数据智能赋能金融数字化白皮书

北京金融科技产业联盟2023年12月 编制委员会 编委会成员： 赵韵东周天虹龚伟华聂丽琴赵焕芳俞吴杰闫晓林 编写组成员： 赵存超贡佳炜马晓煦耿博代铁梁生吉刘一阳刘妍李义萍焦峰钟新斌许翠朱红伟陈炜钊李蓉娴郭佳敏石文鹏卢金环张少敏董琦张博杜银翔李金龙贺瑶函曹伯翰李娟 牵头单位： 中国农业银行股份有限公司 参编单位： 中国银行股份有限公司招商银行股份有限公司北京银行股份有限公司 前言 随着移动互联网的普及和数字技术的强势崛起，我国正加速迈入数字经济时代，推动数字化转型成为金融机构面临的必要趋势。中国人民银行《金融科技发展规划（2022—2025年）》为新时期金融数字化转型谋定方向、明晰路线，金融机构需深入贯彻规划理念，高质量推进金融数字化转型工作。在大模型、生成式人工智能等技术加持下，数据智能技术正爆发出蓬勃的生命力，为金融机构推进数字化转型、依托创新释放数字生产力提供了重要抓手。在北京金融科技产业联盟人工智能专委会组织下，由中国农业银行研发中心牵头，联合中国银行、招商银行、北京银行相关部门共同开展数据智能金融应用研究，编制形成《数据智能赋能金融数字化白皮书》。 本文立足数据智能前沿技术，聚焦数据智能赋能金融数字化，介绍数据智能基本情况，包括概念解析、国内外发展情况及顶层设计；从AI、BI等先进技术出发，深度解析数据智能技术演进趋势；结合银行业务场景阐述数据智能助力银行业智能化升级的可行路径，并给出典型案例；总结数据智能面临的挑战及发展展望。希望以此展示金融数据智能整体视图，为金融业应用数据智能提供有效借鉴和参考。 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...............................................61.战略规划——谋..................................................................62.组织架构——体..................................................................73.制度建设——规..................................................................84.标准规范——尺................................................................105.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....................................132.实时数仓，高效应对实时场景........................................153.数据编织，推动智能化数据管理....................................164.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........................................212.可信AI，提升模型可靠与可解释性...............................223.大小模型协同，推进端云全方位协同进化....................244.大模型，聚焦NLP任务统一和多模态模型支持............255.自适应AI，强化主动学习进化能力...............................276.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................................302.SaaSBI，提供云原生BI能力.........................................32 1.DataOps，敏捷响应业务需求..........................................342.MLOps，快速交付AI应用服务........................................36 三、数据智能助力银行业智能化升级................................................38 1.数据湖仓平台....................................................................392.实时流计算平台................................................................403.AI平台................................................................................424.BI平台................................................................................455.隐私计算平台....................................................................476.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............................................................................512.智能决策............................................................................603.智能运营............................................................................654.智能风控............................................................................725.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..........................................................................771.数据安全问题....................................................................772.伦理道德问题....................................................................773.数据共享与流通................................................................784.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....................................................782.多模态整合数据统筹能力................................................793.创造性AI释放数据潜力..................................................794.技术融合推动协同创新....................................................795.安全管理构筑防护体系....................................................806.政策标准引领数据治理....................................................80 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 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（Business Intelligence，BI）帮助企业梳理生产关系，系统化地整合及分析数据