从“数据隐私”到“建模融合”,银科合作这次有点“特”

从“数据隐私”到“建模融合”,银科合作这次有点“特”
2020年09月22日 14:28 中国电子银行网

近期,各家银行2020年中报相继出炉,特殊的年份、不寻常的经历,让大家对今年银行半年成绩单格外关注。

不约而同,“金融科技”、“云服务”、“大数据”等关键词,均频繁出现在各家银行半年报中,他们是银行秀肌肉的重要指标。银行数字化转型在银行业早已达成共识,现在真正需要思考的如何转型落实了。

但在落实之前,银行和互联网公司都需要处理彼此之间的一段“感情”。

犹记当年银行与互联网公司两句互怼的名言:“站在金融业门口的野蛮人、搅局者!”与“银行若不改变,我们就改变银行”。他们彼此之间根本看不上对方。

到现在,银行与互联网科技企业彼此“看对眼”,牵手、贴面、交朋友。他们在技术研发、营销获客、渠道整合等方面开展了大量合作,通过合作来完成自身数字化转型的“蜕变”,开放、合作在当下已然成为银行业发展的趋势。

他们应该不是忽然明白,原来对方如此优秀,而我也正吸引着对方。这一定是长期“打情骂俏”之后的故事。

从“互怼”到“联姻”,你看中我的哪一点?

那么,银行在选择科技企业进行合作时看重哪些因素?有什么特点呢?

从“互怼”到“联姻”,银行和互联网公司一定是因为某些共同的利益才结合在一起的,吵架和打架解决不了任何问题。于是,他们试着根据自身的“家庭条件”去寻找优秀的另一半作为自己的合作伙伴。

中国电子银行网对多家银行进行采访调研中发现:创新技术能力、风控能力、获客能力和对客户的服务能力是银行在选择科技企业时较为看重的因素;特别是对于部分中小银行来说,更希望通过与科技企业合作,在开展业务合作的同时也逐步建立自身的数字金融服务能力。

邢台银行互联网银行部总经理郑永在接受中国电子银行网采访时曾表示:银行通过与科技公司合作,哪些技术和方法能够延续下来,变成银行自身的能力,在这个方面下一步要怎么走,应该是很多银行比较重视的。

其次,在银行选择合作对象时,会根据自身需求选择与多家科技企业进行深度合作,更加注重彼此的适用性和实用性;同时,趋向与领域内头部企业进行合作,看重合作企业的综合实力。

例如,华夏银行在系统建设方面,选择与蚂蚁金服合作,将MPaas移动开发平台引入手机银行5.0建设;在产品应用方面,选择与京东合作,推出区块链福费廷业务和京东小白信用卡;在生态建设方面,选择与微信、支付宝、美团、京东、苏宁均开展了电商及支付场景合作等。

再次,多数银行表示,在合作过程中会保持开放、融合的心态,善用外力,借船出海,在充分自主和风险可控前提下,积极引进新技术、新模式和合作伙伴。

互补有无、多元共生

而对于科技公司而言,随着银行业金融科技能力的快速发展和银行系金融科技子公司的“异军突起”,他们在给银行提供的服务模式也在发生变化。

神策数据副总裁杨岚钦在接受中国电子银行网采访时表示,科技公司对银行的服务从过去单纯的“卖产品”转变为与银行“共创”的模式。

数字经济时代下,随着金融“新基建”的风口来临,对科技企业的要求也越来越高,不仅要懂数据、懂技术,更要懂数字经济下的商业模式和应用场景。

所谓的“共创”模式,是根据银行战略方向和需求,帮助银行去梳理数据、发现问题、探索解决方案,最终实现服务应用落地。在这个过程中,不仅是帮银行解决业务上的发展瓶颈,更重要的是为银行找到符合自身发展的转型路径和方向,为银行赋能。

随着银行系金融科技子公司纷纷落地,业内有些人认为会对科技公司服务中小银行产生一定的压力,而在杨岚钦看来,科技公司与银行系金融科技子公司不一定是竞争关系,今后可能更多的是合作关系。

在服务银行时,科技公司的优势在于对于银行的需求,能做到“千人千面、量体裁衣”,不断挖掘符合数字经济时代下的商业模式和应用场景的创新应用;而银行系金融科技子公司的优势在于理解银行业务,懂得银行转型中的痛难点。两者结合,才能更好的服务银行。

“联邦学习”——打破数据孤岛壁垒,跨界合作新技法

不可否认,金融科技发展的核心基础是数字技术,而数据隐私则一直是银行与科技企业合作的藩篱,正如联姻关系中如何长期友好相处又能各自保有隐私空间是门学问一样,银行与科技企业一直在探索如何在满足合法合规前提下释放大数据的生产力,同时还可以实现金融业务的创新。

联邦学习技术,恰好解决这一难题,在尊重彼此行业发展基因的同时有效保护数据隐私,即双方数据在不出库的条件下,通过建模来实现数据匹配和融合。

今年4月,江苏银行腾讯安全共同举行联邦学习线上发布会。双方宣布,将联合共建“智能化信用卡管理联合实验室”,围绕联邦学习开展合作。基于腾讯安全的联邦学习应用服务平台,腾讯生态的特征变量与江苏银行信用卡特征变量进行融合。

“联邦学习”的概念最早于2016 年由谷歌研究科学家H.Brendan McMahan 等提出。“联邦学习”是一个机器学习框架,能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下,进行数据使用和机器学习建模。联邦学习作为分布式的机器学习范式,可以有效解决数据孤岛问题,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,实现AI协作。

财经自媒体联盟

新浪首页 语音播报 相关新闻 返回顶部