|
序言 新冠病毒病大流行是数字技术在我们生活中作用的一个分水岭。我们已经知道有多么依赖它们，数字技术在我们日常生活的方方面面都根深蒂固。很明显，我们的未来将越来越数字化。 数字经济和社会的核心是洞察力、智慧和数据的爆炸，数据是数字经济的命脉。虽然数据的指数级增长有可能为所有人带来更好的结果和新的价值，但企业、政府和消费者使用数据的方式也可能加剧排斥、权力和财富的不平等以及社会不稳定。对于企业来说，理解如何利用数据是成功的关键要素。企业面临的挑战是，在一个高度复杂、往往是情绪化和快速变化的环境中，如何平衡机遇和风险。 本文探讨了一些组织的可复制的学习和实践，这些组织引领了一种新的数据业务范式，使利益相关者受益，基于生态系统伙伴关系，并为所有人创造可持续价值。它为正在进行的项目提供了借鉴。当今企业利用数据的成功案例强调了以下几点: 1. 数据驱动价值创造的机会，可分为四个原型:新价值池、新商业模式、生态化体验和更好的决策； 2. 强大的技术正在为公司保护自己和他人的利益开辟新的可能性； 3.这两种趋势所推动的新范式，将涉众利益作为构建可持续和共享价值的核心。 一 数据业务的突破 企业对技术的使用在重新定义经济和社会方面起着至关重要的作用。数字化正在产生大量的数据，这为商业、人类福祉和环境提供了丰富的可能性。2020年4月，中国政府正式宣布:数据是一种“新的生产要素”，反映出它正在改变商业模式、行业界限和市场结构。 运用智慧，对企业、政府和个人或复杂的自然生态系统、产业价值链和材料进行更细粒度的数据驱动理解，可以为福祉开辟新的可能性。如果处理不当，数据和分析可能会被用来加剧不平等。前者带来的好处我们无法想象;后者带来的弊端，我们可以想象得太清楚了。然而，对于企业来说，如果说数据是一个巨大的价值驱动因素，那就忽略了等式的一半。许多公司觉得他们缺乏成熟或可操作的理解，它也是事关生死存亡的声誉风险或责任、监管约束和商业敏感性的来源。 此外，价值和责任通常被看作是天平的对立面。然而，由各个部门和地区的公司推动的商业模式和技术能力的新一波创新正在改变这种模式 二 新机遇 大大小小的企业都在创新以数据为驱动的方法，越来越受到市场对所有利益相关者(而不仅仅是股东)利益日益敏感的推动。下面的部分概述了四种通过数据洞察力创造价值的新方法，并给出了将利益相关者为中心付诸实践的案例。 1 新价值池 新的收入来源、产品和服务，以及为更广泛的利益相关者提供更丰富的见解，同时确保隐私和安全，这些都是企业通过数据洞察和技术实现的结果。他们正在交换和组合数据集，激发销售分析能力，并与客户、供应商和其他参与者进行新的配置，以创造价值产生的新市场。 空客的子公司拓展了传统客户之外的市场，使得从现有供应商处更容易找到、购买和使用地理空间产品。集中可扩展平台将卫星图像和地理空间数据、分析和机器学习算法的多个提供商聚集在一起，使对这些数据和这些功能的访问民主化。公司为整个供应链的利益相关者创造价值，客户使用数据和算法更快地解决客户的问题，而市场合作伙伴使用他们的数据和能力时，也能获得收益。 北美最大的在线杂货配送平台Instacart正在为包装消费品公司提供关于5500个城市购物模式的深入洞察。基于它与400多家零售商和3万家杂货店的合作，以及它的数百万的客户情报服务不仅提供基础数据，还提供关于产品销售和类别的匿名细节趋势、缺货信息和新老客户的购物渗透率。结果为合作伙伴带来新的价值，并为在线杂货购物者提供更好的客户体验。 莱特·帕卡德企业(HPE)和Continental公司创建了数据交换平台，作为一种服务，是移动数据的市场。它基于区块链技术和智能合约，为可信的车辆传感器数据共享和支付提供了安全、透明、去中心化的架构。它提供了数据主权，并为司机提供了授权管理系统。该平台帮助汽车制造商提供更精准的车载服务、更好的驾驶员辅助等出行服务，以减少交通拥堵，提高安全性，改善驾驶员体验。 对地理空间的了解比以往任何时候都更加重要。容易获得地理空间技术将有助于开发创新的解决方案，帮助解决我们在全球面临的一些问题。 