1. 金融
金融行业已成为隐私计算商业化落地最为成熟的场景，更是隐私计算服务厂商们的必争之地。一方面是因为金融行业拥有着个体金融数据，个体金融数据直接反映个人资产，近几年国家对于金融领域数据安全的监管也越来越严苛；另一方面，金融行业在很多业务场景上，需要建设更加开放的金融生态，融合大量外部数据实现数据的价值释放。
金融行业和隐私计算结合，主要集中在风控、营销两个领域，其中风控领域包括金融评分卡、黑名单过滤、反欺诈等场景，营销领域包括精准获客、产品差异化定价、个性化推荐、存量用户激活等场景。采用的解决方案涉及联合建模、联合分析、隐私计算求交、隐匿信息查询等。
1) 金融评分卡联合建模
• 业务场景：在银行授信场景中，银行依托自身信息无法全盘刻画对个体用户授信额度及授信后的风险控制，导致银行金融资产流失。银行希望与多方银行机构或征信平台进行数据合作，进行完整客户风险评估。
• 解决方案：借助瓴羊Dataphin隐私计算的ID安全匹配、联合建模及预测能力，做到银行和三方机构间数据不明文共享的前提下，实现多方联合风险评估，有效保护银行资产。
2) 银行精准营销
• 业务场景：在银行信用卡发卡场景，中国银保监会要求，长期睡眠信用卡数量占发卡数量的比例不得超过20%。银行依靠传统的全量投放方式，投放效果较差，投放成本难以控制。因此，银行需要和流量端合作，通过隐私计算进行精准人群的识别，进行相应拉新促活。
• 解决方案：借助瓴羊Dataphin隐私计算的ID安全匹配能力，做到银行和流量端平台数据不明文共享的前提下，通过营销人群圈选，实现精准投放。
