下载掌阅APP，畅读海量书库
立即打开
随着全球数据存储量不断增长，大数据正进入加速发展时期，应用场景和市场规模也在不断扩大。在新基建热潮之下，大数据中心已经成为新晋“网红”，是为了应对5G、人工智能、工业互联网的大数据需求而生的，故而自带流量。“大数据+”行业的渗透补足了传统行业的短板，为制造业、服务业以及公共服务等行业的数字化进程插上了数字翅膀。我国大数据产业正迎来全面良好的发展态势，借着新基建的东风，展翅翱翔。
大数据的发展加速了我国进入数字经济时代的进程，不仅极大地降低了社会交易成本，而且提高了资源优化配置效率和产业附加值，同时还打造了产业数字化底座。随着大数据等数字科技的发展，数字经济2.0时代也即将开启，这会带来一场巨大的变革，产生新的经济形态。数字资产化、资产数字化和产业数字化正是数字经济时代大数据发展的新数字化形态，在过去的工业经济时代，我们可以看到，固定资产和劳动力是两个重要的变量，而在数字经济时代，数字资产将成为数字经济的核心要素，数字资产化和资产数字化也将促进数字经济加速崛起，
并与产业数字化融合促进社会生产力的快速发展，使人类经济社会进入新的阶段。
数据作为一种“可再生”生产要素，取之不尽，用之不竭，而且会长期持续保持增长，并能为各行各业带来新增长。大数据发展的速度加快，也给经济增长和企业发展的方向与逻辑带来了重要影响。大数据推动传统产业转型改造，助力数字产业实现跨越式升级。2020年4月9日，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，这是中央关于要素市场化配置的第一份文件。该文件分类提出土地、劳动力、资本、技术、数据这五个要素领域改革的方向，首次把数据要素纳入进来，强调了数据作为生产要素的重要性。
随着5G商用加快，工业互联网、产业互联网海量数据将被挖掘，数据资源云化将有助于推动互联网数据中心产业升级。数字资产化、资产数字化和产业数字化，是推动新基建时代大数据发展的十分重要的新形态。以数字资产化、资产数字化和产业数字化融合为特征的产业创新，构成了一个全新的体系，或将重塑传统产业的运行方式、服务模式乃至整个生态。
现如今，大数据已经不再被视为一种新兴技术，其被广泛应用于数字金融、数字营销、智能城市、智慧医疗、智慧物流、供应链管理等诸多实践领域中，与各行各业深度融合推动产业优化升级。传统产业成为当前大数据应用、创新的重要场景，通过向各行各业渗透数字化知识和技术，引导第一、第二、第三产业融合发展，正是大数据与传统产业之间的融合，支撑起了数字经济的快速发展。
全球的数据量迅猛增长。中国信息通信研究院推测，2020年全球产生的数据量将达到50.5ZB（泽字节），同比增长约23%（见图3.1）。在数据量不断增长的推动下，大数据产业也将构建出多层多样的市场格局，因此具有广阔的发展空间。在2018—2020年，预测大数据市场整体的收入规模将保持每年约70亿美元的增长，全球大数据市场收入规模在2020年将达到560亿美元。未来两年里，大数据市场将呈现稳步发展的态势，增速保持在14%左右。另外，随着大数据市场成熟度的不断提高，在2025—2027年，市场规模的增长将有所放缓，维持约7%的增速。
图3.1 2016—2020年全球每年产生的数据量
注：E表示预测数据。
资料来源：中国信息通信研究院，京东数科研究院整理。
数据交易将迎来战略机遇。随着大数据、移动互联网、物联网等产业的深入发展，我国数据量将呈现爆发式增长，数据交易也将迎来战略机遇。我国大数据战略谋篇布局不断展开，大数据产业加速发展，现已经历四个不同阶段。第一阶段为预热阶段，2014年，大数据首次写入政府工作报告，逐渐成为各界关注热点，大数据元年正式开启；第二阶段为起步阶段，2015年，国务院发布了发展大数据的战略性指导文件，体现出国家层面对大数据发展的顶层设计和统筹布局；第三阶段为落地阶段，《“十三五”国家战略性新兴产业发展规划》和《大数据产业发展规划（2016—2020年）》的提出加快了大数据落地；第四阶段为深化阶段，2017年10月至今，在国家战略的指引下，大数据与实体经济深度融合，国内大数据产业迎来全面良好的发展态势。另外，在国务院2018年的政府工作报告中，明确了要发展壮大新动能。要做大做强新兴产业集群，实施大数据发展行动，运用新技术、新业态、新模式，大力改造提升传统产业。数字资产化和资产数字化的关键在于，完成数据价值的变现，使数据以及数据产生的信息成为公认的资产，使传统资产通过数字化的方式，挖掘资产的数字价值，将其变现为用户价值、群体价值、社会价值。海量数据相遇并产生碰撞，有利于促进产业升级、社会治理，从而惠及民生。
