本文为友盟+算法总监林巍在2018杭州·云栖大会·ATEC蚂蚁区块链生态峰会中的分享。
友盟+将行为数据结合人工智能技术，应用在金融行业的营销、贷前贷中贷后的风控与管理中，发挥很大的作用。
行为数据在普惠金融中的落地
2016年，互联网金融发展特别迅速，”普惠“的概念也被炒的非常火， 这一年约有75%的网民通过移动设备上网，我们可以想象到，移动互联网行为数据能帮助我们更全面地了解用户。
友盟+每天触达14亿活跃设备，能够覆盖80%移动端新增设备，拥有非常庞大的行为数据资源。基于此，我们通过机器学习建模，通过时间序列的变量计算输出一个分值，将模型用在贷前风控中，能够达到90%以上的借贷申请覆盖率，且效果(好坏用户分割的ks值)提升20%以上，大大降低了金融产品的违约率和金融机构的运营成本。
此后，我们还将服务逐渐扩展到金融的全链路流程，包括：贷前的营销获客、贷中的额度管理、贷后的催收排序等。在获客营销环节，我们分为两个部分：新客营销和存量客户二次营销。通过友盟+全域数据能力，结合算法模型预测用户是否有机构指定产品的需求，并通过数据结合人工智能算法进行排序，在客户有需求的时候提供贷款产品。
区块链安全计算连接数据孤岛
在行业中数据的融合可以发挥巨大的作用，但目前的数据源更多是一个个孤岛。例如：各大金融机构都有服务客户的黑名单和欺诈团伙记录，这个信息对于其他机构同样有用，但大家一般不愿意放到一个池子进行共享，因为有很多问题不可解。
而在区块链技术之上，一方面通过密码学技术，保证数据分析计算过程都是在加密的前提上进行;另外通过区块链技术，实现数据使用过程的可存证可追溯，帮助使用方和数据源提供方都精确知道数据使用的路径，以及发挥了哪些价值。数据源在安全隐私的前提下，彼此进行合作，并且价值是能够被精确量化的。
此前，友盟+与金融机构的数据合作主要有两种方式：私有建模和开放平台。两种方式最终输出一个预测分，通过特征深度加工仅输出预测结果的方式，保护数据源的隐私。
当下，友盟+正在与摩斯安全计算平台进行合作，不仅可以以安全的方式接触到原始特征，同时融合多个数据源的特征，对单个变量和多变量组合进行分析和建模。在分析和建模过程中，对原始变量特征和目标变量进行保护。在摩斯安全计算平台上，使用过程基于同态计算等密码学技术，从原理上保证了隐私和安全。每一个变量、每一个数据源的使用，通过区块链技术可存证可追溯，区块链技术在数据合作的场景上发挥了天然的优势。
基于以上，友盟+为金融客户提供了新的安全合作方式。此前我们的客户基于摩斯安全计算平台进行实验，融合原始特征，相对于之前的在模型结果后再融合特征，排序能力指标AUC提升了3%，这正是数据融合带来的效果增益。普惠金融的发展离不开数据，而数据需要在合规、数据安全隐私得到充分保障的前提下进行使用，友盟+与蚂蚁摩斯安全计算平台的合作，也正是基于安全计算和数据共享之上，发挥数据的强大作用助力普惠金融的发展。
