古北水镇估值已达85亿，京能集团17亿元转让20%股权
06-17
11月25日，T11暨Talking Data数据智能峰会在北京举行。
本届T11大会以“无限”为主题，邀请了来自全球数千名知名专家学者、数据科学家以及行业数字化转型领军企业参会，分享大数据技术发展与应用。
各个行业。
应用场景、解决方案和最佳实践，实现商业价值持续增长的同时促进社会效益同步增长。
微众银行AI部门副总经理郑文琛受邀出席并发表题为“《联邦学习在金融营销的实践》”的演讲，详细讲解了微众银行首个联邦广告和联邦推荐营销解决方案。
图：微众银行AI部 副总经理·郑文琛就金融营销中的“数据孤岛”与用户隐私困境发表演讲 在众多大数据应用行业中，高度数据化的金融领域面临的挑战尤为突出。
在本次T11大会上，微众银行AI部门副总经理郑文琛重点讨论了金融营销在利用人工智能技术创新服务过程中面临的两大问题——即“数据孤岛”和“隐私保护”。
金融产品（如银行APP、保险、理财等产品）通常需要收集多维度的用户偏好，才能最大程度地唤醒和服务用户，实现金融营销的首要目标——“促活跃” 。
但金融产品本身只有用户存款、取款、贷款、固定投资等单一金融业务数据。
同时，由于机构间数据分散、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打通，形成了“数据孤岛”，阻碍了金融产品获取更多维度的用户偏好。
对于金融营销的另一项任务——“吸引新客户”来说，由于金融产品转换环节长、转换数据敏感，隐私保护成为另一个难题。
当金融机构在第三方广告平台投放产品广告时，为了优化广告效果，金融机构需要将尽可能多的后端转化数据返回给广告平台。
一方面，在隐私保护法规的规定下，金融机构和第三方平台不能直接使用各维度的用户数据；另一方面，金融机构本身担心客户数据泄露，也不得不选择第三方平台进行数据归还。
非常谨慎。
这样一来，就很难“吸引新用户”了。
微众银行自主研发联合推荐和联合广告，解决金融营销中的数据问题。
为了解决上述金融营销中的“数据孤岛”和“隐私保护”两大问题，微众银行首次将“联邦学习”引入营销解决方案中。
计划。
“联邦学习”的概念由谷歌于2016年提出，旨在上传加密的模型参数，对模型进行全面训练和持续优化，同时保护用户隐私和数据安全。
同时可以保证参与者在保持独立性的同时可以进行模型参数的加密交换。
企业也可以通过这种合理合法的方式跨越数据鸿沟，解决“数据孤岛”问题。
“谷歌专注于个人用户移动设备上的联邦学习（C端），而微众银行则专注于企业机构之间的联邦学习（B端）。
”郑文琛表示，微众银行开发了工业级联邦学习开源框架——FATE（Federated AI Technology Enabler）。
联合推荐针对不同的推荐场景设计了加密数据模型。
基于FATE联邦学习的高效架构，将金融机构自有数据与丰富的第三方数据（如腾讯）相结合。
联合建模可以在保证用户隐私的同时，实现向用户高效推荐金融产品，实现用户“激活”。
郑文琛表示，基于联邦推荐技术，经验证推荐效果提升30%以上。
图：联邦推荐与传统推荐流程图 微众银行开发的联邦广告通过保证转化数据使用的合规性来提高广告的效果，并通过联邦广告技术实现“拉新用户”的任务。
所有者可以对点击转化数据进行混合、添加噪声和加密，以完成数据对齐。
在此基础上，转化预测模型可以进一步应用于广告领域。
郑文琛提到，联盟广告不仅保证了模型的安全性，还具有极简交互设计的特点。
，基于联邦广告技术，贷款产品广告效率可提升20%，广告主开发时间每人仅需1-3天。
图：联合广告流程图 “数据孤岛”与用户隐私，不仅仅存在于金融领域。
郑文琛表示，微众银行致力于通过科技提供帮助，成为流量与资本的连接者。
更多企业从数据中获取商业价值，增加社会效益，打破产业边界，连接未来。
雷锋网文章未经授权禁止转载。
详情请参阅转载说明。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-18
06-18
06-17
最新文章
3月，腾讯《王者荣耀》在全球App Store和Google Play吸引了2.57亿美元，同比增长63%
生鲜传奇宣布完成数亿元B+轮融资
裁员20%？红杉中国回应：胡说，员工总数不降反升
第二次影视创新“闯”短剧世界：看、留、跳都是钱
ASML：从飞利浦弃儿到光刻之王
宁康瑞珠获数千万元A轮融资 横琴金投、翰颐资本投资
智能金融服务生态平台科客完成A+轮融资
拼多多九鼎：信息披露无懈可击，竞争对手才是“浇水”的