從技術上拆解數據要素價值的生成路徑，企業數據要素與資產運營的建設路徑可分為三個典型的階段：數據資源化、數據資產化和數據資本化。第一階段是做好數據治理和安全，使企業有數據產品用并且能夠管理起來;第二階段進入流通階段，基礎設施組成部分包括：隱私計算、沙箱、數據資產登記以及數據流通之后，跨境數據的統一安全管控;最后一個階段比較新，星環科技也在幫助企業做資產目標的試點，包含從資產識別到價值評估到合格審計、持續性盤點等一系列工作。

第一階段：做好數據治理和安全

隨著大模型技術的快速發展和成熟，企業對數據資源整合的動力更加強大。一個成功的實踐經驗是利用大模型的語義理解能力將知識庫外置，而大模型只負責意圖識別和上下文理解。目前，這種架構在企業中取得了顯著的效果，已經逐漸接近企業端的精度要求。然而，僅僅擁有數據是不夠的，還需要對數據進行管理，確保其可控、可用。

將匯聚的數據轉化為知識至關重要。傳統的數據治理主要從技術層面進行描述，例如對表字段要有質量、規則和標準等要求。而基于大模型的核心思想是直接將數據應用于業務中。以某種賬號為例，涉及到接收方、貸款方、貸出方還是收入方，需要具備業務語義，并將其抽象為基于數據實體模型的內容。因此，其描述對象不再是基本的源數據，而是業務術語。一旦建立了完善的業務術語體系，企業就能夠圍繞這些術語打通技術部分，使數據能夠作為知識注入到企業應用或模型智能化的應用中。

將數據轉化為知識后，可以利用算力能力構建全球性資產。然而，要實現數據流通，首先需要建立核心敏感資產的脈絡。構建這個脈絡的方式有很多種。以星環科技推出的一款數據安全管理平臺Defensor為例，企業可以利用Defensor完成數據分類和合規檢查的工作，實現自查自糾并向監管單位提供合規檢查報告。

同時，Defensor將大模型引入數據安全、合規和分類分級中，提供了一種輔助性的智能化手段。Defensor可以提供特定行業的預訓練模型，并將一些領域的知識庫作為知識匯裝進去。因此，企業在進行數據治理時不再是從零開始，而是直接基于預訓練模型進行數據安全和質量貫標。同時，通過與企業共建的方式，引入企業知識庫并沉淀為本地的模型或本地的知識庫。

在一個股份制銀行的實踐案例中，原本需要數月完成的任務現在可以在兩周內完成，并且準確度也很高。

第二階段：數據流通體系建設

在數據流通階段，主要采用的技術是隱私計算。星環科技擁有自己的隱私計算平臺，并協助各個數據交易所進行數據運營體系建設工作，包括數據安全合規和通過大數據平臺提供數據加工挖掘等能力。

在跨境數據管控領域，星環科技推出了一款數據流通一體機，解決了許多實際問題。以銀行客戶為例，銀行不僅需要核驗接口API，還需要探索性接口來進行預測性分析。星環希望數據提供方能夠將數據存儲在一個密態數據庫中，并放在一個隔離的沙箱中，然后將整個數據庫交付給銀行作為前置機使用。前置機接入到銀行側后，所有的探查和安全策略管控都由提供方來負責。換句話說，提供方以某種服務的方式提供了使用權。

例如，銀行想在風控系統上探索某一類型的數據，企業可以通過前置機提供一定的端口來開通服務，并實時開通白名單以獲取不同安全等級的數據數據。同時，每天的合規使用報告也可以實時獲取。這樣一來，即使在異構環境中，提供方和接收方也能夠保持相同的管理水平。星環科技在北京、廣西和江蘇等地已經成功落地了這種一體機方案。

第三階段：數據資產入表

資產入表的方式不僅限于存貨，還包括無形資產。關鍵在于對資產進行識別、持續盤點和價值評估。大致可以分為以下六個步驟：

前三個步驟主要涉及技術問題，主要難點在于需要用財務語言進行表述，包括資產的形成過程、資產的位置以及加工方式等。在明確了前三個段的定義之后，需要進行資產登記，然后再進行資產評估。目前，有專門從事資產評估的企業，主要采用成本法進行評估。

最后一點在技術端非常重要，一旦資產入表后，需要進行審計和持續的價值殘留評估。因此，它需要滿足財務審計上的隔離性、可審計性等相關要求，并且成本必須是可量化的。核心關鍵詞有三個：數據合規、成本可計量和能夠創造業務價值。