数据打通产业链内外部连接。“从数据中来，到实体中去”是发展数字经济的根本出发点与落脚点，也是数字化的根本任务。数据可以打通线上与线下，数字化转型的过程将物理世界的多维信息以及产业知识数字化，产生海量数据。将大数据分析应用的结果反哺到实体场景中会释放数据红利，实现价值创造。同时，数据可以打通产业链各环节的内外部连接，行业各方用共建共生替代自我封闭，实现数据和技术应用在多产业、多链条的网状串联与协同，进而创造更大的产业价值和客户价值。
大数据促进产业格局重构。从大数据的应用市场来看，我国大数据应用正处于高速发展时期，大数据市场陆续出现新商业模式。随着大数据底层设施逐渐成熟和技术融合的催化，大数据分析开始结合具体行业，向下游垂直行业应用延伸。各行各业数字化、网络化、智能化进程明显提速，将有助于促进产业格局重构，驱动生产方式和管理模式变革，推动新业态酝酿形成。其中，数字资产化、资产数字化和产业数字化成为大数据的主要应用方向和趋势。
数字化路径实现降本增效。数字资产化、资产数字化和产业数字化可以实现对传统数据管理的扩充与升级，在降低企业数据使用的成本，提高以数据指导管理决策的效率方面，提升数字化管理水平已然成为大数据时代中产业优化升级和提高企业竞争力的关键。数字化的发展离不开数字基础设施的支撑。随着智能制造、智能城市等领域对数据采集、数据存储、数据传输、数据分析等的需求不断提升，物联网、工业互联网、车联网、5G、人工智能等新型数字基础设施建设步伐将进一步加快。5G作为高可靠、低时延、广覆盖、大连接的重要移动通信技术，将在智能制造、智能医疗、智能电网等领域广泛应用，同时，更将是物联网、工业互联网、车联网、云计算、人工智能等其他新型数字基础设施的底层支撑，并将推动物联网、大数据、边缘计算、人工智能等融合交汇。
大数据与实体经济融合加深。目前，与大数据结合紧密的行业逐步向工业、政务、电信、交通、金融、医疗、教育等领域广泛渗透，行业应用逐渐向生产、物流、供应链等核心业务延伸，产业数字化推动大数据由虚向实的趋势明显，大数据与实体经济的融合不断加深，行业应用正在从消费端向生产端延伸，从感知型应用向预测型、决策型应用发展。
近年来，我国金融科技创新保持了快速的迭代升级，多层次、多样化的金融科技生态体系逐步形成，塑造了坚实的技术基础。数字资产化和资产数字化的发展，推动金融科技和数字科技企业向金融机构持续输出金融科技技术、产品和解决方案，打造金融科技开放平台，利用数字科技连接金融机构和实体企业，推动金融数字化的发展。通过数字资产化和资产数字化，金融科技和数字科技企业在核心能力积累到一定程度之后，为使金融服务能更高效地服务于实体产业，便不断拓展业务边界，将金融方面的经验应用到产业数字化中。金融的产生最早是在港口，是基于贸易的需要，与实体企业紧密结合。产业数字化是对实体产业的整个经营流程进行数字化升级。一方面可以助力实体产业自身实现降本增效和模式升级，另一方面可以让金融和产业更好地结合。
大数据已经成为传统产业转型升级之战的必备“弹药”，通过推动关键技术的应用研究，创新数字服务模式，加快传统产业数字化，实现与社会、生活的深度融合，加速推动新产业发展、传统产业升级。随着大数据的发展，数据资产化的广泛应用和消费需求的变革催生出了共享经济、平台经济等新业态新模式。
维克托·迈尔-舍恩伯格在《大数据时代》中提到：“虽然数据还没有被列入企业的资产负债表，但这只是一个时间问题。”谈及数字资产化，就要具体说到数据与资产的关系。而在2020年4月，《关于构建更加完善的要素市场化配置体制机制的意见》首次将数据与土地、劳动力、资本、技术等传统生产要素相并列。随着数据要素首次被写入中央文件，数据中心作为智慧时代的生产力中心，将会更加高效地对数据这项生产要素进行生产、加工、分析以及应用。
类比资产的定义，数字资产是企业或组织拥有或控制，能带来未来经济利益的数字资源。并不是所有的数字资源都可以成为资产，只有可控制、可计量、可变现的数字资源才可能成为资产。目前，企业虽然都拥有自己的数据资源，但要想真正发挥出数据价值，通过实际的落地应用带来收益，还需要不断完善数据资源。从核心上来看，数据不直接具有商业价值，能够为企业带来实际价值的，不是数据本身，而是数据所能带来的信息。
