孕妇效应，当关注隐私计算赛道后，发觉到处都是隐私计算的影子，没关注的朋友应该还是很陌生的，无意和一些朋友聊到，看着他们一脸的迷茫，我也挺释然的。趁着假期，来谈谈在2022年，我对隐私计算的一些所见吧。片面，主观。
一：隐私计算背景
背景概念在各种普及的文章上都有详细介绍。我就简单一带而过。隐私计算是个在保护数据隐私安全的情况实现数据计算分析的一个技术合集，涵盖了机器学习，密码学等技术。解决的问题其实很简单，数据在流通过程中的隐私保护，原始数据不出库的情况下，实现数据价值的转移。数据作为生产要素，流通才能创造价值。如何能在保证安全的情况下很好的让数据流通，是个痛点。资本方在大数据的大链条里，发现在流通环节缺失了一项技术可以填补，碰巧时机，数安法，个保法的出台，带火了隐私计算这个赛道，资本方纷纷入局，虽然他们可能也没太看清晰，特别在商业模式上如何变现，但从行业天花板看，够高，这个赛道的创业公司创始团队上看，够华丽，海归，博士，名校学霸扎堆。那么肯定是值得提前布局。仅2021年，隐私计算赛道不完全统计总融资金额超过50亿。
二：市面上隐私计算公司分类
目前隐私计算公司分三大类：
1、大厂，腾讯、蚂蚁、京东等等每家都有，但他们目前还没真正进入抢占B市场阶段。
2、原区块链，大数据，风控等公司，在原有业务基础上延伸进入隐私计算赛道。他们的优势在于有相对成熟的公司运营体系，有养活公司的另一条腿，有一些场景。
3、纯创业公司，这些公司从技术成熟度上相对有优势，但缺乏公司体系化治理和内部管理能力。
不完全统计，截止2021年，市面上涉及隐私计算的厂商有260多家。
三：隐私计算厂商当前目标客户群体及我所预测的客群
目前隐私计算厂商的明确客户群体：金融偏银行，政府相关，医疗。医疗相对专业，做的厂商不多，他们2022年开始应该也会进入金融及政府领域。绝大数厂商还是围绕着银行及一些政府项目。
从客户的属性可以看出，这类型客户周期很长，常年围绕他们的供应商很多，甲方中的甲方。但从过往看，后续收益不小，属于兵家必争之地。特殊点一个在于隐私计算属于新兴行业和技术，虽有指引，但多数甲方都在验证和研究阶段，既然是这个阶段，预算不高，小几十万的预算项目，多家厂家去争。特殊点第二，这个行业可以选择多家，不像一些核心系统只可能选一家，隐私计算这个行业一个特殊性在于，可以多家进入，因在验证阶段，甲方并不排斥任何一家，这个就很有意思了，有意思点在于厂商的持续服务能力。类似传统制造企业在选择零配件时，为了规避风险，一个配件选择不同的厂商来配比采购。然后对供应商做ABC分类，每家厂商通过关系，质量，价格，服务来争夺更多的配额。
在验证期，被大规模商用的可能性不大，大部分项目都是用作课题研究或技术储备，看看牵头部门的KPI就知道了。暂时不会大规模商用还有一个原因是这些客户的特性：求稳。既然大规模商用进度暂缓，厂商想象中的商业模式验证和收益进度也会同样放缓。这样就造成了，这个时期厂商大量投入，收获却很少。
那么除了上述三个行业外，未来哪些行业或者客户是隐私计算厂商的机会呢？
1、产业端客户，偏集团型企业。比如工业互联网相关行业，汽车行业，新消费等等。他们数字化水平高，一直在摸索业务数字化，后面的阶段他们会寻找数字业务化。因为集团公司板块及公司多，数字化后，整个集团内会形成数据孤岛，怎么能很好的把集团内部数据盘活，促进业务发展是集团数字化部门的工作重点之一。打通完，他们也会有和外部数据源合作的需求，以及数据对外输出的业务。那么隐私计算对他们来说就是一个基础工具。企业级采购的特点，花钱要产生价值，有价值一定会付钱。且内部使用会选择唯一。从软件变现的角度看是个好的选择，当他们建设完节点，对外数据采购和对外数据输出又可以满足隐私计算的商业模式。
