来源的内源融资来缓解企业资金压力和承担运营成本。此时，企业必须通过内生融资来增加自身储蓄，以获得营运资金，在这种情况下，企业更倾向于“排挤”工人的报酬，在利润分配的过程中大幅减少对员工的份额[29]。而数字金融发展可以提升金融市场效率，通过增量创新和存量升级，提高金融市场匹配效率，优化劳资分配结构，从各个方面缓解企业融资困难问题，进而促进企业劳动收入份额提升。

企业社会责任是一个广泛的概念，它涵盖了企业与员工，企业与社会，企业与环境之间的责任关系。而劳动收入份额的变动关系到企业对员工责任的履行，反映了作为雇主的企业对其员工的工作内容和工作成果的重视程度。如果企业缺乏劳工责任意识，就会想方设法压榨工人工资。而愿意承担员工责任的企业，会努力在实现自身盈利目标和员工取得合理收入之间得到一个平衡点并努力通过激励员工工作进而提升生产率实现目标。企业社会责任处于企业道德层面，时刻约束着企业对员工的讨价还价行为。而通过确保准确、及时的薪资处理，企业可以展现对员工的承诺，灌输信任感和可靠性。当员工收到正确且与其预期和能力一致的付款时，员工会体验到更高的工作满意度，从而营造积极的工作环境。相比之下，工资达不到员工满意度可能会导致财务压力、削弱信任、引起不满并导致更高的员工流失率。

因此，较高的劳动收入份额可能提高员工的满意度和忠诚度，而且数字金融通过优化企业的财务管理和薪酬体系，使得工资发放更加精准、高效。员工感受到被公平对待，从而增强企业的内部凝聚力，进而影响外部形象。另外，劳动收入水平的高低往往是企业实力和形象的直接体现。当企业通过数字金融手段提升劳动收入份额时，会在社会上形成良好的口碑和品牌形象，增强企业的社会影响力和吸引力。除此之外，劳动收入份额的提升能够激发员工的工作积极性和创造力，使他们更加专注于工作、提升工作效率和绩效表现。这种积极的工作态度和行为将直接转化为企业的经济效益和市场竞争力的提升。以招商银行泉州分行为例，该行通过推广“薪福通”系统，帮助企业实现了人事管理、算薪算税等流程的数字化和智能化。这不仅降低了企业的运营成本和管理难度，还提高了员工的劳动收入水平和满意度。随着员工绩效的提升和企业效益的增长，企业的声誉和品牌形象也得到了显著提升。所以企业劳动收入份额可以通过影响员工满意度从而提升社会责任形象进而影响企业的外部评价和声誉。

基于此，本文提出假设2。

H2：数字金融发展通过促进企业劳动收入份额提升进而提升企业声誉。

3. 研究设计

3.1. 样本选取与数据来源

由于数字金融相关数据只更新到2021年，且数字金融在2011~2021年发展最为迅速，另外数字金融对企业声誉的影响应该在各行各业具有普遍作用，因此本文通过搜集2011~2021年的沪深A股全行业上市公司的相关信息，将其与所在城市进行匹配，得到本文的初始数据。对初始样本，剔除处于金融行业的企业、出现异常问题被特殊处理的(ST, ^*ST)公司以及相关数据缺失的公司，最终得到23,987个公司–年度观测值，用以实证检验。由于极端数值可能会给分析结果带来偏差，因此本文对所有连续变量进行了上下1%的缩尾处理。其中数字金融数据来自《北京大学数字普惠金融指数(2011~2022)》第四期，企业层面数据来自国泰安(CSMAR)数据库和Wind数据库。

