二、隐私计算对其他产业的影响
对于那些产生大量数据,而又迫切需要数据交换与融合应用的领域,包括金融、医疗及政务等领域,隐私计算技术对其数字化将带来深入影响。
(一)对金融行业的影响
在金融领域,目前隐私计算主要应用于风控和营销两个方面。
在金融机构的风险控制当中,除了中国人民银行征信的信用信息及其他征信机构的信用信息,其他来自各行各业以及互联网的信息也是重要的数据来源,但面临数据安全及个人信息保护方面的监管。而隐私计算的引入可以在符合法律规定、不泄露各方原始数据的前提下,扩大数据来源,包括利用金融体系外部的互联网数据,实现多方数据共享,联合建模,从而有效识别信用等级,降低多头信贷、欺诈等风险,也有助于信贷及保险等金融产品的精准定价。同样,内外部多方数据的共享融合也有助于提高金融机构的反洗钱甄别能力。
同时,隐私计算的切入扩大了数据采集渠道,这能够帮助金融机构实现精准营销,从而更好地满足客户需求、提升服务水平,并扩大产品的销售渠道。
除风控和营销场景之外,在其他场景隐私计算也可能带来改变,比如支付场景。在传统的支付过程中,支付的服务方和中间参与者都可以获取交易双方的身份和交易金额等信息,存在严重的信息泄露风险。近年来,曾发生支付平台员工窃取并倒卖大量账户信息而被捕的案件。而通过隐私计算技术,可以将交易双方的敏感信息隐匿。这种隐匿支付技术应用在供应链金融领域,能够防止信息泄露带来价值损失的同时,还保护了各方隐私,有利于解决供应链金融中的信息孤岛和互通困难等问题。在跨境支付领域,隐匿支付能够提高用户对支付行为的信任,有利于降低跨境支付成本,提升支付效率。
(二)对医疗行业的影响
目前隐私计算的商业落地较多集中在金融行业,而医疗是非常有潜力的一个领域。医疗领域聚集了大量的诊疗数据,而这些数据具有很强的隐私性,是各方实现数据共享的一大障碍。
隐私计算能够解决医疗数据共享问题。未来在疾病治疗、药物研究、医疗保险和医疗保健营销等多个领域,隐私计算都能助推医疗信息化建设,带来巨大变革。
在疾病治疗领域,隐私计算能够为许多疾病的治疗带来新的突破。例如对于罕见病和癌症的研究,一家或者几家医院的病例样本很少,利用隐私计算技术,可以连接不同样本中心的数据源,找到足够多的病例开展多中心样本研究,提高分析效果,帮助临床早期诊断和治疗。
在药物研究领域,隐私计算技术能够通过大数据帮助降低新药研发成本,通过真实世界证据研究帮助更好地了解药物适用性。例如,通过基于隐私计算的多中心研究可以触达更多的样本,从而可以更好地支持比较效果研究(comparative effectiveness research),帮助提高药物与手术的协同性,减少并发症的出现等。在进行一些手术或者药物治疗后,病人在临床上可能出现致命并发症,这要求更好的临床诊疗路径的规划,医院、药厂都需要对借助患者的临床数据进行大范围的研究。利用隐私计算技术,能够帮助药厂在全国范围内收集数据,对数据进行对比分析,进而提高药物效果。
在医疗保险领域,隐私计算在保险营销、预核保、保险产品设计、健康管理等方面都可以带来改变。
在保险营销领域,隐私计算能够帮助保险公司降低营销成本,提高效率。隐私计算厂商通过搭建连接外部数据源,帮助保险公司进行保险信息的匹配,在销售人员、产品与目标客户之间建立更精准的匹配模型,实现更精准的用户触达。