具体来说，可应用的数据资产主要包括三类。
第一，企业内部数据。即企业通过自身的交易和事项形成的，为企业所拥有的一系列数据。这一类数据主要来源于企业本身，如电商平台通过日常销售所掌握的消费者基础数据，或通过进一步的处理、挖掘和集成所掌握的消费者行为数据、市场需求数据等。将这些数据进行有效的技术处理后会为企业带来利益。
第二，企业外部数据。此类数据主要通过网络爬虫、文本挖掘工具，从互联网和各类公开文件中获取。关联机构、行业机构等方面的数据，并不是通过收集企业自身的交易和事项形成的，但确实会为相关数据的收集者带来一定的经济利益，例如企查查此类企业信息查询网站。
第三，企业购买数据。外部数据的产生是产业进一步细化分工的结果，在大企业更多地聚焦于企业自身的优势竞争力时，会将部分运营管理的数据流量端口交由其他企业进行专业化处理，专业的大数据服务商为各行业企业提供技术服务，并且积累了大量的行业数据、广告营销数据、用户行为数据，能根据客户现状为其打造成熟的应用产品。
数字资产化就是能够将数据变现的过程，此过程的成本在于数据收集、处理、存储的成本。随着数据需求的深入，还需要利用数据为业务赋能，让数据进入更复杂、专业的资产化流程中。数据资产化是由人工智能对数据的大量需求所催生出的，价值链包含数据产生、数据收集、数据清洗、数据售卖或使用，另外硬件和网络支持也占有较大的比重。
如何将数据转化为有价值的信息，并广泛应用到金融行业及实体行业，是数字资产化的根本。在金融行业，通过将数据作用于金融场景，可以更好地降低成本、增加效益。同时，在实体行业，将生产经营中产生的数据进行收集、整理、分析，用于服务自身经营决策、业务流程，从而提升企业业绩。实现数字资产的可变现，体现其数字价值，这就是数字资产化。
在金融行业中，互联网科技平台通过利用电商产业链的数据以及人工智能等技术去建立风险管理的模型，让更多有需要的中小企业和个人能够获得贷款。传统金融机构往往更集中于为高收益、大规模的头部客群提供服务，而通过数字化手段，互联网科技平台可以让更多拥有合理需求的个人或中小企业，以更公平合理的价格获取其所需要的金融服务。
在实体行业中，如今很多平台和运营商都拥有丰富的客户数据，在合法合规的前提下，可以基于客户终端信息、位置信息、通话行为、购买行为、手机上网行为等丰富的数据，为每个客户贴上消费行为、偏好行为和兴趣爱好的标签，并借助数据挖掘技术进行客户分群，完善用户画像，帮助平台深入了解用户行为偏好和需求特征。
数据资产化的具体流程如下。
第一，取得数据。通过社会数据、网络采集、机构数据、企业填报等数据源采集企业数据，主要包括工商信息、股权信息、行政处罚、销售年报、司法信息、知识产权、法律诉讼、税务信息等。
第二，处理数据。利用大数据技术等进行数据清洗、数据合并、数据挖掘、数据标准、安全脱敏、多维关联等数据治理操作，提高数据质量。
第三，建立模型。利用机器学习技术学习专家打分，模拟专家对企业价值评价的决策过程，先建立评价模型，自动高效地对企业数据进行多维度、全方位的解析，最终生成企业评价报告。
第四，实践应用。在完成模型建立之后，可以将风险模型应用到金融机构中，并不断进行迭代与优化。
通过以上四个步骤，对数据完成取得、处理、建模、应用并产生价值，整个过程就是数据资产化。随着数据资源越来越丰富，数据资产化将成为企业提高核心竞争力、抢占市场先机的关键。企业以扎实的技术，打破数据之间的信息孤岛状态，应用云计算、大数据和人工智能技术帮助企业实现数据资产化运营。
随着近年来企业信息化的日臻成熟、社会化网络的兴起，以及云计算、移动互联网和物联网等新一代信息技术的广泛应用，全球数据的增长速度之快前所未有，数据的类型也越来越多。数据蕴藏的巨大商业价值，引发了传统行业对数据资产化的巨大需求。
数字资产化这一概念是由信息资源和数据资源的概念逐渐演变而来的，并随着数字管理、数据应用和数字经济的发展而普及。目前，各行各业积极实践数据资产管理，普遍经历四个发展阶段。
第一阶段，分析数据。通过对内部数据的整理，实现行业数据资产管理，主要是为了解决报表和经营分析的准确性问题，并通过建立数据仓库来实现，对企业的经营与分析起到重要的推动作用。