3.2. 变量设定

被解释变量：企业声誉(CR)，企业声誉的测量是一个非常复杂的过程。目前，国内对企业声誉还没有统一的衡量方法。常见的方式有将进入美国《财富》杂志“最受尊敬的中国企业”排行榜的企业作为声誉良好的企业或者构建因子综合指标对企业声誉进行衡量。基于数据的可获得性，本文借鉴管考磊和张蕊(2019)的研究思路[30]，考虑到企业利益相关者的评价与企业声誉水平息息相关，秉持可操作性、有效性及层次性原则，从利益相关者角度共选取12个指标。具体来看，在债权人角度选取流动比率、资产负债率、长期负债比三项指标，这三项指标数值越小，债权人对企业的信任度越高；在股东角度选取每股股利、每股收益两项指标，这两项指标数值越大，股东获取的利益越多，对企业评价越高；在客户与社会角度选取企业的收入、净利润、资产、企业价值在行业内排名四项指标，指标值越大，社会评价越高；此外，选取了可持续增长率、是否为四大会计师事务所审计、独立董事比率三项补充指标。采用因子分析法计算综合评分，按照得分从低到高分为十组，每组依次赋值1至10。

解释变量：数字金融发展指数(ln_Didex)，本文选取北京大学数字普惠金融指数来衡量数字金融发展水平[1]。该指数用于衡量中国省、市及县域的数字金融发展水平。该指数不只是由总指数组成，也包含三个维度，分别是覆盖广度指数、使用深度指数以及数字化程度指数。

控制变量：为控制其他因素的影响，本文选取了企业基本特征变量，包括企业规模(Size)、资产负债率(Lev)、企业年龄(Age)、资本密集度(CAP)、总资产净利润率(ROA)、净资产收益率(ROE)、账面市值比(BM)、托宾Q值(TobinQ)、董事会规模(Board)、两权分离(Seperate)、独立董事占比(Indep)以及城市层面通货膨胀率(INF)和地区生产总值增速(GDPg)进行控制。本文主要变量的说明如表2所示。

Table 2. Definitions and descriptions of the main variables

表2. 主要变量定义及说明

变量类型	变量名称	变量符号	变量测量
被解释变量	企业声誉	CR	选取12个指标采用因子分析法进行测量
解释变量	数字金融	ln_Didex	数字金融综合发展指数取对数
中介变量	企业劳动收入分额	LS	企业当期为职工支付的现金/营业总收入
控制变量	企业规模	Size	ln(年末总资产 + 1)
	资产负债率	Lev	年末总负债/年末总资产
	总资产净利润率	ROA	净利润/总资产平均余额
	净资产收益率	ROE	净利润/所有者权益平均余额
	托宾Q值	TobinQ	(流通股市值 + 非流通股股份数 × 每股净资产 + 负债账面值)/总资产
	账面市值比	BM	账面价值/总市值
	资本密集度	CAP	总资产/营业收入
	独立董事占比	Indep	独立董事人数/董事总人数
	董事会规模	Board	ln(董事会人数)
	两权分离	Seperate	实际控制人拥有上市公司控制群比例–实际控制人拥有上市公司所有权比例
	成立年限	Age	Ln(当年年份 − 公司成立年份 + 1)
	通货膨胀率	INF	[本期消费者价格指数(CPI) − 上期CPI]/上期CPI × 100%
	国内生产总值增速	GDPg	[本期GDP − 上期GDP]/上期GDP × 100%

3.3. 模型构建

在理论分析的基础上，本文构建了控制“时间–行业”的“双向固定效应模型”，以检验数字金融发展与企业声誉，计量模型设定如下：

${\text{CR}}_i{}_{,t}=\alpha +{\beta }_1\ln {\text{\_Didex}}_i{}_{,t}+\gamma \text{Controls}+{\displaystyle \sum \text{Industry}}+{\displaystyle \sum \text{Year}}+{\epsilon }_{i,t}$ (1)

由于三段式的中介机制检验存在明显的因果推断缺陷[31]，因此参考曾国安等(2023)的做法，加入中介变量对被解释变量的回归，构建四阶段中介回归模型对影响路径进行分析[32]，构建中介效应模型(2)~(4)对假设2进行检验：

${\text{CR}}_i{}_{,t}=\alpha +{\beta }_1\text{LS}+\gamma \text{Controls}+{\displaystyle \sum \text{Industry}}+{\displaystyle \sum \text{Year}}+{\epsilon }_{i,t}$ (2)