Dirk Hoke, Airbus Defence and Space首席执行官 2 新商业模式 新的合作商业模式正在解决个人的核心需求并建立信任，同时创造新的商业机会。他们用外部数据扩充客户的数据集，为新的机会创造生态系统，并提供更广泛的产品和服务。它们嵌入了隐私、安全和代理。 Inrupt支持分布式数据所有权模型。这是一家将收集的个人数据片段存储在服务器上的公司，用户将其存储在可互操作的在线数据存储中，在如何共享和使用数据方面给了他们更大的选择。例如，他们可以与医疗保险公司分享健身数据，或者允许在恒温器和空调之间共享数据。他们可以设定分享的时间限制，并随时改变选择。企业和开发人员可以从个人生活的各个方面获取丰富的个人信息，解锁创新服务、商业机会、生态系统和应用程序。通过改变谁能从数据中获益的规则，Inrupt的技术为网络业务增长的下一个时代奠定了基础。 BBVA的数据驱动银行战略基于一个核心理念:客户拥有数据，应该能够安全地与任何他们想要实现愿望的人共享数据，即使BBVA无法提供这种服务。因此，BBVA开放了其应用程序接口(API)市场，与金融科技初创企业和其他利益相关者共享数据。这个开放的、动态的生态系统支持新的协作、商业模式、用例、增值产品和客户体验；另一个好处是，使用BBVA API市场的合作伙伴不必获得自己的银行牌照就能提供金融产品和服务。客户、合作伙伴和BBVA本身都从中受益。 药物发现机器学习账本编排(MELLODDY)是一个由包括强生(Johnson & Johnson)、阿斯利康(AstraZeneca)和葛兰素史克(GlaxoSmithKline)在内的10家制药公司组成的联盟，该联盟正在汇集数据来训练机器学习算法，并帮助开发新抗生素。区块链和去中心化联邦学习确保了可追溯性，同时允许数据保留在各个公司的服务器上，保护商业敏感信息和专有信息。作为制药行业第一个人工智能(AI)模型同时充当数据共享的推动者和接受者的合作案例，MELLODDY正在加快药物发现、开发和上市时间，同时降低成本。它开创了为企业和社会创造分布式和共享价值的商业伙伴关系的先例。 3 生态化体验 为了维持信任和参与，企业正在利用数据更好地理解生命周期和生态环境中的消费者、员工和其他利益相关者，提供个性化的产品、工具和服务以及无缝体验。企业也在掌控生态系统，与其他参与者合作或获得其他参与者，将他们的客户与其他服务提供商联系起来，并提供更丰富的体验。 平安公司为2亿零售客户和5.16亿互联网用户提供服务，已从一家重资产的金融机构转型为轻资产的科技公司，围绕健康、智慧城市、移动、金融和住房等核心需求提供个性化服务生态系统。以住房为例，平安已经创建了一个由多家提供商组成的生态系统，以满足客户的全面住房需求:寻找、出售或租赁住房，获得抵押贷款和保险，甚至为住房装修寻找折扣。平安通过这个平台获取数据，让数据更有价值。平安旗下的10家平台企业已经创造了超过100亿美元的新净收入。 Dassault Systèmes收购Medidata以加强其3DEXPERIENCE平台，该平台结合了数据智能和数字模拟，以增强研究、开发、生产和商业化的过程和体验。3DEXPERIENCE创建了产品、设施或人员的数字孪生系统，利益相关者可以可视化、共享和评估，将个性化医疗和以患者为中心的体验快速、安全地带给公众。该平台正在促进药物的重新利用和临床试验、关键医疗设备的供应、医院的快速设计和建设、远程工作能力和教育。 Digi.me,一个个人数据市场为超过50万用户提供了消费者数据所有权。用户收集个人、财务和健康数据，然后建立共享和出售数据。企业和开发者不是从消费者那里收集数据，而是要求他们同意分享数据以换取价值，比如产品、服务、便利或奖励。公司发现了一种以个人为中心的新数据模型，它确保了单一的数据来源，具有丰富性、随时间推移的健壮性、准确性和易用性。个人获得价值、机构、隐私和授权，所有这些都鼓励更多的数据共享。该平台已经启用了横跨健康和福利、金融和银行以及政府机构的用例。 我们必须确保“数据革命”是人类和地球的革命。我们需要认识到，用户是他们产生的数据的真正“所有者”，并允许他们跨部门和跨国界分享数据，以促进可持续发展、包容和平等。 