工商银行以数据赋能为理念，探索客户服务质效提升

随着数据智能时代的到来，数据的重要性日益突出。各行各业对数据的依赖性不断加强。《“十四五”数字经济发展规划》提出“数据要素是数字经济深化发展的核心引擎，要建立数据要素市场体系，充分发挥数据要素作用，加快数据要素市场化流程”。金融业作为对数据高度敏感型行业，数据资产已成为金融机构的核心资产。在金融科技的推动下，金融业务的创新和发展越来越依赖于数据的收集、存储和分析。2022年人民银行印发《金融科技发展规划（2022-2025年）》提出“全面加强数据能力建设，在保障安全和隐私前提下推动数据有序共享和综合应用，充分激活数据要素潜能，有力提升金融服务质效”。

工商银行作为传统国有大行，总分行机构遍布全球，通过近年来的高速发展与数字化转型，已积累海量的金融数据，如何在保证数据安全及合规性的基础上，实现跨机构、跨行业的数据流通、融合，辅助银行更好地了解及挖掘客户的潜在金融需求，成为当下事关发展的新命题。为了更好地实现数据赋能，提升客户服务质效，工商银行尝试借助大数据、AI、隐私求交等新技术，开展了多种金融领域应用场景的新探索。 

目前，银行业的数据应用，主要存在两方面的问题，首先，我国的金融监管日趋规范、严格，对数据使用各环节的要求越来越多；其次，随着技术的快速提升，我们采集及存储的数据成指数级增长。由此引发了诸多数字金融领域的新问题，包括：

对于银行而言，数据是非常重要的资产，被广泛应用于风险管理、客户分析、市场预测等多个方面。然而，由于数据的复杂性和多样性，数据质量问题一直是备受困扰的难题。我国在数据治理方面还尚处于起步阶段，相关的法律法规还不完善，特别是在数据质量规范和提升方面仍存在较大的挑战。与此同时，缺乏统一的技术标准和数据标准，导致不同系统间的数据难以实现无缝对接和流通。

随着大数据、人工智能等技术的兴起，各类型数据应用层出不穷，全球金融数据安全形势正面临着前所未有的威胁和挑战。仅2024年上半年就已发生多起涉及记录数高达十亿条的数据泄露事件，且数据存储不当、数据泄露、违规交易等风险事件在全球范围内持续攀升，为用户的隐私及财产安全均造成了极大的威胁。

“数据孤岛”现象是指在组织或企业内部，由于多种原因导致不同部门、机构、业务系统之间无法实现数据的高效流通和共享，形成一个个独立的、封闭数据岛屿。由于金融行业对于数据隐私及安全的要求较高，因此普遍存在“数据孤岛”现象。主要表现为数据治理能力不足，企业在数据采集、存储和使用过程中，缺乏有效的数据共享机制及共享途径；其次是随着数据隐私保护需求的日益增长，传统隐私保护技术无法保护数据在计算过程中的隐私安全，从而难以保障数据要素持有者权益不受损害。 

由于金融机构在数据应用过程中面临上述困难，因此目前业内各大机构均开始探索使用大数据、AI、多方安全计算、联邦学习等新型技术解决数据赋能过程中的问题。

大数据技术在金融机构中的应用是多方面的，例如通过大数据分析客户消费习惯、投资偏好等，金融机构可以创建客户画像，实现重点客群营销，实现业务量的提升；通过对大量监管数据的处理，例如对反洗钱交易数据的识别，确保金融市场的稳定性和合规性等。大数据技术使银行业的服务更加精准、高效、智慧。

AI大模型技术的发展，为各行各业带来了翻天覆地的变化。在金融业大模型应用的领域也极为广泛，例如，使用AI大模型可以通过分析大量数据，帮助金融机构更精准地评估和管理市场风险、信用风险、操作风险等。通过大模型技术提供智能客服，通过自然语言处理等技术提升客户服务满意度。

数据的价值挖掘除依赖于数据的采集、存储外，数据的互联互通也是重要环节。隐私求交技术为数据融合应用提供了全新的路径，指在提供隐私保护的前提下，通过协作对多方的数据进行机器学习和数据安全计算分析，实现数据价值挖掘的技术体系，可以在不泄露原始数据的情况下，实现数据的计算和分析，达到数据“可用不可见”与“可控可计量”，该技术目前被广泛的应用于客群营销等业务领域。 

作为国内领先的国有商业银行，工商银行与众多行业均保持着紧密的业务联系，随着数字化转型的深入推进，传统银行业务的增长点已趋于饱和，因此，通过“金融”+“非金融”的结合实现传统经营模式的转型，才是下一个阶段发展的关键。运用前沿技术成果，探索数据融合的新模式，以激发更多潜在的高价值客户，工商银行在内外部数据打通融合方面尝试了包括外部流量营销、集团内部数据要素流通等创新的场景应用。

在外部流量营销场景方面，为了确保数据隐私安全的同时，实现多方数据交互和联邦建模，工商银行构建了基于人工智能的隐私求交客群营销平台（如图1所示）。该平台通过为总分行的业务营销人员提供标准的自动化营销活动发起、目标客户筛选、营销策略部署以及活动效果评估等功能，助力总分行业务机构与多个合作机构开展重点客群营销。

图1  基于AI隐私求交的重点客群营销流程

首先，在客户筛选阶段，基于AI的隐私求交重点客群营销平台辅助业务人员借助AI大模型，基于行内的客户画像，通过对客户交易行为、资金流向等因素的分析，结合当期的营销目标，筛选目标客群，并使用国密算法等可信加密算法，对圈定客群的数据样本进行加密处理。

其次，数据加密完成后，发起正式隐私求交。借助我行多方安全计算平台，实现与合作机构的数据交互与建模。使用特定的计算协议对加密后的数进行计算，实现数据的融合、预处理、特征工程及模型训练，最终得到经过有效性验证的隐私计算模型。

最后，在整合我行的运营平台基础上，通过工银手机银行、微信小程序、第三方合作支付机构支付台等多渠道广泛投放营销活动，并对客群营销活动的实施情况进行全面而多层级的实时可视化监控，确保活动成效即时反馈并指导营销策略的调整及优化。

基于隐私计算重点客群营销模式的应用，是工行在数据赋能领域的新探索，通过隐私求交技术，不仅筛选出符合银行业务营销目标的客群，也丰富了工商银行的客户画像。极大程度地降低了业务人员的使用门槛，节省了我行的运营资源，提升了运营效率，达到了客群营销的目的。

除此之外，工商银行还尝试在引入外部数据提升风险防控水平、同业间数据共享建模等多方面开展创新尝试。例如与地方政务数据管理局合作，通过多方安全计算平台，在“可用不可见”的前提下，对企业经营状况进行联合建模评分，推进政务数据在金融行业的良性流通，提升工行的金融风控管理水平；为开拓银行间数据共享生态新局面，在人民银行的指导下，搭建去中心化的数据共享平台，基于“可控可计量”的前提，在同业中建立各方权利对等、安全可靠、合作共赢的数据共享合作模式等。 

随着技术的不断进步与成熟，特别是大数据、人工智能、云计算等技术的创新融合，数据赋能将持续为银行业提供更精准的风险管理、更优质的客户服务和更高效的投资决策。这也将有助于银行业的数字化转型，进一步挖掘数据的价值，使客户服务的质量和效率达到新的高度。未来工商银行也将持续优化平台技术底座，在保障安全前提下促进数据要素的共享流通，释放更高的数据价值。

-END-

前期精彩原创推荐（点击图片进入阅读）：