${\text{LS}}_i{}_{,t}=\alpha +{\beta }_1{\text{ln\_Didex}}_i{}_{,t}+\gamma \text{Controls}+{\displaystyle \sum \text{Industry}}+{\displaystyle \sum \text{Year}}+{\epsilon }_{i,t}$ (3)

${\text{CR}}_i{}_{,t}=\alpha +{\beta }_1{\text{ln\_Didex}}_i{}_{,t}+{\beta }_2\text{LS}+\gamma \text{Controls}+{\displaystyle \sum \text{Industry}}+{\displaystyle \sum \text{Year}}+{\epsilon }_{i,t}$ (4)

模型(1)~(4)中，下标i表示企业，t表示年份。因变量CR表示企业声誉；自变量ln_Didex表示数字金融；Controls为控制变量；Industry表示控制行业固定效应；Year表示控制年份固定效应；ε为残差项。若模型(1)中的β₁显著为正，说明数字金融发展可以提升企业声誉，即假设1成立。模型(2)和模型(3)进行影响路径研究，若其中的β₁显著为正，说明形成了数字金融影响企业劳动收入份额，企业劳动收入份额影响企业声誉的路径。进一步通过模型(4)检验中介效应是否成立。若模型(4)中β₁的显著性或系数较(1)中有所下降，说明“数字金融–劳动收入份额–企业声誉”的中介效应得以验证，假设2成立。

4. 实证分析

4.1. 描述性统计

下表为样本相关变量的描述性统计结果。其中，企业声誉(CR)的均值为5.549，最小值为1，最大值为10，说明不同企业的声誉存在着较大差异。数字金融(ln_Didex)的最小值和最大值分别为4.080和5.885，均值为5.364，说明在不同的城市，数字金融发展程度不同。在相关控制变量方面，企业资产负债(Lev)的均值为44.8%，说明企业的风险处于可控范围之内，不会面临资不抵债的情况；而总资产收益率(ROA)的平均值为3.88%，表明企业拥有正常的生产经营活动，有一定的竞争能力和发展前景。另外，本文进行了变量相关性检验，相关系数均在1%或5%的水平上显著，初步证明本文的基本假设。见表3。

Table 3. Descriptive statistics for variables

表3. 变量描述性统计

变量	样本数	均值	中位数	最小值	最大值	标准差
CR	23987	5.549	6	1	10	2.867
ln Didex	23987	5.367	5.476	4.080	5.885	0.427
Size	23987	22.40	22.21	20.00	26.24	1.300
Lev	23987	0.448	0.445	0.0560	0.892	0.202
Dual	23987	0.263	0	0	1	0.440
ROA	23987	0.0388	0.0366	−0.231	0.224	0.0616
ROE	23987	0.0623	0.0709	−0.657	0.363	0.131
TobinQ	23987	1.975	1.560	0.839	8.251	1.250
BM	23987	0.639	0.641	0.121	1.192	0.254
CAP	23987	2.549	1.946	0.409	13.02	2.062
Indep	23987	37.61	36.36	33.33	57.14	5.383
Board	23987	2.131	2.197	1.609	2.708	0.198
Seperate	23987	4.732	0	0	27.91	7.336
Age	23987	2.908	2.944	1.946	3.526	0.333
INF	23987	−0.00170	−0.00180	−0.0303	0.0253	0.0115
GDPg	23987	0.0916	0.0920	−0.0699	0.233	0.0489

4.2. 主回归分析

表4列示了模型(1)于数字金融对企业声誉的影响的检验结果。根据第(1)列的结果，数字金融发展在1%水平上显著正向影响企业声誉，模型(1)中的β₁显著为正，说明数字金融发展可以提升企业声誉，即假设1得到了支持。第(2)列在相关控制变量加入数字金融对企业声誉影响过程后，数字金融对企业声誉的影响系数虽然与第(1)列的值相比出现下降，但依然在1%的水平上正向显著，即模型(1)中的β₁仍然显著为正，说明数字金融发展可以促进企业声誉的提高再次验证了假设1。见表4。