Carlos Torres Vila, Chairman, BBVA 数字化转型的核心是对数据的信任。如果没有正确的数据，认真挖掘、管理、保护和应用，企业将失去现在最宝贵的资产——信任。 Paul Daugherty, Group Chief Executive, Technology; Chief Technology Officer, Accenture 4 更好的决策 基于分析的见解可以帮助公司在业务流程优化、供应链管理、上市战略等领域做出更好的决策。许多用例依赖于超越公司边界的合作伙伴关系和数据生态系统。 Area Technology正在利用大数据、机器学习(ML)和人工智能在供应链中开发认知自动化，提供对需求、供应、生产和库存绩效的实时可视化。通过类似谷歌的搜索界面，用户可以提出问题，并通过内置的分析得出情境化的见解和结果，增强了对指导和决策的信任。Area还推出了认知自动化云平台，允许客户和合作伙伴灵活、大规模地使用这项技术，并通过数字化机构的专业知识和经验实现变革。 Kabbage是一家金融技术和数据公司，它正在将小型企业获取营运资金的途径自动化。在与联合包裹服务(UPS)的合作中，客户可以提供访问他们的运输交易数据，以通知Kabbage对公司的财务评估，自动承保决定提供小型企业贷款。 Ocean Protocol是一个去中心化数据交换协议和网络，它使用区块链和去中心化联邦学习来解锁数据服务和市场。用户可以通过隐私、安全性、可审计性、透明度和合规性来查找、交换和货币化数据。数据所有者对他们的数据及其定价有自己的机构，而数据买家可以建立人工智能模型，训练从不离开平台的数据，允许数据卖家保留隐私和控制权。在新加坡，健康和医疗保健公司ConnectedLife和其他行业合作伙伴使用Ocean Protocol共享和分析敏感的医疗保健和智能家居数据，以改善慢性病患者的护理和独立生活。由此产生的见解也可以卖给家庭护理和保险公司，以改进产品设计。罗氏诊断正在使用该平台支持来自自我监测设备的医疗数据的安全、实时共享，以帮助卫生专业人员为血液稀释治疗的患者做出决策。 计算能力、带宽和存储的爆炸式增长，为利用数字化带来的海量数据，提高决策的质量、准确性和速度提供了前所未有的机会。当负责任地使用数据时，数据将释放出新的灵活性、实用性和社会价值。 Frederic Laluyaux, Aera Technology总裁兼首席执行官 三 新技术能力 在一个日益人工智能和数据驱动的世界里，从数据中实现价值将需要与公司之外的人合作，甚至是与竞争对手。例如，在制造业中，仅通过改善运营公司之间共享数据就可能释放出超过1000亿美元的价值。然而，数据共享并不容易。数据共享，甚至单个组织内部的数据活动，往往会受到商业、声誉和监管风险以及不成熟能力的阻碍。 为了满足自身以及合作伙伴、个人和社会的需求，企业必须回答有关数据的三个关键问题: ·如何使用数据来满足每个客户的需求，同时通过安全、隐私和代理建立信任? ·如何与他人合作，从多个数据集中获益，同时保护所有相关方的利益，包括合作伙伴和客户? ·业务和运营模式如何在满足大量不同的监管和政策需求的同时进行扩展? 各组织正越来越多地利用一套现有的和新兴的技术和非技术方法来解决这些问题，并为所有利益相关者创造价值。 1 技术的推动者 技术工具可以实现数据共享和使用，无论是通过API和平台，还是隐私增强技术(PETs)和下面描述的其他机制，这些机制正在成熟，可以在不暴露原始数据的情况下进行联合分析和见解共享。这在当前的监管环境中尤其相关，数据隐私法如《一般数据保护条例》和《加州消费者隐私法》已经生效，最近，Privacy Shield协议被撤销，这使得欧盟和美国的公司之间的数据共享更加困难。PETs和其他工具能够创造价值，同时保持敏感信息的机密性和可追溯性，帮助企业保持竞争优势，满足不同的监管要求。 这些创新，连同新的以人为中心的商业实践，不仅仅解决了商业挑战，还赋予利益相关者权力，并保护个人和机构隐私。新的数据管理模型(如数据交换、协作和信任)、个人数据存储和帐户聚合器只是其中的几个例子。