2、2B2C，隐私计算行业都在提数安法和个保法，个保法对个人而言是信息保护，对企业而言就会是风险，如何可以规避企业有意无意的触犯个人信息保护法，隐私计算在其中可以当担什么样的角色，怎么可以把这个思路转变成商机。猜想一下：未来隐私计算技术可能会做的更轻量级，嵌入各种应用中，来帮助企业收集个人信息时保护个人信息。类似Google的联邦学习在Android端的应用，Apple在iphone手机收集信息采用的本地化差分隐私技术。应用场景如：可以和市面上hr厂商生态合作，在人事信息管理模块收集员工信息中起到个人信息保护作用，以及其他各个场景的应用。这样隐私计算厂商可以通过服务企业来服务个人。这类服务除了增加数据的治理，分级分类外，可以和法律相关组织合作，结合轻量级的隐私计算技术应用一起给企业提供服务c端用户的应用。即保护个人的隐私安全，又规避企业的法律风险。
3、在销售模式上，目前的隐私计算厂商除了面对运营商采用了类似生态合作模式外，大多还是采用KA方式，甚至和运营商合作模式也是因为KA模式误打误撞演化而来的。但类似这种生态模式，多数是藏在后面，被当作一个无名的外包伙伴，具体这种模式的商业模式收益还未得到验证（真实的收益）。主要原因是暂时面对的群体确实必须使用这种偏KA的销售模式。但从投入产出比和规模效应上看，可能采用生态合作模式更适合些，比如多和数据源方的合作，和场景业务系统提供商合作，特别和一些saas厂商做一些产品融合，谈好合作共同受益模式，给他们提供产品基础能力去服务好直接的客户，从目前的市场看，隐私计算厂商变现能力没有这些成熟的生态厂商强。KA模式跟进的客户主要用在灯塔用户和有长期战略合作用户及可能会产生更多创新业务合作的客户身上。两种模式要明确并行，并在考核上给予支持。考核决定方向。
四：隐私计算厂商的困境
1、短期内没有合同，没有收入，没有数字，没有增长。具体的原因，隐私计算厂商应该清楚，但又不太愿意面对。厂商太多，有意识愿意出钱的客户太少，已经很低的几十万预算的项目，内卷到几万来抢。
2、没有大规模的商业化应用，商业模式0-1没有跑通，带来收入的模式仅停留在BP环节。
3、初创公司，缺失文化，内部管理问题凸显。由于资本的推动，人员的扩张，各个不同背景的人员快速加入，彼此融合，信任存在一定问题。会有一定时期，因为人员快速扩张，各种高管空降，导致混乱的局面，这会持续很长时间。
4、没有成熟的经验可以借鉴，创业团队多数是技术出身，对企业服务认知需要时间。在一个技术密集的行业，技术优势已不再是优势。在产品技术没有标准的行业，产品的优势也不是主要优势。优势在于谁的服务最优，但技术出身的创业团队在骨子里的认知改变需要时间或者需要遇到惨痛教训才有可能改变。在顺风顺水的热门赛道光环下和资本的加持下，很多不好的东西都被遮掩了。
5、部分隐私计算厂商缺失清晰的分析策略和习惯，并让整个公司信息统一，目标统一。如分析收入不高的具体原因是什么，是市场认知导致的，获客环节出了问题，销售打单能力不行，售前解决方案打动不了客户，产品功能客户不满意，交付能力不足，不懂场景，还是说服不了数据源方。找到发现问题的能力和解决问题的能力一样重要。这可能也是初创公司存在的一些通病吧。
6、面对资本的进入，人员的扩展，成本的增加，业务的没有起来，需要下一轮融资的素材，可能会出现“大跃进”势头。
五：隐私计算厂商组织结构及部门分析思考
1、销售体系：隐私计算行业对销售挑战很大。
a、市场很新，还处在教育市场，布道阶段，没有太多成功案例借鉴。产品技术抽象难懂。场景很少，因为是新技术，客户特别喜欢去问技术细节，前期参与沟通的客户几乎都是相关技术人员，业务出面的很少。技术主导的项目会偏研究和技术探索，赋能给业务，但业务是否会采用带来直接的价值，中间又多了一层，导致决策过程会比较曲折。
b、缺少培训，大部份厂商不知道如何培训销售，是培训产品，价值还是培训销售技巧，甚至连标准产品，公司介绍都不会培训。在内部缺失培训，指引，外部市场不成熟的情况下，成单靠运气和自身资源关系成分占了主要因素。这种成长方式和打单方式无法复制。
