岑润哲：数据智能产品在金融机构数据管理和分析领域的应用和实践
导读
数势科技数据智能产品总经理岑润哲
发言内容（以下内容根据现场速记整理）
数势科技是行业领先的数据智能产品提供商，帮助头部城商行、券商、保险公司做数字化能力的升级。为什么我们希望把Data和AI能力结合？因为我们发现这让我们能够更好地服务金融机构。在我们看来的金融机构在过去十年过程里，在最右侧的数据平台层建得非常好，包括数仓的分层和主数据治理，但这些都叫数据的标准化，在数据标准化做好以后，怎么能使得企业内部更多的数据公民享受数据价值？比如说非技术人员，比如客户经理、理财顾问和分支行行长，如何能让这个群体更好地享受数据价值，这其实是很多技术团队的痛点。
案例一，我们帮某头部证券机构构建了标签指标统一管理平台，来盘活他们数据资产的场景和应用。因为当时他们面临的主要问题是金融机构大部分的指标标签的开发是强依赖IT人员，通过写脚本去做，这就意味着他们面临指标口径不统一，难以实时响应业务实时变化的痛点。我们的解决思路在它原有的湖仓一体的数仓之上，构建了标签指标统一管理平台的能力，这一层区别于数仓的点，数仓都是表，领导并不知道表里的字段是什么意思。当我们把整个内部员工的标签指标、客户指标、风险指标做了统一以后，它可以作为统一的数据服务去服务各个业务场景，比如客户服务体系的价值仓、门店业绩的督导，以及客群管理等。
这里面举几个例子，首先是对员工、客户和产品、内容多实体标签的管理。这里面很多银行和证券机构过去做过一些客户标签和员工标签，但是怎么把这些标签做有机结合，这是他们缺失的点，我们也给它做了体系化梳理和优化。第二点，怎么让金融机构内部的指标体系做统一。大家又有一些应用端，如BI工具、驾驶舱和财务分析等场景，之前企业没有能够实现指标的统一定义和多次复用的平台，我们的产品补齐这部分能力，通过指标语义确保应用端能查到的数据是一致和准确的。
在项目具体落地的过程中，我们帮他们梳理了整个指标体系和血缘，如AUM指标，AUM指标是按照客户维度去拆解还是按照产品维度去拆解、到底它的涨跌幅是什么，我们做了完整的指标树的构建，使得战略指标到战术指标能清晰拆解且呈现。我们帮他们梳理从KYC、KYE、KYP、KYB四个方面的1500+指标和标签，完成了整个客户服务体系驾驶舱，还有客群管理的建设。这就是整个数据价值化层面，给这个金融机构做了核心的应用场景。
第二个案例，是我们通过大模型智能分析助手赋能某头部城商行对话式分析能力。在这个场景下，我们不光需要将企业标签、指标管理好，还希望升级分支行领导用数习惯，打造新的数据分分析范式。在过去，分支行领导用数的习惯就是看驾驶舱的报表，领导经常临时问一个问题，比如这几个分支行的余额增速是否有排名，这种临时性的分析需求非常多。我们通过指标语义层和大模型辅助，使得总行领导和分支行领导通过自然语言的形式快速获取行里的核心指标，比如净收入、贷款和存款情况。我们做完以后，他们的数据查询效率翻了50倍，并且能满足行领导90%的分析诉求。
除此之外，我们的产品还包含自动生成数据报告功能，如此提升数据分析效率和可用性。比如现在数据特别多，企业数据部门根本看不过来，那么此产品可对明细数据做Summary，告诉企业团队哪个省份、哪个行业的逾期可能有问题，并生成分析报告，这是基于大模型的语义理解能力帮领导做总结报告，这样不是明天看明细数据，而是直接看结论，大幅提升管理层用数效率。
具体执行效果如下，首先我们把几千个指标，把哪个指标有问题先推给领导，而不是领导要想我要问什么问题。接下来领导通过自然语言或语音的形式问，每个月按分支行的客户类型的对公贷款余额怎么样，趋势是什么，为什么有问题，你给我写个结论报告。这种方式的话，我们在行里实施完以后，300多个分支行领导完全可以通过自然语言去获取到指标的应用情况和报告，这就是他们数据消费的新范式。
最后，我希望分享一下我们对于Data Agent在金融行业的展望。首先，AI Agent的功能应从“听”转向“说”。目前，AI工具主要响应业务提出的数据需求，但未来应主动引导领导思考，提出相关问题，促进更深入的对话和分析。这种转变将使AI Agent在决策过程中更加主动和有效。
其次，当前的通用大模型类似于本科生，具备基础规划能力；而未来，随着行业知识的积累，AI将达到研究生或博士生的水平，能够进行更专业的垂直领域规划。这意味着Data Agent将不仅限于生成结论，还能在更复杂的情境下提供深入的分析和建议。
最后，未来的Data Agent将实现从“结论”到“决策”的闭环。目前的功能主要集中在生成报告和指标，但随着技术进步，AI将能够连接风控和营销系统，实现自动化执行，提升决策效率和准确性。这将使Data Agent在金融行业中发挥更大的作用，推动智能化的决策过程。
这是我今天分享的主要议题，大家对产品案例及完整版PPT感兴趣，请大家扫码留言，谢谢各位！
