近日，在上海现代服务业联合会的指导下、上海市银行同业公会的支持下，朋湖网联合圆石金融研究院举办的陆家嘴产业金融论坛 2022 系列线上公益活动——数字经济下的「隐私计算应用产业发展论坛」隆重召开。

洞见科技数据智能部总经理纪凯受邀出席并以《隐私计算助力「全链路」金融客户经营 》为题进行精彩演讲。

以下为演讲实录：

隐私计算之下：传统数据应用的赋能增长

目前，大数据产业的迅猛发展，激发了数据要素流通的市场空间。但传统的数据流通方式已无法满足合规要求，实现数据的可信流通成为推进数据要素市场化配置的基础。

以「全链路」的金融客户经营为例，隐私计算技术存在诸多落地场景应用。首先，来看现状与趋势中的几组数字：

第一，当下数据要素价值流通已经进入 3.0 模式，即利用隐私计算技术助力数据要素价值安全释放。回溯过去，1.0 模式是以离线数据包为代表，2.0 模式是以数据 API 接口为代表，3.0 模式则是通过隐私计算技术来实现数据的安全流通、交易和应用。

第二，根据艾瑞咨询报告，2021 年中国隐私计算的市场规模大约为 4.9 亿元人民币，预计 2025 年将达到 145 亿元人民币。

第三，从当前实践趋势看，无论在金融、政务、运营商，还是医疗领域，隐私计算在商业化和实际落地应用中都有非常多的成功案例经验。

同时，大数据产业的迅猛发展也离不开政策的支持。从国务院《「十四五」数字经济发展规划》提出「建立数据要素市场体系」的重要发展目标 ，到今年《中共中央国务院关于加快建设全国统一大市场的意见》出台，要求加快培育数据要素市场，建立健全数据安全、权利保护、跨境传输管理、交易流通、开放共享、安全认证等基础制度和标准规范，深入开展数据资源调查，推动数据资源开发。可以看出在政策方面已颁布一系列支持数据要素安全流通的措施。

此外，在金融领域也出台了一系列数据要素、隐私计算相关的规划和标准。基于法律法规的不断完善、技术的不断成熟发展，隐私计算技术从此前的实验室、PoC 阶段已经进入到应用实践阶段。根据艾瑞咨询统计，30%的机构已开启隐私计算相关 PoC 工作，61.5%的机构将在 2022 年进行一些基于隐私计算的业务实践。

其次，分析传统数据应用的瓶颈。比如数据的 API 传输、离线安全环境建模、数据硬拷贝，无论在数据的安全性方面，还是数据的使用深度、应用成本和协同等方面都存在诸多问题。

在数据安全方面，无论是需求方把自己的「X」或自己的「X+Y」带到数据源方，还是进行离线的数据传输，其中均存在诸多数据暴露、经营信息暴露和业务策略暴露的风险。

在使用深度方面，因为存在多种基于自身数据的保护措施，以及存在数据颗粒度标准不统一的问题，现有数据的标准化和颗粒度可能无法满足整体建模业务的策略，包括场景使用的需求。

在数据成本方面，无论是基于 CPS 付费、效果付费还是某项业务提升转化的分润，在传统的数据使用中均存在「成本分歧」现象。因为传统的数据应用中调用查询计费、查得查询计费的方式，无法与降本增效的目标直接关联。但通过隐私计算技术，可以更加完善数据使用、信息保护、成本分歧的路径与商业模式的设计。

举例来说，无论是行里有 1000 万的客户要做风险监测，还是有几亿的持卡客户要做产品匹配，通过隐私计算技术可以按照有效求交的数据量或联邦学习后的模型来提升效果，进而将业务策略的调用机制、业务指标通过隐私计算去完成更加高效、安全的关联，使数据交易路径更加通畅。

在应用协同方面，多方数据可以在不出本地私域的前提下进行全局模型构建、「可用不可见」的隐私安全求交、可插拔的业务-数据链接，在数据安全流通的前提下，实现数据方、触达方和业务方的跨域连接。

举例来说，传统的数据需求方（如银行或保险公司），在利用多方数据进行融合建模、联合营销时，会涉及多个机构进行数据「传输」的情况，此时数据提供方（运营商、支付机构或征信公司）、业务运营方、触达方（媒体）等多方会产生数据融合的需求。基于隐私计算技术，可以完成多方快速对接，通过节点数据不出域的方式实现数据流通和价值融合。

