证券通证化——撬动一个十万亿级市场？

2018年开年，A股掀起了一波“区块链”热潮。随着区块链技术的深入研发与应用探索，区块链可成为数据资产化、知识变现的关键技术的呼声此起彼伏。要让数据成为资产，关键是在保证数据质量的前提下，实现数据的确权和自由流通，区块链技术的出现便为此提供了契机。

数据采集与质量管控

数据资产是企业或组织拥有或控制，能带来未来经济利益的数据资源。也因此，并不是所有的数据都能够成为资产，只有可控制、可计量、可变现的数据才可能成为资产。

企业数据一直以来存在着真实性核查与数据质量问题，对此，毕马威管理咨询经理张杭川以银行领域的数据问题为我们做了说明。他认为数据的采集规范应在最初便要确定，包括采集时间、采集方式、采集格式、质量校验规则等。同时也要引入防篡改芯片进行远端质量管控，以保证数据的真实可用。

如何保证数据质量，以银行领域现在在做的数字化转型面临的一些核心挑战、核心问题为例。银行的数据体量庞大，而涉及到历史数据时，最初的标准和规范没有确定，这就为后续的数据采集带来障碍。在网点去采集用户数据时，银行系统在采集用户开户时的手机号时，无法进行验证，这就导致银行采集到的80%以上的手机号是不准的。而另一方面，很多的对公客户行业信息90%以上是缺失的。比如说客户经理在录对公客户行业信息的时候，如果系统没有做相应的标准和规范，90%甚至99%以上的客户经理都会填“其他”，这对银行后端分析整个贷款、不良分布、监管、后端分析，都是阻碍。

其次，个人客户职业信息质量过差。这是因为前端采集数据时实现自动化的检核，进而导致银行在数字化转型过程中，大量的大数据分析的模型在客户的精准营销时不可用。因此，今年银监会、保监会在5月份新发布的金融机构数据治理监管指引都会要求银行从头开始做数字治理专项工作，并且把这一块工作整体纳入到公司治理层面。

因此对于工业领域，如果要重新开始做数字化转型，数据的规范就比银行有一个天然的优势。银行是先建立核心，然后引入客户，最后再制定标准、质量、规范、要求，包括后端的统计分析，前端需求的数据。而对于新兴行业，应采用自动化的方式，最初便应做原始数据的把控，前端做管制，减少人为的采集和输入。比如，银行发现问题时的回补，最初是采用人工的方式，之后会借助外部数据的方式回填这部分的数据，而最初的客户身份信息采集时，由于没有使用自动化的设备做扫描，导致历史数据缺失。因此，矿机和传感器的重要性就体现在这，它将整个远端数据标准规范做了一个管控。

而除了数据标准跟质量的管控，还有采集点的采集规范和采集格式。以银行为例，客户经理采集客户信息，一般只会考虑用户的基本信息以及风险审批信息，使贷款协议继续进行下去就行。而从整个银行的角度考虑，后端法律合规、监管、报送、营销、分析等各个部门，都有相应的采集需求，如何整合大家的需求，这就是最重要的银行采集规范的定义问题。这是业界的一个难点。嫁接到工业领域以往传感器更多是为留存服务，为具体某一个单点应用服务。如果做整个数据共享或者数据交易，如何让数据采集性价比高，结合整个产业链上数据需求，把它凝结到相对集中的传感器上，这样采集上来的数据标准和规范都得以保证，这样数据价值就会比较高，在共享的层面会比较被接受。

数据资产意识

数据采集不起来，采集的数据质量得不到保证，一直以来成为困扰企业的核心问题。

张杭川认为其中的主要原因是企业没有正确的数据资产意识。很多传统企业，包括现在大部分的银行，最开始没有数据概念，也没有所谓的数据管理部，现在90%以上银行都没有数据管理部，工行和建行最开始是从信息中心慢慢演变到数据管理部，信息中心最开始的职能就是监管报送。最终数据没有采集上来的唯一本质原因就是数据资产意识没有觉醒，大数据已经普及了很多年，但是现在真的在用大数据的企业并不多。银行现阶段的大数据分析没有落到实处，更多的简单的统计分析，底层数据完整性、一致性包括数据质量都不能够支持。主要还是数据资产意识不到位，尤其是业务部门，他们不认为数据是资产。他们现在还在用传统盈利模式去挣钱，只有当银行对公业务不好的时候，大家要面向零售做一些分析挖掘，才会发现个人客户信息的重要性。所以他觉得只要数据资产意识到位，那些客观的原因都可以解决。

数据资产意识之所以没有到位，是因为只是将它作为理念或者传递一种文化。而没有将数据变现，实现价值，数据分析应用是一方面的角度，数据是一个交易的属性，资产应该有交易的属性，有市场化的属性。

数据没有被资产化，不认为有价值，这个存在一个脱节的关系。采集数据的人并不是真正用数据的人，前端采集数据的人往往是因为在那个节点上有采集的需要。而企业缺少一个角色，就是数据需求的统筹角色。比如说某银行的行长想知道未来十年的战略，对公客户是做民营企业，还是做国有企业更赚钱，会发现分析不出来，因为所有的对公客户经济性质，企业性质的信息大部分都是缺失的。此前不存在这样的需求，所以采集的时候就不会认真采集这些数据。

如果企业想要采集到好的数据，第一件事情就是行内或者企业内部需要有一个独立于前中后台专门的角色来统筹全行所有的需求，再把这些需求落到相应的采集点，最后根据定标准、定质量、定规划然后再到分析，需要有一个需求的独立决策部门来进行源头的把控。

