2023中国国际服务贸易交易会-2023中国金融科技论坛于9月2日在北京举行。蓝象智联首席算法科学家毛仁歆出席并演讲。

以下为演讲全文：

各位领导各位专家各位同仁下午好，我是蓝象智联的毛仁歆。今天我给各位分享的主题是蓝象在实践金融数据要素价值化和数据运营中的一些经验，给各位做一些有关这个方向的分享。

首先看一下宏观环境，数据要素市场这件事情在很长一段时间一直是大家所关注的一个宏大命题，这个时代的潮流一直推着我们往前走，近段时间也出台了数据入表的暂行办法。我们看到数据要素作为一个资产要素已经可以入表提升一个企业的综合竞争力，市场将会被进一步激活。我相信数据要素的市场会在很长一段时间内持续推进中国经济的增长。

蓝象智联就是诞生于这么一个大的宏观背景下，我们是一家做隐私计算和数据要素运营的服务商，结合隐私计算技术还有数据要素运营经验，我们在行业内尤其金融行业内做了非常多差异化的数据类产品和新型软件，去帮助我们今天的金融机构在数字化转型过程中落地非常多的应用，而这些应用也恰恰驱动了今天我们在金融行业真实的业务价值。我会在最后一个环节把几个相对典型的业务案例和各位做一下汇报和介绍。

在过去一段时间我们已经获得不少头部金融机构的认可，隐私计算这样一个新的技术，在金融行业使用在我们看来只是时间性的问题，目前金融行业内的客户会首选这样的技术来连接外部的数据，同时外部的数据包括政务数据源、监管数据源等等都在金融机构连接的范围内。

今天我要分享的主题是关于数据运营，首先，让我们简单定义一下这个词。当我们谈论一个数据资产或数据要素在金融行业业务中呈现其价值时，比如我们开发了一种新的风险控制方法，从而降低了风险水平，这就是业务价值。在数据要素和业务价值之间，通常需要经历很多环节和链路。

让我们以一个简单的例子来说明这个概念，这也是当前金融行业正在发生的事情。我们都知道当前的经济形势一直不太稳定，因此很多以前从事住房贷款的银行纷纷将业务转向自营，这导致市场上涌现出各种各样的营销类产品，有些需要使用征信数据进行决策，而有些则由市场化单位提供输出。然而，并不是每个场景都适用于相同的数据，如果我们盲目地启动一个数据流程，以确保数据的可用性，就会发现在这个链路上存在许多潜在风险。

我们需要考虑外部数据源的选择是否持续符合合规要求，同时也要关注银行推出的金融产品是否适用于这些数据源。例如，如果我们想针对信用卡客户开发产品，那么使用24%或36%的利率产品是合适的选择。此外，这些数据可能涉及信用类和征信类的信息，因此需要依赖可靠的征信机构来获取数据。

接下来，我将围绕这些要点来解释数据运营这一新模式在当前金融行业中的应用。刚才讲到数据要素是一个新的要素，可以把链路极大缩短，这样的链路拆解下来看包含三个大的环节：第一把内外部数据融合，并且引入外部数据链，并且资产化。第二把这份资产用产品化的方式用到金融内部来，第三把用出来的数据价值完全量化出来。

做一个简单的对比，在过去整个数据要素市场还没有打开的时候，我们看到一部分过去的金融机构在去采纳一些数据的时候，其实链路非常长，尤其是在用数的过程中，会涉及到大量的外部数据交互，有大量的交涉来回和大量的审核过程。同时一个数据在走流程时可能会发现有些数据不贴合，就变成数据盲盒的问题，也就是发现数据和实际业务不适合。最后数据价值也很难用业务价值的方法衡量，只能用采购回来的成本来计算。也就是说整个链路在以前，要真正把一个数据要素用到业务环节里面来，金融机构会经历很长的内部链路，少则3个月长则6个月，这个时间非常长，这样的时间周期让数据类的创新在数据要素大的背景下和金融行业信息化改造大背景下难以发挥，你会发现数据用起来非常难非常不顺滑。

在过去几年里，随着新型的数据要素市场配置改革，一些新的技术被引入，一些大胆尝试的金融机构已经开始启动新的数据链路。这三个环节将会在接下来详细讨论，首先，第一个环节需要利用新技术来连接外部数据供应链，这些数据包括市场化和政务类的数据资源。第二个环节涉及建立一个数据要素运营平台，以确保之前引入金融机构内部的数据链路具有标准化和高质量的产出。最后，在核心环节中，采用一套新型的ROI模式来衡量数据的价值，类似于烹饪过程中的三个步骤：购买原材料，制作菜品，然后告诉业务部门这道菜有多美味。