c、目前的市场处在0-1探索阶段，大部分销售擅长做的是1-100扩张阶段，在探索阶段还未完成的情况下，靠堆销售做高速扩张，成功率不高。
怎么建设销售体系和培训？
建设
a、从招人的时候要明确画像，不是简单的复制一下JD。此时的行业需要两类销售：资源型和复杂解决方案型。企业不同阶段对同一岗位的能力诉求是不一样的。此时的隐私计算厂商应该更多寻找资源型销售，就想象拿钱去买项目，现在是树立灯塔阶段，对资源的诉求比人重要。第二类解决方案型是为将来规模化战争做储备。对企业服务和解决方案销售有深刻理解的人类似拥有一个好的运作项目的模型，需要进入这个行业，尽量让他们多的参与项目，增加正负样本来更新此模型，最终可以输出一个适合运作隐私计算行业项目的模型。比如：客户的画像，面对客户的技术该用什么资源协助沟通，面对业务该如何沟通，面对数据源方如何沟通，话术，统一传递价值等等。
b、组织是按行业划分还是按区域划分，看各公司的战略布局，个人感觉目前按区域划分会比较好，行业划分相对适合成熟的产品和市场，未来主战场可能会扩展更多，现在就用行业来稍显局限。区域划分，有本地化优势，且各地的商业环境，沟通文化差异很大，目前的目标客户多为需要本地化的服务体系，因地制宜效果更好。
c、大sales占比不能超过团队人数20%，占比高，团队容易失控。这个懂销售的都清楚，就不赘述了。
d、不能盲目参照外部sop，要根据行业，公司实际情况来制定，考核要偏可以组织化，标准化。不患寡而患不均。比如在0-1探索阶段按销售年薪制来考核，1-100扩张阶段按业绩提成考核。
e、以目前各家厂商的历史数据和2022年预计，合同金额能在2000-5000万的应该不多。有凝聚力的核心销售团队人数不超过10个即可。
销售培训：销售是个很专业的岗位，看似入门低，但想做好有着很高的要求，特别是解决方案销售。在不少公司，销售还是被误认为只负责联系客户及搞关系。
大部分企业服务公司销售培训会分专业知识的培训和销售技能培训，目的的让销售了解公司的产品，熟悉目标客户，销售的打法及价值的统一输出。销售是公司面对客户的第一个窗口，是客户对公司产生第一印象的关键，关于销售技能培训就不阐述了，简单说说专业知识该如何培训学习。
1、根据销售的不同背景对技术及行业知识有不一样的了解。暂定是对行业及技术一无所知。先让销售大体了解隐私计算的行业背景，这个赛道的整体情况，市场上主要一些厂商的情况。了解隐私计算主要解决什么问题。引导销售去了解下机器学习和密码学的概念，因为涉及太多模型及算法协议，很难理解，只要知道整体概念，有个初步认识即可。大部分培训隐私计算是默认你懂机器学习，人工智能，密码学的前提下，这里是个误区。
2、了解一下案例情况，场景情况，之前采购数据使用的场景大类分营销和风控。具体到一些实际落地或者poc效果还不错的案例，主要带来了哪些价值。这里也有个误区，我们所谓的价值和客户认可的价值是不是同一个价值。对客户（数据需求方）业务来说的价值往往是数据源带来的，如果不了解的情况下，销售会误认为是隐私计算技术所带来的。
3、了解整个项目从接触到交付的全部过程。基于隐私计算行业及目前的客户群体和市场环境，poc的比重过大，因为各公司没有真正交付过项目，交付体系是不够完备，前期了解整个过程的必要性比其他行业要重要，不然后续会在团队配合中遇到不少阻力。
4、因隐私计算公司新公司居多，组织结构不完善，部门会按照业务或需求来设置。前期存在部门边界不明，在培训基础文化，人力，财务的时候，需要培训各部门的职能。
售前体系：
隐私计算的售前部门，或叫解决方案部门，技术支持部门。这个部门难度也非常高，因为面对的市场和客户还不成熟，见的客户可能是不同部门，如技术部门，会扣技术细节，算法，模型等，如沟通的是业务部门，会被考究客户所处的行业及场景，涉及到的挑战。客户这个阶段需求往往希望厂商带着数据源来或者带着场景来，那就不单单是技术提供商，也不单单的解决方案提供商，更像一个大集成商的身份。如此，解决方案部门的人员是什么背景就不好验证了，一般售前顾问不一定是技术出身，技术出身的售前还得对数据，算法等了解。
