社会正处于工业经济向数字经济的过渡的时期，典型的现象：不论实体经济体还是以互联网企业为代表的虚拟经济体，都在加快利用大数据、人工智能、区块链等技术，以期做到全面的数字化升级，达到提升效率、降低生产成本和风险的目的。
一、数据技术是数字化升级的基础
技术之间是相互关联和依存的。大数据是大规模处理数据的技术组合体，人工智能是多源异构数据知识提取的技术组合体，区块链是确保高价值数据存储达到共识的技术组合体。它们都是技术的组合体，底层封装着已经成熟的不再被人们追捧的技术，比如通信协议和硬盘技术。
二、产业数字化是个工程问题
技术相互交错，配以提升效率、降低生产成本和风险的目的，共同支撑了如今各产业数字化升级。但远远不够，还存在工程性的问题——产业如何数字化？
从工程的角度看，技术已经做好了准备（尽管还有各种问题，但已达到可期状态），剩下的大致有3个问题：
输出：产业数字化的目的，该被转化为何种输出？这是一个系统的功能层，包括交互形式，功能质量评估指标。
输入：数据作为生产资料，如何被沉淀和清洗？期望达到什么输出，反推出需要什么数据，然后看如何把这些数据沉淀和清洗。
处理方式：根据输入数据的形式和输出功能的需求，决定采取何种存储，何种模型，何种架构
可以看出，这是一个逆推的过程，符合典型的工程方法论——从结果推到出过程，并一步步从开始实现过程，得出结果。数字化工程一定需要对产业各环节有足够多的了解，才能切实解决问题。因此，如果一个产业中的企业没有数字化工程能力，就需要借助外部大数据公司。这些没有实体产业的大数据公司，也面临着无法规模化的困境（美国大数据独角兽Palantir同样面临跨产业的规模化问题）。
三、数据往往不能自给自足
从产业的角度，每个企业都属于一个产业，除了用工程的方式解决自有数据的整合外，需要的数据往往不能自给自足。产业中其他环节的数据，跨产业的数据，都是一个企业要实现数字化升级需要的。而这些数据分布在其他企业的系统中，如果在数字化业务中需要这些数据，会面临不小的挑战：
其他企业有什么利益点，吸引他们将数据共享？
共享数据的企业，害怕数据共享衍生出来的责任问题？
能否给出清晰的数据需求，让企业能够按需求治理数据？
当前国内法律仍未给出准确规范。在2018年大数据博览会上，大部分论坛都提出了”政府能够引导立法，产业界积极实践，梳理利益模式和应用模式“的期望。已有不少大数据企业，正在帮助各产业进行数字化升级，也积累了很多工程上的经验。关于数据流通或交易，也有企业提出了自己理解的“三权理论”、用区块链等技术来为流通确权等想法。但毫不夸张地说，产业界全都正摸着石头过河。
这应该还会是常态，愿意承担风险的企业杀出一条路来，获得先发优势。法律什么时候会跟上，以促进行业规范快速发展，难以说清楚。
四、数据伦理的关键——企业和人的数据权利平衡
数据的来源可简单分为2种：人为产生&机器产生。而机器如传感器等产生的数据，有时也跟人有关（比如POS机、摄像头），也有纯自然数据（比如，卫星产生的土地、公路等摇杆数据）。数据是产业数字化升级的核心生产资料，但数据有伦理问题：任何企业所拥有的数据，只要跟人有关，就涉及数据权利的问题。企业和个人用户，对于数据分别拥有什么权利?
GDPR是目前为止最严格的个人隐私保护法，从字面解释来说，几乎完全抑制了数据的跨企业流动。这对产业数字化升级来说不是一件好事。
同样，国内的法律仍未给出准确规范。但践行国家大数据战略和政务数据开放的原则，产业界众多公司正积极探索。愿意承担风险的企业通常的做法是：
**- 从实践中总结理论，划分个人和企业的权利，为政府立法和协会组织提供案例
打造实现用户知情权、监督权、获益权的产品和服务。或许不会实现人权角度的“用户完全控制自己的数据”乌托邦，但用户确实有可能比过去20年能更了解和支配自己的数据，甚至因数据而获益。注：区块链在这里或许真能起到积极作用**
五、数字经济和智能时代的宏伟蓝图可期
数字化、数据化、信息化和数据资产化，似乎是必然演进的路径，只是时间的早晚问题，是渗透的程度问题。如何在重产业知识依赖情况下实现规模化，如何实现跨企业的数据共享，如何处理好企业和用户对于数据的伦理问题。有方向，有挑战，有机遇，更有蓝图。