数据智能赋能金融数字化白皮书2023.pptx

目录

一、数据智能发展情况概述1

（一）数据智能概念1

（二）国外数据智能发展形势3

（三）国内数据智能发展形势4

（四）五位一体数据智能顶层设计6

1.战略规划——谋6

2.组织架构——体7

3.制度建设——规8

4.标准规范——尺10

5.团队建设——群12

二、数据智能技术演进趋势12

（一）强化基础支撑，推进数据互联共享13

1.湖仓一体，夯实企业级数据底座13

2.实时数仓，高效应对实时场景15

3.数据编织，推动智能化数据管理16

4.隐私计算，赋能金融数据安全19

（二）打磨AI利器，推动金融智能化升级21

1.知识图谱，深化关联数据分析21

2.可信AI，提升模型可靠与可解释性22

3.大小模型协同，推进端云全方位协同进化24

4.大模型，聚焦NLP任务统一和多模态模型支持25

5.自适应AI，强化主动学习进化能力27

6.人工智能生成内容（AIGC），推动数字化内容创造...28

（三）深入BI应用，持续释放数据价值30

1.极速引擎，支撑海量数据秒级分析30

2.SaaSBI，提供云原生BI能力32

（四）研发运营一体化，加速数据智能应用落地34

1.DataOps，敏捷响应业务需求34

2.MLOps，快速交付AI应用服务36

II

三、数据智能助力银行业智能化升级38

（一）数据智能企业级平台能力建设39

1.数据湖仓平台39

2.实时流计算平台40

3.AI平台42

4.BI平台45

5.隐私计算平台47

6.知识图谱平台49

（二）银行业数据智能典型应用案例51

1.智能营销51

2.智能决策60

3.智能运营65

4.智能风控72

5.智能监管75

四、金融数据智能面临的挑战与展望77

（一）面临的挑战77

1.数据安全问题77

2.伦理道德问题77

3.数据共享与流通78

4.算法可靠性及可解释性78

（二）展望与建议78

1.大模型助推高质量建模78

2.多模态整合数据统筹能力79

3.创造性AI释放数据潜力79

4.技术融合推动协同创新79

5.安全管理构筑防护体系80

6.政策标准引领数据治理80

五、结语80

III

一、数据智能发展情况概述

数据智能的概念范畴超越于人工智能，是涵盖算法、算力及

应用的一整套体系。金融机构践行数据智能需完善自上而下的顶层设计，从数据获取、数据处理、数据使用的整个生命周期，充分运用金融机构海量数据优势，借助金融科技，极大化释放数据要素生产力，驱动金融机构智能化升级。

（一）数据智能概念

数据智能的历史可追溯到上世纪五十年代人工智能及大数

据技术的兴起。目前业界对数据智能涵盖的技术及范围的定义和理解各不相同，但普遍认为数据智能与AI及大数据等技术密不可分。数据智能的典型特征是以海量大数据为基础，通过AI、大数据等技术手段，对数据进行采集、处理、分析和预测，充分捕捉数据特征及联系，挖掘潜在数据信息和模式，充分全面释放数据价值，服务于场景化业务应用。

本文尝试从金融业应用的角度出发，从以下几个维度去阐述

数据智能内涵和应用体系，如图1所示。

数据要素：数字经济意味着高度的数据化，金融机构作为数

据密集型行业，在业务经营过程中积累了海量数据，数据要素成为金融业高质量发展的重要内驱。

生产力：金融科技为打磨数据要素提供了利器，成为推动金

融业数字化转型的重要生产力。通过人工智能技术发掘数据价值，通过大数据技术沉淀数据底座，通过创新释放数据活力，提

1

图1金融业数据智能架构

升资源配置效率。

生产关系：作为面向商业应用的解决方案，商业智能

（BusinessIntelligence，BI）帮助企业梳理生产关系，系统化地整合及分析数据，助力于金融业务智能决策。

上层应用：数据智能技术可有效作用于金融业市场营销、运

营管理、风险控制、监管合规等各环节，推动业务智能化、自动化，拓展金融服务领域。

组织保障：为充分应用数据智能，需从战略规划、组织架构、

制度建设、标准规范、团队建设等完善数据智能的基础建设，落实组织保障。

整体而言，从数据要素、生产力、生产关系、上层应用、组

织保障方面形成一整套数据智能管理闭环，金融业务经营过程中产生的各种数据，通过数据智能技术的加持服务于企业各应用场

2

景，不断沉淀数据资产，盘活数据价值，赋能企业数字化转型。

（二）国外数据智能发展形势

Gartner在近两年重要战略技术趋势中持续将数据智能相关

技术作为重点方向，包括生成式人工智能（GenerativeArtificialIntel