一个新的角色也正在出现:专门的数据服务提供商或数据保管人，他们将数据的访问民主化，对数据的隐私负责，并将其作为一种服务提供给其他企业，然后这些企业可以利用数据来改善产品、服务和客户体验。 (1)可信执行环境(TEE) 可信执行环境是一种基于硬件的环境，以芯片级加密处理数据。当数据未被使用时，数据将被加密。在使用时，数据是受保护和隔离的，特别是当数据所有者不是在芯片上运行进程的唯一一方时，这在云中经常发生。 Points使用了一个基于TEE的机密计算框架，通过加密技术增强，使数据可用但对多方不可见。在不相互公开数据的情况下，数据所有者可以在计算任务和预测模型训练方面进行协作。金融服务公司正利用积分，让银行对其数据进行信用评分和营销模型的培训;作为回报，它们会收到交易后的数据。金融支付公司还利用Points与银行合作，指导财富管理等特定产品的营销，但不分享基础数据。 (2)分散学习 分散学习使用分布在多个位置的数据来训练一个共享的ML模型。处理数据时无需离开其原始位置;只有学习进入中心模型。这种技术可以保护隐私，并且在相关数据因商业或其他原因而不在同一时间同一地点时，可以进行训练。 HPE的群学习库是一种分散的人工智能解决方案，它使医院或医院网络能够在完全遵守隐私法的情况下，在世界各地安全地共享敏感的生物数据，以便训练可靠的ML模型，以快速可靠地检测严重疾病。每个节点以自己的数据训练ML模型，然后彼此共享结果参数(但不是数据本身)，以协作地训练中心模型。与其他许多联邦学习模型不同，它不需要中央数据服务器，因为数据的合并是由成员之间动态选举的领导者完成的。The Swarm Learning Library已经在帮助识别白血病和急性结核病患者。 (3)分布式洞察 与去中心化学习一样，分布式洞察生成访问和分析分布在多个位置的数据。它依赖于移动代码和共享从不同数据集提取见解的算法，而不是移动数据。 开放算法(OPAL)项目是一个开放和安全的平台，带有相应的算法，可以对合作公司防火墙后的服务器上的数据进行分析，以提取关键的见解，并为公共利益解锁私营部门的数据。它以一种保护隐私和可伸缩的方式向底层数据发送代码。在其他使用案例中，OPAL正在从电信运营商那里获得关键指标，如人口密度、贫困水平和移动模式，以支持发展项目。 (4)多方计算(MPC) MPC是一种加密协议，可以在不暴露或移动分布式数据的情况下进行联合计算。协作者可以在不透露任何敏感信息的情况下结合数据，获得对双方都有利的见解和结果。 Sedicii开发了一个使用MPC的反洗钱协作监控平台。它使由两家或多家银行组成的网络能够联合和保密地计算风险评估算法，该算法使用来自参与实体的信息，而不实际共享或暴露客户数据。因此，金融机构可以实时、安全地、私下的对交易各方进行预筛选常见欺诈的类型。 (5)差异隐私 差异隐私为数据或计算增加了“噪音”或随机性，隐藏了细节，保护了隐私权，同时仍然允许公司收集和推断一般性的统计信息。公司看到了足够的信息来定制产品和服务，或者训练ML算法，但用户的隐私得到了保护。这种方法使数据能够在多个企业和司法管辖区之间共享、分析和货币化，甚至满足最严格的隐私法规。随着新兴的行业活动，它正在成熟，适合进行认真的部署。 苹果、优步、Facebook和谷歌都在不同领域实施不同的隐私保护。例如，Facebook的“良好数据”项目利用不同的隐私技术汇总位置数据，并与学术界、政府和人道主义组织共享，以支持应对COVID-19和自然灾害的努力。谷歌在其报告中使用了差异隐私，将总体人口移动模式可视化，以分析社交距离的努力。谷歌还推出了一个开源差异隐私库，以帮助小企业、开发者和城市规划者。 (6)同态加密 同态加密对数据进行加密不是为了双方之间的通信，而是为了在编码时允许在数据上运行计算。这使得企业可以利用第三方计算资源，如基于云的人工智能、高性能计算或量子计算，而不必担心泄露敏感信息。第三方不仅可以安全地传输数据，还可以在加密状态下处理、充实或更改数据。这允许在不暴露底层数据的情况下共享计算能力和联合分析。 