关于数牍

越来越多的企业正在投身数字化转型。根据CIC灼识咨询(China Insights Consultancy)的观察，数据量大、业务需求更加贴近用户且技术能力强的行业，其智能化发展通常会处于更加成熟的阶段。尤其是在经历疫情后，更多的企业认识到数据智能的重要性。数字化应用案例贯穿企业从采购到生产再至销售的整个链条，用以辅助决策，降本增效。

数据智能是一个跨学科的研究领域。公开资料显示，数据智能结合大规模数据处理、数据挖掘、机器学习、人机交互、可视化等多种技术，可从数据中提炼、发掘、获取有揭示性和可操作性的信息，从而为人们在基于数据制定决策或执行任务时提供有效的智能支持。

近期CIC灼识咨询组织了「数智创新」赛道解读会，数牍科技作为数智创新企业受邀参加，数牍科技数据产品副总裁范翔在解读会上简析隐私计算技术及商业模式。

2016年发布的《隐私计算研究范畴及发展趋势》正式提出了“隐私计算”一词，并将隐私计算定义为：“面向隐私信息，全生命周期保护的计算理论和方法，是隐私信息的所有权、管理权和使用权分离时，隐私度量、隐私泄露代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。”

从原理上看，隐私计算是一个技术体系，而非单一的技术，是密码学应用、分布式计算、隐私工程的技术组合，包括多方安全计算、同态加密、可信执行环境、差分隐私等。

从隐私计算的应用角度出发，简言之，隐私计算可实现数据的“可用不可见”、“可用而可不拥”。通过隐私计算，各方数据可以参与到具体的使用场景中，但数据本身不被泄露，同时其使用价值得以发挥。

从隐私计算当前的商业模式看，范翔认为主要有以下三类：

首先是，基于隐私计算平台或隐私计算软硬一体机的销售。其次是，隐私计算平台通路模式，即通过隐私计算厂商搭建网络，其中包括数据的使用方和提供方。在数据网络整体的使用过程中，隐私计算服务厂商收取通路费用。最后是，数据应用分成模式，隐私计算天然地会跟数据源进行结合，在某一场景下，隐私计算厂商基于双方甚至是多元数据进行数据价值挖掘。

范翔解释称，在隐私计算平台通路模式下，隐私计算厂商负责帮助搭建数据协作通路，构筑底层设施而不参与具体的业务；在数据应用分成模式之下，则会更倾向于介入至数据应用的具体场景中，比如基于联邦学习构建模型以此完成数据对场景的支撑。

由于隐私计算具有需要拉通多个数据参与方的基础特性，因此会与多种行业频繁接触，也因而会对不同类型的企业参与数智浪潮的程度，产生更为深入的观察。

范翔看到的趋势是：大型企业自身的数字化进程很完备，但是从数据应用的角度看，仅仅基于自身数据去构建数字化场景的能力的局限性会愈发显著。因此需要更高频地同外部数据对接融合，强化自身数字化的建设能力；对于中小企业而言，目前大多数情况集中在销售端，在这一环节通过自身数据和外部数据的融合推动其数字化进程。

一直以来，数牍科技都以促进数据安全流通为自身愿景。通过提供全球领先的中立第三方隐私计算全栈技术服务，支撑企业间、政企间等数据协作，并在数据交易所以及公共数据开发利用等领域贡献力量，快速实现数据要素化、数据价值化以及数据业务化。

通过长期实践，数牍科技为构建更好的数据流通环境、支撑各行各业的数据流通发展而不断努力，并希望能为在数智化进程中的企业提供以下技术支持：

一、发掘数据价值。数据存在的形态是天然割裂的，需要通过安全、高效的方式，将存在于各方的数据加以整合，以此充分发掘数据价值。

二、保护数据所有权。此前在数据协作过程中，很容易出现数据的所有权在使用过程中发生转移的状况，有效保护数据所有权，则更加有利于数据的流通。

三、限定数据用法用量。即便在很多场景中数据的用法用量已经被限定，但在实际过程中很容易失控，造成数据被滥用。通过设定数据的计算规则和模型，可以保证数据持有方和使用方相应的权益。

四、辅助数据定价。经过大量的实践，数牍科技也可帮助企业形成数据定价模型，有效释放数据价值。