第二阶段，开发数据。企业在此阶段不能局限于分析已有数据，而是需要针对企业的经营和战略，主动进行数据的开发。行业数据资产管理的目的是治理数据，管理对象由分析域延伸到生产域，并在数据库中开展数据标准管理和数据质量管理。
第三阶段，技术创新。随着AI、大数据、区块链技术的发展，企业数据逐步汇总到大数据平台，形成了数据采集、计算、加工、分析等配套工具，建立了元数据管理、数据共享、数据安全保护等机制，并开展了数据创新应用。
第四阶段，深度运营。许多行业的数据资产管理已经进入深度数据资产运营阶段，数据成了企业核心的生产要素，不仅能满足企业内部各项业务创新，而且逐渐成为服务企业外部的数据产品。企业也积极开展如数据管理能力成熟度评估模型（DCMM）等数据管理能力评估工作，不断提升数据资产管理能力。
电信行业普遍在2000—2010年就开始了数仓建设，并将数据治理范围逐步扩展到生产域，建立了比较完善的数据治理体系。2010年后通过引入大数据平台，企业实现了数据的汇聚，并逐渐向数据湖发展，内部的数据应用较为完善，不少企业逐渐开始探索数据对外运营和服务。
在金融行业，如国有银行都单独成立了主管数据的一级部门（管理信息部或数据管理部），负责数据资产管理与应用、监管数据报送和外部数据的合作等工作。其他银行的数据管理工作，多数由科技部门负责，部分由业务部门负责。2018年银保监会发布的《银行业金融机构数据治理指引》，强化了银行业数据治理和数据资产管理的工作力度。
在实体行业，如三大电信运营商在工信部下成立了数据中心部门，来统一数据能力的建设。近年来，除了满足内部的数据应用外，三大电信运营商还积极向外拓展，电信和联通都成立了专业的数据对外服务公司，通过开放平台和数据产品来服务外部客户。
随着新基建战略的大力推进，我国将迎来大数据应用的爆发式增长。产业大数据与新技术领域的联系将更加紧密，从而使产业大数据的数据获取量更大，存储管理更便捷，分析产出更智能，由此实现最大化的商业价值。可以预见，在新基建相关政策和技术的共同驱动下，产业大数据将推动资产数字化市场成为下一个蓝海，人工智能、边缘计算等新兴技术，将持续助力产业变革和制造业模式变革。
新基建下，大数据产业在数字资产化方向的发展面临众多机遇与挑战。
面临的机遇如下。
第一，数据处理相关行业迎来利好。新基建下，工业互联网的发展将带来物联网设备相关数据的激增，传感器等数据采集相关行业将迎来发展机遇，数据中心行业将迎来利好。
第二，行业应用进入爆发期。新基建将助推传统工业的数字化、网络化、智能化发展，大数据在金融、通信、交通、医疗等行业的应用潜力巨大，将催生更多的大数据应用场景，这些领域的数字化转型将带来行业应用的爆发期。
第三，隐私计算等新技术迎来快速发展。隐私计算能够贯穿数据产生、收集、保存、分析、利用直至销毁的全过程，在此过程中对数据进行保护，规避泄露风险，可在新基建下从技术层面做好数据安全保护，保障数据安全与发展并重。
面临的挑战如下。
第一，数据确权困难。明确数据权属是数据资产化的前提，但目前在数据权利主体以及权力分配上仍存在诸多争议。数据权不同于传统物权。物权的重要特征之一是对物的直接支配，而数据权在数据的全生命周期中有不同的支配主体，有的数据在产生之初由其提供者支配，而有的数据（如微信聊天内容、电商消费数据、物流数据等）在产生之初便被数据收集人支配，不同的数据在处理阶段被各类数据主体所支配。原始数据只是大数据产业的基础，其价值属性远低于以集合数据为代表的增值数据所产生的价值。因此，法律专家倾向于将数据的权属分开，即不探讨整体数据权，而是从管理权、使用权、所有权等维度进行探讨。由于数据在法律层面目前尚未被赋予资产的属性，所以数据的所有权、使用权、管理权、交易权等权益没有被相关的法律充分认同和明确界定。数据也尚未像商标、专利那样，有明确的权利申请途径、权利保护方式等，对于数据的法定权利，还没有完整的法律保护体系。
第二，数据估值困难。影响数据资产价值的因素主要有质量、应用和风险三个维度。质量是决定数据资产价值的基础，只有合理评估数据的质量水平，才能对数据的应用价值进行准确预测；应用是数据资产形成价值的方式，只有数据与应用场景结合，才能贡献经济价值；风险是指法律和道德等方面存在的限制。目前常用的数据资产估值方法，主要有成本法、收益法和市场法三类。成本法从资产的重置角度出发，重点考虑资产价值与重新获取或建立该资产所需成本之间的相关程度；收益法基于目标资产的预期应用场景，通过未来产生的经济效益的折现，来反映数据资产在投入使用后的收益能力，而根据衡量无形资产经济效益的不同方法，又可具体分为权利金节省法、多期超额收益法和增量收益法；市场法是在相同或相似资产的市场可比案例的交易价格的基础上，对差异因素进行调整，以此反映数据资产的市场价值。
