从国内的现状来看，数据主要掌握在政府部门、数据运营商、企业三大“数据孤岛”中。
数据被独立地存储于各个“孤岛”中，使得数据的共享十分困难。
在“数据孤岛”内部，由于数据无法完全地在内部各个组织间流通，还会存在一些小的“数据孤岛”，也就是“岛中岛”现象。
这是比较典型的“数据孤岛”现象，还有一些看起来不太明显的“数据孤岛”，比如A公司的数据可能对B公司有用，但是A公司和B公司都不知道，它们自己都没有意识到“数据孤岛”问题，只是独立收集和独立存储着自己的业务数据。
数据一旦可以共享，就会对政府部门、数据运营商、企业产生巨大的商业价值。
（虚线表示无法流通，彼此独立）
项目案例一：金融服务的“数据孤岛”
金融服务是提高生活水平、促进生产和消费的重要途径，在社会经济发展中具有重大意义。
金融服务所产生的数据包括用户的实名信息、担保信息、借贷信息、还款和催收信息等，这些数据对金控集团公司的业务管理是非常有价值的。
例如，借款后失联可认为是欺诈行为；连续在多头借款，可认为是资金链断裂、拆东墙补西墙的多头借贷行为等。
存在这些行为的用户具有比较高的风险，金融机构找出这类用户后阻断放款，可以减少坏账造成的损失，从而降低经营成本，为优质用户提供更优惠的贷款，吸引更多用户实现规模扩张，在为用户提供便利的同时，促进经济健康发展。
然而，对于用户来说，这些数据属于隐私信息，数据泄露将给用户造成巨大的损失。
这使得大量金融机构的数据只能保存于公司内部，形成金融服务数据的一个个“孤岛”。
项目案例二：消费行为的“数据孤岛”
经过20多年的发展，在网上购买商品已成为很多人的生活习惯。
电商平台提供了各式各样的商品，以及质量保障服务、便捷的送货到家等各种服务。
小到各种零食、牙签，大到家用电器都可以在电商平台买到，甚至还能买到房产。
2020年，电商平台更成了人们生活中必不可少的一部分，不仅让人们得到了更多的实惠，还降低了交叉感染的风险。
电商平台经常会做促销活动以便吸引新客，然而这催生了一批“黑灰产业”用户。
他们利用虚假身份和规则漏洞套取非法利益，造成了电商平台的损失。
在套取非法利益的同时，这些用户也在电商平台留下了消费行为数据，可作为“黑灰产业”用户的识别依据，据此可以帮助其他互联网服务防止这些用户带来更多损失。
然而，消费行为数据也是用户的隐私，只能在电商平台的公司内部保存和使用，这便形成了消费行为的“数据孤岛”。
从这两个项目案例中，可以看出，“数据孤岛”其实存在于生产消费的方方面面，所产生的数据仅在“孤岛”内部发挥了作用。
若各个机构间进行合作，联合利用各方数据，则可以更充分地挖掘数据中蕴含的价值。
（1）在项目案例一中
金融机构详细地记录了用户的实名信息、担保信息、借贷信息、还款和催收信息等。
我们可以通过各家金融机构所记录的用户信息联合建模，辨别高风险用户，以加强对不良用户的放贷管控，使得信用良好的用户可以享受到更好的服务，形成正向循环。
（2）在案例二中
用户在各家电商平台上留下了消费记录，我们可以整合电商平台和其他互联网服务的用户数据，对利用虚假身份套取非法利益的“黑灰产业”用户进行辨别，以减少其他电商平台和互联网服务被非法套利的损失。
面对数据互联共享的诸多难题，联邦计算无疑是一把利器。
它可以建立起事前发现和事后干预的风险识别模型，帮助我们破除“数据孤岛”问题的负面影响，并针对金融领域、互联网领域高发的职业信贷欺诈、网络刷单、非法套利等违规行为对症下药，从根本上解决“数据孤岛”问题。
对于用户而言，“数据孤岛”的破解可以使个体得到全方位的金融数据评估，有效资产配置和规划不再受限；
对于企业而言，完整、全面的数据结合大数据分析和人工智能等先进的技术可以帮助企业挖掘出新的商机与数据价值；
对于社会而言，数据数量和质量的提高提升了机器学习、人工智能项目的效果上限，社会更加智能化。
通过联邦计算技术，对“数据孤岛”的破除，可以帮助用户、企业、社会达到多方共赢的局面。