那么选售前的人员这里也有个误区，和选销售时差不多，对候选人的画像是不确定的动态，因为早期的售前支持都是技术开发，模型算法人员直接支持的，所以到一定阶段后，隐私计算厂商希望找懂行业的，所谓了解行业know-how的顾问，希望这个售前顾问比客户更懂客户所在的行业，能快速找到客户所在行业的场景里的痛点和需求。
看似这么有道理的做法为什么会说这里有可能是误区呢？首先，售前顾问这个岗位也是有体系化的，专业技能和专业知识同样重要，不是懂行业，懂技术的就可以胜任售前顾问的角色，可以帮忙做售前支持的不一定是个称职的售前顾问。其次，行业售前会比客户更懂行业吗？更多的可能会是懂行业的语言，可以快速了解行业的一些知识。最后，如果招行业顾问，每发展一个行业，就需要招若干行业顾问，在发展中公司如此成本是否可以在业务发展的承担之内是公司需要考虑的。
目前什么样的售前相对比较适合现阶段的市场呢？个人观点，最好是个组合支持，技术架构师配合专业售前，如果可以懂某一个特定行业更好，如果不懂特定行业，但有底层通用的专业技能很重要，有一套技能理论和经验做支撑。
交付体系：
这个体系非常重要，但在目前隐私计算行业公司不显著，因为还没有太多真正交付项目，所以问题没有暴露出来。这个体系需要专业的项目经理，有一些实施方法论做支撑，把其他行业交付经验带进来，结合自身行业特点，形成一套适合的实施方法论体系。目前隐私计算行业面对的客户，规模都很大，与客户打交道的职业性体现整体公司的专业性。另外，从商务模式上，这些客户未来可能会长期合作，企业服务的核心竞争力是服务，交付服务更是重中之重。交付体系需要配备交付技术开发人员。客户体量大，以现在标准产品的成熟度肯定没办法满足客户需求，项目中一定会涉及开发，新需求，和其他内部系统的接口等，如果交付团队没有自己的开发资源，在响应客户的时效上会出问题，造成客户满意度下降，影响未来的合作和业内的口碑。
服务体系或客户成功体系在初期的隐私计算厂商中还没有完善的组织情况下，大部分的公司估计也是由交付部门来兼顾。加上poc阶段，相当于部分的售前阶段也是由交付团队参与。综上，交付体系在整个公司是最重要的部门，它贯穿售前，售中和售后，且还需要把市场上客户的需求传递给产品技术部，在初创体系不完整的隐私计算公司里，属于中台枢纽部门。因为重要，此部门的leader的综合能力一定要强，一定要有大局观，最好是创始团队的人来直接负责。否则，会造成整个公司像是一个信息孤岛，有大脑和四肢，缺乏躯干。
六、隐私计算厂商未来预测
1、隐私计算未来会作为数据流通的基础技术设施应用，会融入到各个场景中去。但未来是否会有独立的纯隐私计算厂商存在可能是个未知数。
2、2022年，还会不断有新玩家入局，但今年开始应该有一些厂商会逐渐消失。
3、未来独立的隐私计算厂商最好的结局之一会不会是被收购。
4、现在的独立隐私计算厂商未来会布局叠加应用，不断拓展隐私计算单一产品外的抓手给客户提供服务。增加场景业务属性。
5、2c的隐私计算应用产品会出现在个别隐私计算厂商产品中。
6、可以得到客户信赖的厂商不一定是技术最好的，但一定是服务最好的。
7、2022年隐私计算厂商的收入依旧不会高。
8、除了大厂和半路转型的隐私计算厂商外，第三类纯创业的隐私计算厂商，大部分融资阶段在pre-A和A轮，今年应该还可以再融到一轮，但顺利融资到C轮的，不是太容易。所以在看似繁荣的背后，感觉创始人们应该是有着一丝担忧的。
最后，隐私计算厂商目前应该认真的研发产品，踏实的服务客户，加强内部管理，打造思想统一的有战斗力的团队用于应对未来多变的市场环境，千万不要大跃进，只有活下去才有赢的希望。
假期比较忙，分了三天写完，但几乎都是一气呵成，因为身边缺少隐私计算的朋友经常在一起探讨，有些看法和想法多为一个人的思考，可能比较片面，如果以后有机会再完善，以上算是一段经历的学习总结吧。