首先，让我们深入了解第一个环节，这涉及到隐私计算技术。在过去几年里，这项技术已经取得了长足的发展。我们注意到一些领先的金融机构已经将这项技术量化应用到实际业务中。这项技术不仅包括在金融机构内部的部署，更重要的是，它帮助金融机构连接到更多的数据源，并采用一套新型的可见但不可见的技术来确保内外部数据的连接。这为金融机构带来了一些在业务上的差异化应用，这些应用在过去可能由于涉及到复杂的数据链路而不敢尝试，但今天已经成功落地，我们期待更多的业务场景会发生并得到实施。

这些新技术连接的业务资源可以分为两种类型：市场化的数据和政务类的数据。到目前为止，市场化的数据源中，80%以上已经通过新技术进行了连接。这就像一次性将所有需要制作前厅菜品的原材料集中放在厨房中一样，为金融机构提供了巨大的便利。在与一些客户沟通中，我们发现在过去，与外部数据进行互动的过程可能需要处理法务、消保等繁琐的问题，包括发出电子邮件来确认使用何种ID，整个ID链路非常漫长。然而，现在这项技术使得数据互动变得非常简便，只需短短的3天就可以解决。这正是我们在数据管理部门看到的真正价值。同时，最近一段时间公共数据的开放也已经取得了不少进展，我们也期待政务类的数据能够通过这种新的方式与金融单位进行连接。这是第一个大模块，关于如何重塑新的数据要素，而新的技术在其中起到了至关重要的作用。

刚才讲到这个菜已经到厨房里，怎么做这个菜？制作这道菜的过程必须根据业务团队的口味来进行。如果采购回来的所有原材料都是3天、7天、15天的特征数据，那就不能用于信用评估，因为这些数据具有很强的波动性，只适用于营销类产品。我们注意到，在下层的数据供应链已经非常完善的情况下，通过蓝象智联的数据工厂和数据试衣间，可以快速制作出符合业务需求的产品，让业务团队迅速理解并体验到这个产品带来的价值。这个过程将外部标签和特征与场景需求结合起来，一次性在产品化工厂内完成上线，使业务团队能够快速理解和感受到这个产品的价值。蓝象把这种新模式称为“采、创、用、管、控一体”的金融数据要素运营平台。虽然由于时间有限，无法深入探讨每个功能模块，但这种新模式确实改变了在新兴行业中的数据应用方式。

同时，在内部嵌入了一部分大模型技术。这些技术在服务客户过程中应对一些相对通用的需求，以及处理小样本数据难以训练和学习的情况非常有用。我们看到越来越多的大型模型正在解决语言模型的问题，并且研究如何安全地与大模型互动。这一新技术结合运营平台已经在一些金融机构中推广，取得了显著的效果。

第三个环节是ROI的核算，也就是投资回报率。当我们评估数据的价值时，如果不从业务带来的ROI角度来看，你会发现数据永远只是一项成本。就像菜品已经做好，但在业务流程中，数据只是生产的一部分，资金和流量也是如此。如果没有一个量化的ROI体系，为什么要将有限的资源投入到数据采购中就很难理解了。因此，关注ROI的核算非常重要，它可以帮助我们更好地了解数据的实际价值，而不只是将其视为成本。

接下来快速用几个案例让各位有一个感知，讲三个案例。第一个是普惠金融的案例，蓝象在服务这家大行和银联的过程中，我们发现这家大行在线下的夫妻老婆店做普惠金融授信的时候看不到客户真实的情况，因为很多的数据不能直接去传输，我们必须采用新的技术把数据对齐，去构建模型，使用模型，并且通过征信单位做数据合规的链路输出。蓝象这个普惠金融的项目每周会服务商万的中小企业，每天放款上亿，这样新的方式也获得不少在行业内的认可，也希望看到更多普惠金融的单位能够因此而受益。

第二个案例是关于社会治理和合规监管的案例，我们在公安牵头下，和银行、运营商进行联防联控反电诈的事情，在本地已经服务5个头部的大行股份行，目前16家银行业正在接入中。这样联防联控的方式通过白手套识别模式，可以帮助行解决如何阻断资金链路在电诈过程中的问题。

最后一个案例是关于政务数据和金融数据联动的惠民案例。新市民金融今天在各个城市内正在发生，而各个城市新市民的流量、数据都在以一种非常开放的方式开放给金融单位去做创业租房、教育和医疗养老的金融服务，我们通过隐私计算技术，确保整个金融服务更顺畅。