Duality Technologies公司与Dana-Farber Cancer Institute和哈佛医学院一起，使用同态加密来执行大规模的全基因组对超过25000个人的加密基因数据进行关联研究，产生结果的速度比其他隐私保护方法快30倍。通过消除共享和分析敏感基因组医学数据的障碍(这些数据受到严格的隐私保护)，该解决方案还可以支持其他复杂疾病的分析、个性化医疗的开发等。 (7)个人在线数据存储(Pods) Pods允许个人存储来自多个来源的个人数据，同时保留控制权。用户不是为不同的服务将隔离的数据集上传到隔离的公司，而是授予公司访问驻留在Pods中的丰富数据的权限。Pods是便携式的，用户可以选择在哪里存储数据，无论是在家里还是与外部供应商。 随着全球数据呈指数级增长和数据隐私监管的扩大，所有受监管行业对敏感数据信息共享和协作的需求都在迅速上升。隐私增强技术(PETs)正在成熟并变得至关重要，使新的商业模式成为可能，同时保持数据价值链符合异构隐私法律。 Rina Shainski, Duality Technologies董事长兼联合创始人 (8)数据分片 数据分片是一种数据库架构，它将数据分解，使其驻留在分布在不同数据库节点上的“分片”中。分片是自治的和唯一的，它们不共享数据或计算资源，但它们共同代表一个逻辑数据集。数据分片允许组织无缝地扩展他们的数据库，使其超出单个服务器的硬件限制，而不会给他们不断增长的应用程序增加复杂性，同时使协作者更容易地处理分布式数据。 MongoDB是一个现代的、通用的数据库平台，它使用数据分片为灵活的事务、操作和分析用例(电子商务、物联网和移动应用等)提供内置的扩展。它使企业能够构建支持地理上分散的应用程序的分布式数据库，并通过策略实现特定区域的数据驻留。 (9)数字孪生 数字孪生是过程、产品或服务的虚拟模型，全部或部分基于物理世界的数据。数字双胞胎的商业用途包括卓越的洞察力、增强的协作、更准确的预测和场景建模。例如，移动行业正在利用制造业价值链的数字双胞胎来优化生产和创造新产品。医疗保健公司正在创造人类心脏的数字双胞胎，以方便诊断和培训。新加坡正在使用一个虚拟的自己的复制品来进行智能城市规划。 MDClone和Jefferson Health合作，使用合成数据来实现协作性、全球性和实时的临床探索。MDClone的合成数据引擎使整个医疗保健生态系统中的数据民主化，基于从真实人群中提取的统计属性创建一组虚构的主题，但没有任何一对一的联系。这使得业务合作伙伴的生态系统能够访问大数据，以推动医疗保健创新，跨越研究、算法验证和新服务开发，而不影响患者的隐私和保密性。MDClone还参与了应对COVID-19大流行和为未来的卫生危机做准备的其他合作。 (10)可解释的健壮AI 每个行业的公司都越来越依赖人工智能进行决策，但一些人工智能系统显示出了对女性和有色人种以及其他人口统计数据的偏见。这可能会造成严重的伤害，包括人脸识别系统中带有种族偏见的人工智能造成的错误逮捕。透明、可解释和强大的人工智能可以减少这些风险，并培养社会信任。 Fiddler Labs创造了一个能够让决策因素可见的AI引擎，这样开发者、监管机构、企业和最终用户就可以更好地理解模型是如何工作的，并根据需要进行修正。许多组织，如Immuta、Truepic和更好的道德和消费者结果网络(BEACON)，也在解决更广泛的数据真实性问题。 在冠状病毒大流行之后，技术将继续加快我们获取和使用数据的能力。我们的工作是以一种值得信赖和负责任的方式，做出商业和运营模式的选择，将数据的价值传递给所有利益相关者。 Stephen Klasko, MD/MBA, Chief Executive Officer, Jefferson Health; President, Thomas Jefferson University; Fellow, World Economic Forum 我们正处于一个独特的时刻——新的能力使我们能够从数据中创造洞察力和价值，同时保护所有相关方的利益。现在，企业需要将思维和模式转向这一新的范式。 