综上所述，通过隐私计算技术可以打破数据壁垒，协同多方资源，实现数据价值的安全流通。

「全链路」客户经营：价值-业务如何联动

基于隐私计算技术的作用，洞见科技率先提出了「全链路」客户经营的概念。

价值链路是增长产生的价值，业务路径是价值的实现路径。

从增长维度来看，无论是获客、留存还是沉睡唤醒，目标均为客户的价值挖掘。在客户获取方面，是否找到目标客群，在获客成本飙升和渠道选择多元化的情况下，产品设计之初定位的目标客户与通过历史数据价值分析及结合同业经验融合去定位的目标客群是否一致？在客户经营方面，是通过原本的 DMP、ERP 数据去抽取客户的特征，还是结合了一方数据去链接媒体方和数据方的数据去做到三方的数据融合、升维，给客户一个更全面的画像和排序？在客户维系与留存方面，是走‍「定向寻找」还是「提升曝光」，客户价值的服务策略是不是能匹配？

从业务路径来看，存在三点核心因素：数据、业务、触达。从逻辑链分析，了解客户后将产生一个客户画像的数据支点，在进行投放时，需要根据客户画像匹配投放策略。以权益投放为例，比如某化妆品经营商邀请客户试用，需要清楚客户喜欢去参加线下活动，还是喜欢点击 APP 每日签到打卡获得签到礼？此时涉及投放触点的选择，去推送相应的卡券、活动以获得高响应率。在触达中，通过埋点分析，根据客户的点击、提交表单、浏览，更加深入地看到客户对哪些产品和营销方式感兴趣。基于此，除了传统产品矩阵、客户矩阵的一对一或多对一的选择，还可以提供客户更多「定制化」、「千人千面」的选择，核心逻辑即是通过隐私计算链接数据-行为-业务。

客户进入「经营池」之后，首先考虑的应是客户价值，业务策略和营销触达则是业务路径。通过隐私计算链接更多场景方的业务资源，打通数据围墙，让客户从「有需求」变成「想要满足某某需求」、「可引导的需求」；作为服务方，将从被动满足需求到挖掘需求、引导需求、匹配需求，客户在整个生命周期的价值链路会更加通畅。

实现客户价值与业务经营的「全链路」数据智能应用

通过实际客户案例呈现将更加清晰，比如在某银行信用卡中心要发布新的联名信用卡场景中，第一优先级是营销行内有授权的留资客户或其他业务活跃客户，此时会产生一个待营销客户数。客户数是基于行内的数据积累，其中哪些客户是可营销的，哪些客户是可触达的，需要有一种识别方式。

通常将客户划分为成头部、腰部和尾部。头部客户的定义比较明确，即「高价值+高响应」。对于头部客户，主要借助人工及定制化的手段进行产品匹配与触达，以期待核心资源可以提示客户贡献值；腰部客户通常占比绝大多数，也是营销资源投入最多的部分，需要设计产品-业务策略与多方式触达的联动机制；尾部客户的价值与贡献度相对偏低，基本不会定位在初始目标客户框架内。

当确认「高价值+高响应」客户时，可以采取更多的营销响应模型或策略去分析判断客户，通过模型的识别预测，优选最匹配的触达路径。

基于此，能够实现每个模型准确率、触达率和转化率的回溯。传统模式之下，后向的效果数据没有办法做合规、安全的「回传」，又因数据分散在不同的系统，导致诸多数据漏损。通过隐私计算技术能完成节点连接和数据融合，可以在整个链路中保障数据标准更统一、归集更完整，实现数据增值。

最后，简要介绍一下公司，洞见科技是由中国最大的信用产业集团「中诚信」孵化、网信事业国家队「中电科」投资，是国内专精型隐私计算技术的领先企业，致力于以隐私计算技术赋能数据价值的安全释放和数据智能的合规应用。

洞见科技秉承着「让数据价值安全释放」的使命，以独立自研的洞见数智联邦平台（InsightOne）为抓手，通过「左加数据、右加场景」的模式提供数据要素安全流通底座，构建多方数据资源跨域互联互通生态平台，促进数据价值、业务价值和客户增长价值的充分释放。