第三，数据交易市场尚未成熟。2014年以来，国内出现了一批数据交易平台，各地方政府也成立了数据交易机构，包括贵阳大数据交易所、长江大数据交易中心、上海数据交易中心等。同时，互联网领军企业也在积极探索新的数据流通机制，提供了行业洞察、营销支持、舆情分析、引擎推荐、API（应用程序接口）数据市场等数据服务，并针对不同的行业提出了相应的解决方案。然而，由于数据权属和数据估值的限制，以及数据交易政策和监管的缺失等因素，目前国内的数据交易市场，尽管在数据服务方式上有所丰富，但发展依然面临诸多困难，阻碍了数据资产化的进程。主要体现在如下两点：一是市场缺乏信任机制，技术服务方、数据提供商、数据交易中介等可能会私下缓存并对外共享交易数据，数据使用企业不按协议要求私自留存、复制甚至转卖数据的现象普遍存在；二是缺乏良性互动的数据交易生态体系。数据交易中所涉及的采集、传输、汇聚活动日益频繁，相应地，个人隐私、商业机密等一系列安全问题也日益突出，亟须建立包括监管机构和社会组织等多方参与的、法律法规和技术标准多要素协同的、覆盖数据生产流通全过程和数据全生命周期管理的数据交易生态体系。
当前，数据资产化过程中仍有关于产权、价值、交易等重要问题等待解决，但随着数据资源越来越丰富，数据资产化正在成为企业提高核心竞争力、抢占市场先机的关键，这些问题也将随着资产化的进程逐渐明晰。
随着全球化趋势放缓和我国劳动力成本优势逐渐消退，我国传统产业面临的需求乏力、品牌效益不明显、竞争过度、产能过剩等问题日益突出，传统企业迫切需要探寻新的增长机会和模式。与此同时，数字科技日新月异，产业数字化服务愈加广泛，从金融科技、资管科技、数字农牧、数字乡村、数字营销到智能城市，数字科技实现了技术上的进阶以及与实体产业的快速融合，数字化为传统企业转型升级带来了希望。
何谓资产数字化？资产的概念并不局限于股票、股权、债券、基金等金融资产，个人的数据、信用、社会关系、活跃度等都可以认为是资产。资产的数字化，从某种程度上可理解为代币（Token）化，但其本质上是资产背后的信息、交易模式、权属关系的变化。
从定义上看，资产数字化以密码学为基础，通过分布式的共识系统来实现实物资产的电子化，并使电子资产安全、快捷、方便地流通。从数学语言上看，资产数字化实际上就是通过一种高强度的私钥及公钥来表征资产的电子符号，从而实现数字资产的唯一性和交易的唯一性，以及使用过程中的授权和交易过程的验证，这是一个资产上链的过程。
资产数字化主要包含两方面，一是传统实物资产数字化和权益资产数字化。随着区块链技术发展以及交易模式的改变，物权、股权、债权、其他产权和版权等实物资产或权益资产的交易模式，都可能将逐步成为数字化交易的对象，成为数字资产。以房产为例，最早是实物交付，后来是房契交付，再后来是登记转移，数字化时期则是数字化转移。二是可编程数字化资产。随着工业化和金融创新的深度发展融合，以往在工业化时代生产的统一规格工业品已经不能满足发展需求，人们希望获得更多的、适合自己的个性化服务，这种产品可以被数字化设计，我们把它称为可编程的数字化资产。
资产数字化转型的重要意义包括三方面：一是资产数字化转型是适应现代生产力发展客观规律的必然要求；二是资产数字化转型是发展数字经济、助力新基建、推动新旧动能转换的重要内容；三是资产数字化转型是提升金融服务质量和效率，补齐传统业务结构中的短板的迫切需要。
资产数字化，通过利用数据和技术对资产进行穿透洞察，建立起对资产风险进行识别并分级的能力。这种能力能够帮助传统金融机构降低资本市场的交易成本，提高风险识别效率，进而实现转型升级。借助机器学习、数据挖掘、智能合约等技术，资产数字化能简化供需双方的交易环节，降低资金融通的边际成本，开辟触达客户的全新途径，推动金融机构在赢利模式、业务形态、资产负债、信贷关系、渠道拓展等方面持续优化，不断增强核心竞争力，为金融业转型升级持续赋能。
