11月25日，T11 2019暨Talking Data数据智能峰会于北京举行。本届T11大会以“Unlimited”为主题，邀了全球范围内数千位著名专家学者、数据科学家以及行业数字化转型方面的领军企业联合与会，共享大数据在各行各业的技术发展、应用于场景、解决方案与最佳实践中，以期在构建商业价值持续增长的同时推展社会收益同步增长。

微众银行AI部门副总经理郑文琛应邀参加并公开发表为题《联邦自学在金融营销的实践中》的演说，编撰微众银行首创的联邦广告与联邦引荐营销解决方案。图：微众银行AI部门副总经理郑文琛公开发表演说金融营销中的“数据孤岛”与用户隐私困境在众多大数据应用于行业之中，高度数据简化的金融领域面临的挑战尤显引人注目。

在本次T11大会中，微众银行AI部门副总经理郑文琛重点阐释了金融营销在利用人工智能技术革新服务的过程中面对的两大难题——即“数据孤岛”与“隐私维护”。金融产品（如银行APP、保险、财经等产品）一般来说必须搜集多维度的用户偏爱，以此仅次于程度苏醒并服务用户，超过金融营销任务之一——“促活”。然而金融产品本身只有用户的存款、存款、贷款、定投等单一金融业务数据，同时由于机构间数据集中、法律政策等现实原因，金融机构与第三方机构之间的数据无法切断，即构成了一个个“数据孤岛”，造成金融产品无法提供更加多维度的用户偏爱。

对于金融营销另一个任务——“拉新”来说，由于金融产品的转化成链路宽、转化成数据脆弱，隐私维护沦为了另一道难题。当金融机构在第三方广告平台投入产品广告时，为了优化广告投放的效果，金融机构必须向广告平台传送尽量多的后端转化成数据。

一方面，在隐私维护条例的规定下，金融机构与第三方平台无法必要用于用户各维度数据；另一方面，金融机构本身对于客户数据泄漏的担忧，在数据传送第三方平台的自由选择上也十分的慎重。这样一来用户“拉新”之后难以实现。微众银行自研联邦引荐与联邦广告，解决问题金融营销中的数据难题为了解决问题上述金融营销中的“数据孤岛”与“隐私维护”两大难题，微众银行首次将“联邦自学”引进营销解决方案。“联邦自学（FederatedLearning）”的概念由Google在2016年明确提出，目的维护用户隐私和数据安全的前提下，上载加密的模型参数展开综合训练持续优化模型。

同时需要确保参与方在维持独立性的情况下，展开模型参数的加密互相交换，企业之间也可以以这种合理合法的方式横跨数据鸿沟，解决问题“数据孤岛”的问题。“Google侧重于个人用户（C末端）移动设备的联邦自学，微众银行则侧重于企业机构（B末端）之间的联邦自学。

”郑文琛回应，微众银行-研发出有一套工业级的联邦自学开源框架——FATE（FederatedAI TechnologyEnabler，https://www.fedai.org）。针对金融营销领域的用户“促活”、“拉新”任务所面对的挑战，微众银行将近一步深化联邦自学技术，分别明确提出联邦引荐、联邦广告的营销解决方案。联邦引荐针对有所不同的引荐场景设计加密数据模型，在FATE联邦自学高效架构的基础上，将金融机构本身的数据与非常丰富的第三方数据（如腾讯）展开联合建模，从而在确保用户隐私的同时构建对用户展开理财产品的高效引荐，构建用户“促活”。

郑文琛回应，在联邦引荐技术的基础上，引荐的效果经验证可提高超强30%。图：联邦引荐vs.传统引荐流程图微众银行研发的联邦广告则通过确保用于转化成数据的合规性，提高了广告投放的效果，构建用户“拉新”的任务。通过联邦广告技术，广告主可以将页面转化成数据混合加噪加密后已完成数据偏移，在此基础上创建转化成预估模型更进一步应用于广告投放。郑文琛提及，联邦广告在保证模型安全性的同时还不具备近于珍交互设计的特点，基于联邦广告技术，贷款产品的广告效率可以提高20%，而广告主的研发时间仅有必须1-3天/人。

图：联邦广告流程图“数据孤岛”与用户隐私，某种程度是金融领域中的挑战，堪称人工智能等新技术在落地社会场景、商业场景、生活场景中的联合议题之一。郑文琛回应，微众银行致力于通过获取技术，沦为一个流量与资本的相连者，协助更加多企业从数据中提供商业价值，提高社会收益，超越产业边界、相连未来。版权文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：平博pinnacle中国官方网站-www.symfcl.com