在预核保领域,隐私计算能够帮助保险公司在核保阶段审核用户信息,提前排除不在保险范围内的客户,提高营销效率。预核保,指的是保险人在对投保的标的信息全面掌握、核实的基础上,对可保风险进行评判与分类,进而决定是否承保、以什么样的条件承保的过程。保险代理公司如果花了大量的成本去对客户进行营销推广,最后却发现这个客户患有相关疾病,不在保险产品提供服务的范围内,这对双方来说都是巨大的浪费。应用隐私计算技术,保险代理公司可以提前进行预核保工作,在对客户进行深度营销之前,在用户授权的前提下,能够提前排除不在保险范围内的客户,提前规避风险。而在此前,一般缺乏关于客户的更多维度的数据,这一点无法做到。
在保险产品的设计领域,隐私计算平台通过与更多医疗数据源的连接,可以支持保险公司运用更多维的数据来进行保险产品的风控和定价,从而推动更多更好的保险产品出现。
在健康管理领域,保险公司为客户承保之后,为了降低理赔风险,有动力为客户提供后续的增值服务,以降低客户的患病风险,从而实现保险公司的收益最大化。在这其中,要为客户提供健康管理的增值服务,就涉及通过对客户各类数据的精准跟踪,来预判客户的健康风险、采取有效的干预措施。
在医疗保健营销领域,隐私计算能够帮助企业实现精准营销。一些与医疗保健相关的企业在推销产品时,往往需要用户的健康信息,而这些数据信息是由第三方数据源严格保密的,利用隐私计算技术,能够为二者搭建数据桥梁,为双方提供相关接口,在加密状态下完成用户与产品之间的匹配计算,为企业提供精准的用户画像,实现精准营销。
(三)对政务领域的影响
2015年8月,国务院印发《促进大数据发展行动纲要》,明确提出“推动政府数据开放共享”。
2020年12月30日,中央全面深化改革委员会第十七次会议审议通过《关于建立健全政务数据共享协调机制加快推进数据有序共享的意见》,强调要全面构建政务数据共享安全制度体系、管理体系、技术防护体系,打破部门信息壁垒,推动数据共享对接更加精准顺畅。
而在实务中,各政府机构的信息管理系统建立在部门内部,相互之间缺少横向联通,同时出于数据安全及隐私保护,对于数据分享相对谨慎,政务数据的共享及融合应用与数字经济发展的需求之间仍存在距离。
隐私计算在政务领域的应用,主要是用在政府的政务数据共享平台和政务数据开放平台。
政务数据共享,是指行政机关使用其他行政机关的政府数据,或者为其他行政机关提供政府数据的行为。政务数据开放,是指行政机关面向公民、法人和其他组织提供政府数据的行为。
近年来,政务数据的开放共享已是大势所趋,中国各地省市纷纷出台公共数据资源开放共享相关政策。复旦大学数字与移动治理实验室联合国家信息中心数字中国研究院发布的《2021年度中国地方政府数据开放报告》显示,近10年间,中国地级及以上政府数据开放平台数量持续增长。截至2021年10月,中国已有193个省级和城市地方政府上线了数据开放平台。其中省级平台20个(含省和自治区,不包括直辖市和港澳台),城市平台173个(含直辖市、副省级与地级行政区)。与2020年下半年相比,平台总数增长超3成。
隐私计算技术能够帮助政府部门打通横向和纵向的数据沟通桥梁,联通各个部门的数据如司法、社保、公积金、税务、交通等,促进不同部门相互协同,并将政务数据对外赋能,实现数据的价值转换。
(四)对营销领域的影响
智能营销是企业数字化转型过程中面临的需求最大的场景。隐私计算能够帮助解决传统营销所面临的人力成本高、营销策略效率低下等问题,隐私计算厂商通过提供隐私计算平台,连接多方用户信息,从最初的企业选址、客户分析到业务后期的预测等全流程帮助企业实现智慧精准营销。
根据零壹智库的调研,隐私计算对智能营销的改变,可能是对企业数字化这个领域的改变的开端。未来,在企业数字化领域,隐私计算可能创造更多的价值。