其他
建信人寿：基于企业级隐私计算平台的一体化数据共享及应用
为更好地推动中国金融科技的发展，金融机构数智化转型的经验交流就显得非常重要，尤其是实践的应用案例。瞻新金融科技研究院、金融新观察推出2023年度中国数字化金融与科技创新应用优秀案例评选。通过寻找金融机构在数智化转型和科技创新应用的成功应用与优秀案例，探寻成功方法论，让成功的金融科技应用案例中的经验得以推广，进而推动中国金融机构数智化转型的进程、提升金融科技应用的水平。本次评选包括银行、保险、证券、基金、金融科技服务商等机构，涵盖了基础设施、平台、研发、安全与业务创新等众多领域，以期全面覆盖金融科技创新与应用的方方面面。本次共收到案例160多个，评选出60多个优秀案例。我们将会把这些优秀案例陆续发布，供大家学习，希望能够给金融科技创新带来帮助。本次发布案例为建信人寿。建信人寿与母行中国建设银行分属不同法人实体，双方既要保护各自客户隐私和数据安全，又要打破集团内数据孤岛，赋能业务发展。为了提升集团一体化风险防控和客户运营能力，建信人寿与建行上海大数据智慧中心合作，通过建设企业级隐私计算平台实现建信人寿与母行中国建设银行间的数据融合和业务应用，在各方数据均无需明文出域的前提下实现数据可用不可见、数据不动价值动，持续推进建设银行集团一体化重要战略，更好的发挥数据在人寿保险智能营销和智能运营等多个领域的作用。应用隐私计算技术，建设对私客户联邦计算节点，丰富自有客户特征，赋能人寿业务。部署数据共享安全计算平台用于隐私计算，通过行内专线搭建母子公司fate框架。建行与建信人寿双方分别对各自的计算节点进行管理，人寿客户数据和建行客户标签数据分别加密并上传至各自的计算节点。通过数据共享安全计算平台将双方的加密数据进行安全求交。打破数据孤岛，在各数据参与方不泄露本方客户数据和不违反国家数据保护法律法规的前提下，进行联合的机器学习模型训练，同时模型效果与将各方数据集中在一起建模保持一致，带动跨领域的企业级数据合作，催生联合建模的新业态和新模式。图1:隐私计算技术路线图图2:隐私计算平台系统架构图图3:建信人寿隐私计算应用示例经过企业级隐私计算系统的建设，取得了较好的效果，主要体现在以下几方面。1、丰富建信人寿客户信息，帮助捕捉潜在保险需求2023年初建信人寿首次运用企业级隐私计算平台，在数据不出域的前提下进行联邦计算以解决跨域数据建模的问题。保险属于低频交易金融服务，与客户日常行为低关联，因此寿险存量客户普遍存在特征稀疏、画像不丰满的特点，而银行提供的高频金融服务与客户日常生活紧密链接，因此银行客户画像较为丰满。为丰富建信人寿个险存量客户特征，解决人寿公司本部的个人财富顾问因不了解客户而难以找到营销共情点的问题。2023年4月起，建信人寿建信e保展业APP上线通过隐私计算建模并求交产生客户身份、经济价值、保障需求在内的三大类16个标签，标签名称包括“理财保险高潜力”、“优质活跃客户”、“潜在高端客户”等。图4:建信e保客户标签展示示意图建信人寿的个人财富顾问可以在建信e保实时查看自己名下客户的完整画像，提前分析客户潜在的保险需求并匹配合适的产品，为客户提供更适配的保险服务，增加拜访的针对性并捕捉商机。截止2023年9月10日，在建信人寿20家分公司进行隐私计算标签营销推广工作，共营销保单1929份，合计保费2675.7万元。2、基于多方数据构建客户画像，提升经营分析管理能力依托大数据平台和数据分析能力，通过隐私求交识别自营渠道和建行的共有客户，完善人寿自营业务客户分析。基于客户数据标签体系，从客户的身份地域、客户与建行关系、医疗行为、消费行为等方面形成建信人寿个险、团险等渠道客户画像分析报告，帮助业务营销人员更好地认识客户、理解客户、管理客户。图5:部分自营渠道客户画像报告示例2023年建信人寿数字办通过企业级隐私计算平台，以建行对新市民客户的定义为标准，完成了3次总行公司业务部对子公司的新市民客户数量统计工作。截止2023年9月末，建信人寿累计为381.6万新市民客户提供了人寿保险服务，较2022年末新增8.4万人。3、投产寿险精准营销模型，常态化与主题化营销模式并进建信人寿基于企业级隐私计算平台，上线6款“套餐”式大数据营销模型，助力业务营销精细化管理，覆盖了银保渠道的主要销售产品和业务场景，包括：资金规划常态营销模型、龙耀终身寿险常态营销模型、重大疾病保险模型、子女教育资金规划模型、个人养老模型、综合个人养老模型。这6款模型对营销专家的业务经验进行总结凝练，基于建信人寿、建行双侧客户数据加工客户标签及模型，通过母行营销系统形成客户商机，从产品端和需求端双侧触发精准击中目标客群。企业级隐私计算平台的一体化数据共享及应用旨在帮助解决建信人寿获客难、营销难的业务痛点，促进建信人寿与建行的技术和业务协同，建立以模型数据为基础、以大数据分析技术为依托、以业务为驱动的数字化营销模式。隐私计算在建信人寿24家分公司进行试点推广落地，应用上释放出业务价值，业务成效明显。建信人寿通过隐私计算技术建立共有客户预测模型，并将模型标签推送至建信e保供个人财富顾问识别客户需求，为客户提供更适配的保险服务，构建“客户标签设计-客户数据打标-精准营销模型研发-商机挖掘与应用-营销结果追踪与分析”的母子协同营销全流程闭环，建立数字化营销的标准打法。隐私计算技术在数据不出域的前提下进行联邦计算以解决跨域数据建模的问题。建信人寿首次借助多方安全计算、可信执行环境、隐私计算等技术，应用推广企业级隐私计算平台，解决企业数据协同计算过程中的数据安全和隐私保护问题，实现数据可用不可见，落地商业化应用，实际产生显著的营销成效。在原始数据不出域的情况下，把多方用户特征数据融合建立用户分层模型，对每类用户设计不同的精准营销方案，在控制成本的同时，提升转化率，降低打扰率，实现降本增效。通过整合已连接的数据资源，对用户行为进行分析，刻画具有寿险需求的客户画像，结合客户经济能力，对有意向的客户进行精准营销。本案例开拓了银行系保险公司隐私计算技术落地应用的先河，促进大数据技术赋能一线业务经营，对银行系同业保险公司有着较好的借鉴意义。解读金融科技与金融业务融合创新关于我们：金融科技与业务融合创新的信息服务平台，追求专业与新颖，多层次呈现金融科技创新、业务创新的动态和分析。依托专业研究团队和丰富的媒体信息库，与您分享内容客观翔实的金融创新信息，深度解读金融创新发展的现状与趋势。