工业互联网的数据资产化之路

基于目前所存在的企业数据问题，通过引入数字孪生体概念，通过区块链技术可以解决数据真实性、唯一性、流通性等问题，继而实现数据资产化。

清华大学软件学院助理教授黄晋认为在大数据、人工智能、物联网的场景下，所有的事物都被赋予数字孪生体的概念。以工业装备为例，在物理世界存在的装备，在数字世界可以通过传感器状态采集数据，进而在数字世界里构建同样的模型。每一个数字孪生体，代表物理世界真实系统的状态下，记录现在、过去状态的同时，也可以预测未来。通过将工厂内部、外部以及服务在全社会化场景下的应用平台，以及互联网资源联系起来，便可进入工业互联网时代。

工业互联网平台下，运行环境、生态原料、机器设备以及各种软件系统数据，都可以形成数据化的模型，通过承载的平台附加用户数据，做数字化的服务，最终形成数据循环场景。以数据资产化的方式构建工业互联网阶段数据共享交易体系，构建出整个人类社会的数字孪生体，即数据全社会的平台。

在数据资产化和资深数据交易方面通过六个方面的理念进行体现：

一切可循环利用的可信数据皆为矿藏；
一切有利于数据交易的行为将得到真实的价值补偿；
一切终端用户有权自行决定数据脱敏梯度；
一切团体或个人均可发布数据需求或服务；
一切数据资产交易应符合市场规律；
一切得到价值补偿的公链源数据属于社区参与共享。
同时也会设置五大角色，数据持有角色、数据需求角色、平台运营角色、数据服务角色和审计监督的角色。对数据需求进行统筹，包括标准的管理、质量的管理、安全的管理、数据全生命周期的管理。

而目前在数据流转过程中进行资产化存在的痛点集中于标准规范、转型成本、应用模式、安全保障、数据支付等几个方面。而数据孤岛、数据权属、数据质量、数据安全、数据定价等问题也限制着数据资产化的进程。

区块链技术的出现为数据资产解决诸多方面的问题，在资产上链之后首先解决的便是数据权属问题，数据可以追溯，同时数据交易时的变更都可以进行确认；其次是数据质量，数据质量可以通过共识的验证机制来确保；以及数据安全，可以通过加密技术来做数据安全和隐私的保护；再者是数据定价，在能够明确交易各方的前提下，根据数据价值来做相应的数据定价的设计；最后是数据支付，形成有一个交易体系。区块链技术为数据资产化的进行奠定了技术上的保障。

数据资产上链

区块链技术成为数据资产化的最优选择。而如何进行数据上链，通过采用公私链的架构以及引入矿机的概念进行实现。黄晋认为让系统运转起来是特别核心的一个内容。设计公私链的架构本身是让大家对于敏感的数据，或者隐私的东西可以放心地放到生态里进行管理，技术上保证生态可以运作，而从生态运营上一直在论证是否可以用利益来驱动的提案。

在典型场景里面从C端，即通过设定的矿机，将有价值的数据进行采集，从B端尽可能多采集用户的需求。在数据与需求之间形成良性运转，进而使整个生态运转起来。

从另一角度来看，启动资本尽可能多，足够支撑生态运转。这就需要共识，生态被认可，才能循环起来。在数据资产化之后，这个平台可以解决数据循环里面所有的痛点，这样才能吸引更多的人，而目前的设计是可以做到的。

公私链的架构设计，也是为了激励。从C端来撬动，便可以获取利益，并且可以马上变现，这是一个激励。同时得到Token以后，还可以购买服务。只要开发者不断运作，只有数据支撑，平台便可以运作下去。

黄晋认为虚拟货币在实体经济里面难以承担货币属性，整个过程中，它的投资属性更强一点。数据一旦资产化之后，用虚拟货币来支撑整个体系的运营，可能更合适。进行数据资产交易时，大家都持有Token，那么是否会出现持有量越多，进行交易时，更容易刺激投资属性的现象呢？

对此杨昂然认为对于Token价值，最初是着重于数字货币或是货币的一个角度，或者是从价值流通的角度来看，是作为价值交换的媒介。进而逐渐发现自己的经济体发展或者自己的生态发展没有跟上它的体量，就会出现投机的成分远远大于真正的项目价值，或者说内在价值的成分，就导致在价格上体现出来就是暴涨暴跌。相当于是你的经济活动发展跟价格有很大的相关性，这种不利于长期稳定的发展，最近几个月增加了一些。这种情况下有一个价值牟定的标的，传统流通相当于把央行所谓的驻地权拿过来，有一定的附加因素在里面，稳定度就很差，毕竟是私人信用或者还没有成型的商业形态的背书。

数据资产化之后，数据资产在交易流通过程中本身是一个资产，这种情况下，对于货币本身的定位而言，它的资产性质便会产生变化。而如果是双重设计架构，在流通环节做付费，更多则情况是稳定的。但是投资属性会比较强，最好把两个属性平衡恰当。还有一种Token，不是在流通环境中流通的，比如像SDM的多层属性。在通证经济商业活动中社群的重要性是越来越高的，所以肯定是有黏性的用户越多了，对于整个项目发展会越好，这是肯定的。同时Token很多情况下是作为一个冷启动，或者在初期活动当中是一个运营推广的作用，所以社区的激励，包括对于项目的黏性和评价时Token的流通便是很重要的一个环节。

资产数据化的浪潮已经形成，虽然在传统企业方面依然存在着数据资产意识薄弱、数据质量不佳等问题，但相信随着区块链技术的开发应用，资产数据化的产业共识必然会实现。

（作者：矩阵数字经济智库，内容来自链得得内容开放平台“得得号”；本文仅代表作者观点，不代表链得得官方立场）