Table 4. Primary regression results

表4. 主回归结果

变量	(1)	(2)
	CR	CR
ln_Didex	2.270^*** (0.190)	0.756^*** (0.097)
常数项	−3.854^*** (0.854)	−37.709^*** (0.501)
控制变量	未控制	控制
观测值	23987	23987
调整R^2	0.048	0.766

注：^***、^**、^*分别表示1%、5%和10%的显著性水平；括号内数字为t值。

4.3. 稳健性检验

因为测量误差、遗漏解释变量、互为因果等原因导致一个或多个解释变量与误差项存在相关关系，从而存在内生性问题。因此，本文使用工具变量法、解释变量滞后一期，剔除2015年股灾和2020年新冠疫情影响的方法对主回归结果进行了稳健性检验，结果与主回归结果一致，说明结论具有稳健性。

4.4. 中介效应分析

表5展示了“数字金融发展–企业劳动收入分额–企业声誉”的回归结果。第(1)列为数字金融对企业声誉的单独回归，回归系数为0.756，且在1%的水平上显著，说明数字金融发展能够促进企业声誉提升。而第(4)列为加入了数字金融和企业劳动收入分额的回归结果，ln_Didex的系数仍在1%的水平显著为正，但下降为0.740。说明数字金融能够促进企业劳动收入份额提升进而提高企业声誉。即模型(2)和模型(3)种的β₁均显著为正，且模型(4)中β₁的系数较模型(1)中有所下降，说明形成了数字金融影响企业劳动收入份额，企业劳动收入份额影响企业声誉的路径。假设2得到了验证。此外，本文对中介效应的结果使用Sobel检验法进行了检验，Z值在1%的水平上显著，再次验证了假设2。见表5。

Table 5. Regression results of “Digital Finance Development Index—Firms’ Labor Income Share-Firms’ Reputation”

表5. “数字金融发展指数–企业劳动收入分额–企业声誉”回归结果

变量	(1)	(2)	(3)	(4)
	CR	LS	CR	CR
ln_Didex	0.756^***	0.028^***		0.740^***
	(7.819)	(6.350)		(7.652)
LS			0.578^***	0.545^***
			(4.565)	(4.310)
常数项	−37.709^***	0.123^***	−34.685^***	−37.777^***
	(−75.315)	(5.058)	(−107.479)	(−75.551)
控制变量	控制	控制	控制	控制
观测值	23987	23987	23987	23987
调整R^2	0.766	0.439	0.765	0.766

注：^***、^**、^*分别表示1%、5%和10%的显著性水平；括号内数字为t值。

5. 研究结论及启示

数字金融发展对企业综合创新能力、企业竞争力提升有着重要的战略意义。本文以我国A股上市公司为研究样本，实证研究了数字金融发展对企业声誉的影响及其作用机制。研究结果表明：1) 数字金融发展有助于提升企业声誉。2) 数字金融能够对劳动收入份额产生显著的推进作用，且企业劳动收入份额在数字金融对企业声誉的促进过程中起到正向的中介作用。

本文的研究结果拓展了数字经济发展的微观经济后果，同时在数字金融发展的背景下为企业提升声誉提供了新路径。基于此，本文提出两方面启示与建议。第一，政府部门需加大对地区数字经济金融的推动力度，推进数字化基础设施建设，包括人工智能、5G基站人工智能与大数据中心等。关注区域发展均衡性，在维持东部地区数字化水平的同时也要加快中西部地区数字化建设。政府应采取措施扩大覆盖广度和使用深度，挖掘数字金融的功能，以信息技术为载体，推进数字中国建设，进一步巩固数字金融带来的红利。

第二，企业抓住数字金融带来的机遇，提升综合能力，促进自身声誉提高，满足可持续发展目标。利用数字技术了解客户需求、提升投融资效率，进而提高产品质量和企业竞争能力。企业应重视员工的工作成果，利用数字金融带来的融资便利性，吸引高科技、高素质人才，建立数字研发中心，激发企业的创新动力。进一步扩大数字金融对企业声誉提升的影响效果。