第一，资产数字化推动金融机构转型升级。现如今，数字化转型已经成为所有金融机构共同关注、共同推动的行业趋势，对传统金融业产生了颠覆性的变化，拓展了金融服务的边界，提高了金融服务效率，拓宽了金融机构的发展空间，成为金融机构的重要战略选择。实现资产数字化能简化供需双方的交易环节，降低资金融通的边际成本，开辟触达客户的全新途径，推动金融机构实现服务模式创新、业务流程再造、运营管理变革，不断增强核心竞争力，为金融业转型升级持续赋能。
第二，资产数字化有助于促进普惠金融发展。一直以来，大型银行认为对中小企业的服务可能不是它们的优势所在。但是随着大数据挖掘等新技术的应用，大型银行也找到了如何在我国解决中小企业融资难、融资贵问题的钥匙。通过建模、生物识别技术，利用海关、工商、税务等第三方数据建立模型，大大提高了效率，业务覆盖了更多的中小企业，使普惠金融成为现实。
第三，资产数字化有助于防范化解金融风险。特别是第三方数据的介入，通过交叉印证，建立前置的风险监测预测系统，提升整个风险动态感知能力和管控水平。风险早识别、早预警、早处置，对防控风险起到非常关键的作用。
随着资产数字化的发展，出现了一些金融的新业态，大致有以下几种典型模式。
第一，互联网企业基于数字科技助力开展金融业务。互联网企业以互联网方式经营，通过大数据等科技手段，建立风控模型，让真实的数据决定企业是否符合借款条件，让设备准确无误地执行，发挥数字科技的巨大优势。
第二，传统商业银行顺应金融科技发展建立直销银行。随着资产数字化的发展，银行开始设立直销银行。银行没有营业网点，不发放实体银行卡，客户主要通过电脑、邮件、手机等远程渠道获取银行的产品和服务，大大降低了网点的经营费用和管理费用，可以为客户提供更有竞争力的存贷款价格及更低的手续费率。
第三，互联网企业与金融机构在核心优势上融合与互补。互联网企业的技术、客户流量与范围、信息传输速度与准确性等优势，与实体银行线下服务的标准化、高质量、产品设计和客户的个性化需求等优势密切配合，显著提升客户体验，提高风险防范能力。在支付系统协调、金融生态圈建设、理财产品设计、网络征信、云计算大数据、风险控制与管理等方面开展深层次合作，共同促进金融行业的发展。
随着新技术的不断发展与渗透，金融机构的边界开始模糊，金融因素开始与非金融因素充分渗透、融合，金融内生性因素和外生性因素交互作用，势必对银行机构、资本市场、非银行金融机构、互联网金融等进行重构和再造。两两之间竞争与协同同在，时空共享，资金需求方对资金的来源有更多的选择渠道，资金拥有方会拥有更多的投资选择，双方会在更大的时空范围内完成有效对接。
可以预期，随着支付技术和信用技术渗透人类的经济生活，连接生活场景、工作场景、商业场景，激励人们参与真实体验，刺激交易者的交易行为，涉及金融活动的方方面面，资产数字化将不断发展。各个市场参与主体只有顺应新的金融技术引发的金融业态及其巨大的变化效应，才能在未来的竞争发展中获得比较优势、先发优势。
未来几年是新基建的集中安装期，我国拥有消费升级、产业升级、城市治理升级的重大机遇。基于5G、人工智能、物联网的拉动，将带来指数级的数据增长，作为基础设施的云计算也要超前布局，并强化智能计算的极致算力。在数字化浪潮的推动下，金融等行业都主动加快了数字化建设的步伐，云计算、大数据、人工智能、区块链等数字科技与行业应用相结合且不断深入，越来越多的行业、企业在数字化征程中摸索前行。在资产数字化的发展过程中，存在着诸多的机遇与挑战。
面临的机遇如下。
第一，资产数字化的发展需要以信用为支撑。信用源于两个方面，一是传统的强信用中心，二是区块链带来的“无须信任”。对于特定的场景，当传统的强信用中心能够解决问题的时候，数字化就会以强信用中心推动的形式出现；当原场景下不存在强信用中心，或者用“无须信任”的形式可以更加高效且低成本地解决问题的时候，数字化就会以区块链“无须信任”架构的形式存在。
第二，数字货币将成为资产数字化的重要实践。脸书于2019年6月宣布将推出Libra（虚拟加密货币），引起了市场的广泛关注。同时，这也让许多国家的央行警醒，加快了研究央行数字货币的脚步，以支持货币体系控制以及维持主权货币的吸引力。2019年底，中国人民银行正式宣布数字货币准备工作已大致就绪。2020年，DC/EP试点项目正式出台。中国人民银行及其附属机构共申请了近80项数字货币专利，而让数字货币在可见的未来发行和流通的立法程序也正在进行中。从国内角度来看，DC/EP是通过技术手段对现有货币体系的改善和提升。随着产业互联网的发展，我国已经进入以5G、物联网、人工智能等为代表的数字经济时代，DC/EP可以更好地适应和满足数字经济时代的社会发展需求，推动资产数字化的发展，从长远来看一定会产生极大的正面影响。
