管理提升应用场景

大型金融控股公司中，各金融企业的用户信息常常是分散的。这些用户信息可能存在重叠部分，也就是说不同金融企业之间拥有共同的客户。对不同企业间用户信息进行脱敏合规的统计，有助于挖掘更多的管理价值。例如，统计并分析用户在集团的总资产信息，能够帮助集团联合银行、保险、证券等业务设计整体营销方案的同时，为用户提供个性化推荐服务，不仅降低了集团的运营成本还提升了用户体验，实现集团和用户间的双赢。

对于跨机构数据统计问题，在传统的方案中，金融控股公司通常会建立一个大型的数据中心，各金融企业将数据上传至数据中心，最终由数据中心对汇总后的数据进行统计。但是随着社会对用户隐私问题的重视程度逐渐提升，同时由于金融行业的特殊性，各级立法和监管机构出台多项法律法规和监管规定，加强对个人金融数据隐私的保护力度，传统的跨机构统计方法已无法满足对个人金融数据隐私保护的监管要求。基于隐私计算技术可以在保证数据传输的安全性和可靠性的同时，管理和审计涉及多方交互的数据，在合法合规的前提下实现跨机构数据统计。

智能风控应用场景

智能风控主要是指结合大数据和智能化技术对金融领域的贷前、贷中、贷后业务流程进行风险管控。由于平台的多元化，用户的借贷方式和消费模式也呈现了多样性。因此，风控模型的构建需要涵盖多个平台的数据。

例如在贷前的反欺诈场景，金融企业可结合电商消费、互联网支付、金融业务属性，以及历史行为轨迹等数据，进行多维度信息综合判断，精准地寻找潜在欺诈客户。此外，还可以通过征信信息、社保信息、纳税情况等获取用户的信用分等资产指标信息，辅助金融企业进行贷前精准判断。在贷中交易阶段，相关机构可以先通过结合不同平台用户的个人基本信息、职业信息、收入信息等联合建模得到高性能的风险定价模型。然后放贷机构根据智能信用评分、风控定价模型，以及申请贷款者的交易行为和设备使用行为等各方面关键信息进行交叉侦测，自动化识别和评估风险，提前发现风险，防范和控制欺诈交易等贷中风险威胁。贷后是信贷管理的最终环节，也是促进信贷业务健康发展的必要因素。通过数据共享进行贷后管理，对借贷人的行动轨迹和消费情况等信息进行实时的监控。另外，还可以通过多平台信息交互，根据预警规则和贷后行为评分卡解析借款人偏好倾向，有效维护优质客户和管理高风险客户，实现贷后管理差异化，减少成本消耗，提高资源配置效率。

数据共享在智能风控的应用主要体现在保障数据隐私安全的前提下利用各机构和平台的数据进行联合构建风控模型，提升模型性能，有效降由于数据缺失和偏差导致的风险事件发生概率，同时扩展业务覆盖人群、完善业务流程、促进风控管理差异化和信贷业务精细化。以某银行个人消费贷款申请评分模型为例，该产品的特点是全线上、无抵押，主要用于满足客户购车、旅游、留学等多方面的用款需求。在风控审批中，该银行可用的数据有客户在行内留存的个人信息以及查询客户的信用分数据，但如果客户为银行新户时，则没有足够的行内数据可以参考，亦或客户属于征信白户，此类客户很难对其信用水平进行准确评估。针对这类情况，可以引入外部公司数据通过隐私计算技术进行建模，利用运营商通话标签数据为客户增信，提升模型的预测能力。