Francisco D’Souza, Co-Founder, Cognizant; Fellow,World Economic Forum 2 非技术推动者 技术本身是不够的，新的技术和数据标准和协议、开源、数据共享协议和合同正在涌现，以释放数据的更多价值。行业和政府正在共同努力，促进以人为中心的创新和更加分布式的互联网。下面是一些例子: -金融行业业务本体(FIBO)是金融行业跨存储库协调数据的业务概念模型和标准。它支持数据质量验证、业务流程自动化和灵活的风险分析。 -数字孪生联盟由非营利性行业协会对象管理集团(OMG)发起，其成员包括Ansys、Dell Technologies、Lendlease和Microsoft。该联盟是一个跨行业合作，旨在推动数字孪生产品和服务的命名、架构、安全性和互操作性的标准化。 -日本经济产业省(METI)发布了数据合同指南和安全手册，以帮助企业交换工业数据。日本经济产业省的目标是通过数据将机器、技术和人连接起来，推进“互联产业”，创造新的价值，解决社会问题。通过遵循METI的模板合同，企业可以相信它们将完全兼容并能够安全有效地交换数据。 - Linux基金会的机密计算联盟，包括英特尔，谷歌和微软，促进使用机密计算，开源数据和更好的数据安全。 -中国信息通信研究院和中国移动成立工作组，制定基于TEE的安全计算行业标准。参与者包括蚂蚁金服、华为、中国电信、百度和腾讯。 -新加坡政府的商业无国界组织(BSB)是一个面向中小企业的混合数据和解决方案中心(中小企业)。BSB帮助中小企业进入一个由买家、卖家和供应商组成的全球生态系统，通过人工智能帮助这些中小企业发现价格和销售机会，进入供应链，获取和使用数字和金融解决方案。 创造有弹性的经济。解决社会最严峻挑战的关键在于我们从数据中提取和分享知识和见解的能力。数字转型的下一个时代必须从我们的数据中推动新的发现，使所有人受益，使我们能够共同完成前所未有的成就。 Antonio Neri，惠普企业总裁兼首席执行官 四 新商业模式 对于世界各地大大小小的公司来说，他们的未来取决于有效利用数据。有效的数据使用意味着在企业中不仅要利用它来推动股东价值，还要基于新技术和非技术方法建立新的协作形式，为所有利益相关者创造价值 对于所有数据驱动的价值而言，信任是企业建立深入、可持续关系的基本要素。信任需要理解不同的利益相关者如何体验价值，以及这种体验如何随着时间的推移而演变，然后做出真实的承诺，按照利益相关者的条款交付价值。 1 协作伙伴生态系统 上文中的几个例子显示了一种从数据中生成价值的协作方法。例如，UP42或BBVA为其生态系统提供开放平台。MELLODDY汇集了10个竞争者。许多这样的合作是开放的、动态的，因此多个生态系统成员可以根据自己的独特地位和核心优势，确定自己的新机遇和市场需求。许多公司发现，合作伙伴、客户或供应商拥有相近的数据和见解，如果能结合生态系统和平台的关注，就能为所有人创造更丰富的价值主张。 如今，数据收集者从数据中得到的好处要比提供数据的人多得多。我们需要改变这一现状。商业模式创新和行业协作对于通过数据为企业、数据提供者和社会创造公平的价值至关重要。 Gisbert Rühl, Klöckner & Co.首席执行官 2 可持续的价值创造和系统变革 新的商业合作使公司能够针对客户需求和共享成功，同时让个人代理他们的数据，创造有利于值得信赖的企业和人们的积极结果的市场动态。 这些新机会和激励的结果是范式的转变;公司可以实现负责任的意图，同时开发有吸引力的、可持续的新收入流。由于这些新的合作和伙伴关系不受传统产业价值链的限制，这些跨部门的伙伴关系正在侵蚀传统的价值池，塑造未来的产业。 基于协作的生态系统、可靠的数据管理以及将商业成功与所有人更好的结果结合起来的新模式已经出现。 为了与利益相关者建立信任关系，企业需要了解合作伙伴的核心需求、政府的监管要求和公共安全责任，以及个人机构日益增加的隐私担忧和市场需求。还需要了解如何将这些不同利益相关者的利益转化为他们的业务和运营模式。新技术为企业提供了新的选择，可以在处理数据时对数据进行深度保护，可以“移动”算法或见解，而不是数据。 |
|
|