第三，通过资产数字化赋能上、中、下游产业链。除了加快自身数字化外，企业将自身的资产数字化实践的经验赋能中小企业，形成对上下游相关主体的支撑。通过资产数字化，助力小微企业把客户管理数据、进销存数据、上下游合作伙伴等交易信息和商户的运营信息数字化，不仅能大幅降低小微金融服务的信息不对称，还能创新更多的普惠金融模式。通过资产数字化发展金融科技，可以让金融服务融入各种各样的场景，把金融机构和科技公司更好地结合起来。
面临的挑战如下。
传统机构的资产数字化转型还面临不少困难和挑战，一些痛点、难点问题亟待解决。
第一，不少企业认识不到位，缺乏方法论支撑。数字化不仅是技术更新，而且是经营理念、战略、组织、运营等全方位的变革，需要从全局谋划。目前，多数企业推动数字化转型的意愿强烈，但普遍缺乏清晰的战略目标与实践路径，更多还是集中在生产端如何引入先进信息系统上，没有从企业发展战略的高度进行谋划，企业内部尤其是高层管理者之间难以达成共识。与此同时，数字化转型是一项长期艰巨的任务，面临着技术创新、业务能力建设、人才培养等方方面面的挑战，需要企业实现在全局层面的有效协同。目前，多数企业没有强有力的制度设计和组织重塑，部门之间数字化转型的职责和权利不清晰，也缺乏有效的配套考核和制度激励。
第二，数据资产积累薄弱，应用范围偏窄。数字化转型是企业数据资产不断积累以及应用的过程，数据资产是数字化转型的重要依托，如何加工利用数据、释放数据价值是企业面临的重要课题。目前，多数企业仍处于数据应用的感知阶段而非行动阶段，覆盖全流程、全产业链、全生命周期的工业数据链尚未构建。内部数据资源散落在各个业务系统中，特别是底层设备层和过程控制层无法互联互通，形成数据孤岛；外部数据融合度不高，无法及时全面感知数据的分布与更新。受限于数据的规模、种类以及质量，目前多数企业对数据的应用还处于起步阶段，主要集中在精准营销、舆情感知和风险控制等有限场景，未能从业务转型角度开展预测性和决策性分析，难以更好地挖掘数据资产的潜在价值。大数据与实体经济融合的深度和广度尚不充分，应用空间亟待开拓。
第三，核心数字技术及第三方服务供给不足。传统产业数字化转型面临成本较高、核心数字技术供给不足等问题，也缺乏有能力承担集战略咨询、架构设计、数据运营等关键任务于一体，并且能够实施“总包”的第三方服务商。目前市场上的方案多是通用型解决方案，无法满足企业、行业的个性化与一体化需求。更为重要的是，对于很多中小企业而言，市场上的软件、大数据、云计算等各类业务服务商良莠不齐，缺乏行业标准，选择难度较大。
第四，数字化基础设施建设面临挑战。数字化金融的发展需要依靠现代信息技术、计算机技术以及网络技术的支撑，整体的支付流程以及清算环节都比较复杂，数字化金融的发展需要做好细节方面的处理，同时也需要做好全面的信息监管，目前在数字化基础设施的建设方面，金融业的发展面临着巨大的挑战和压力，不仅需要较大的资金成本，同时对于基础设施建设的要求也比较高，需要能够紧随行业以及社会的发展实现动态化管理。
在国家政策推动、数据要素驱动、龙头企业带动、科技平台拉动、产业发展联动等多方面因素的共同推动下，中国产业数字化转型的效果初步显现，传统产业数字化转型整体进度加快。数字资产化、资产数字化与产业数字化的融合发展成为行业趋势。一方面，数据已经成为企业核心资产，持续激发商业模式创新，不断催生新业态，数字资产化和资产数字化已成为金融和互联网等领域促进业务创新增值、提升企业核心价值的重要驱动力。另一方面，数据流引领技术流、物质流、资金流、人才流，驱动产业生产要素的网络化共享、集约化整合、协作化开发和高效化利用，将资产数字化和数字资产化等金融数字化的发展经验融合到产业数字化，促进生产组织方式集约、发展模式转变和产业生态创新。
金融数字化转型提升内生动力。数字资产化和资产数字化的发展，能够统筹服务实体经济和防控金融风险的平衡。近年来我国金融体系改革创新持续推进，但金融结构不合理、机构竞争同质化、风险管理粗放化等问题依然突出，小微企业融资难、融资贵问题持续存在。金融科技创新应用让金融机构认识到，金融科技创新和数字化改造有助于切实提升金融机构的服务能力和内在动力。金融数字化基于各自的服务对象来创新产品业务和运营模式，有助于解决金融机构同质化竞争问题；通过线上服务极大地拓宽了金融服务的覆盖面，有助于解决覆盖面不足问题；通过行为场景数据和大数据手段等缓解信息不对称，有助于解决定价不精细问题；通过大数据建模等有效识别管控风险，有助于解决风控过度依赖抵质押物问题。
产业数字化有效优化资源配置效率。在产业数字化转型初期，不同产业领域和同一产业不同企业依托的底层基础设施、掌握的资源要素、使用的数字工具与平台处于割裂状态，难以适应平台经济、共享经济等新经济模式构建发展的需要。随着数字科技对传统产业渗透融合度的不断提升，产业数字化将用共建共生替代自我封闭，实现数据和技术应用在多产业、多链条的网状串联与协同，逐步实现组织架构重塑、产业模型自我迭代优化、产业生态自我良性循环，进而创造更大的产业价值和客户价值。
以金融数字化能力服务实体行业。利用数字科技连接金融机构和实体企业，从数字资产化、资产数字化到产业数字化，推动金融数字化和产业数字化共同发展，可以利用金融的数字化能力服务其他产业，甚至服务智能城市、智能社区等公共产业。数字化以及数字化技术是桥梁及核心，将数字化产业的能力与数字化金融的能力进行结合，真正让产业获得足够的技术，能够让金融服务到产业，成为大的产业数字化逻辑。把在一个产业中积累的经验运用到另外一个产业中，并结合这个产业的know-how，帮助其实现数字化转型，这一举措实现了从数字资产化、资产数字化到产业数字化的融合发展。
新基建助力大数据产业呈现出四大趋势。一是我国大数据产业发展的侧重点将由前端技术研发转向各领域的大数据应用。如工信部2020年公布大数据产业发展试点示范项目，工业大数据融合应用、民生大数据创新应用等方面的项目的比重，占所有示范项目的很大一部分。二是大数据管理更加深层次。新基建下，数据采集将更加多量和多样，分析应用能力也将相应提升。大数据“大”的特性将会更加凸显，相应的数据处理能力及处理方法也将更丰富和深层次，将带动大数据产业新业态新模式的产生。三是数据流动加快。大数据的使用将逐步去中心化，实现跨界流通，政府和社会数据逐步融合，数据烟囱、数据孤岛被逐步打破，数据要素实现了依法、有序、自由的流动。四是数据中心发展进入新阶段。数据中心会向核心地区和周边地区双向发展，向超大型集中和边缘计算双向发展，数据中心产业链纵向一体化和横向一体化进程或将同步加快。
新基建推动各行业数字化转型升级。在新基建的加速落地进程中，受产业数字化转型的需求拉动，一是要探索更多大数据共享利用场景，激发数据要素交易积极性和活力，进一步完善数据要素市场机制，以数据要素流动的业务需求拉动数据应用落地。二是要打牢大数据产业应用的基础，继续持续发力新基建，加快建设集约、开放的大数据平台，打牢大数据产业应用的硬件基础；要强化科技创新，加强政、产、学、研合作，共同攻关大数据关键技术，培育面向大数据的开源软件生态体系，打牢大数据产业应用的软件基础。三是要做好大数据产业应用的安全保障，加强数据安全保护技术能力建设，推进数据脱敏、安全多方计算等技术研发，保障大数据产业应用顺利落地。
经济社会及产业发展的根本目的是，更好地服务及满足人的需求，这些需求通常会映射到具体场景，进而推动数字资产化、资产数字化与产业数字化的落地发展。激活新需求，创造新模式，触发新业态。未来场景化应用将呈现出标志化、深度化等特点。标志化场景定制成为产业数字化加速落地的“试验器”，产业数字化转型周期长、难度大、成本高，为了降低试错成本，传统企业在数字化转型过程中更倾向于针对制约产业发展瓶颈问题、产业链关键节点等形成可落地的、有代表性的标志化场景应用，以此为契机加速推动产业数字化转型应用，在取得巨大突破的同时，降低产业数字化转型的风险。深度化场景应用是引领产业数字化发展的“助推器”，既是产业数字化转型的客观要求，也是转型成功的直接表现。通过数字科技与传统产业的深度融合，将数字技术渗透到传统产业的各个细分场景，进而实现与实体产业经济的融合共赢，助推实体经济的发展，带动传统产业的转型升级。以AI机器人为例，未来依托具体产业场景，AI机器人产品及服务能力将快速成熟并大规模推广应用，尤其在数据中心、轨道交通、物资运送等领域有着广阔的应用前景，成为深度化场景应用的一个新增长爆发点。