智能分析AI Agent在金融行业的先进实践与展望-(35页 PPT)

微信扫码，打开到小程序

智能分析 AI Agent 在金 融 行业的先进实践与展 望 数势科技 岑润哲 金融行业经营分析领 域的现状和痛点 智能分析 AI Agent 相 较 传统解决思路的技术 创新 总结与展望 当前行业内通用解决思 路及主要问题 智能分析 AI Agent 的 应 用场景与价值 目录 C O N T E N T S 01 03 05 02 04 walmart* 心永辉超市 令书亦烧仙草 拥有在大金融、高科技制造和泛零售等领域的专业洞察力及技术实力，为全球优秀企业提供基于大模型增强的智 能指标平台、智能标签平台及智能营销平台系列产品，提升企业的数字化决策能力，推动企业数字化升级 我们的愿景 成为企业数字化升级首选长期技术伙伴 我们的团队能力 业内顶尖的技术专家和业务人才 基于行业落地实践经验的标准软件产品 先进的智能算法和垂直大模型应用 我们的使命 推动企业数字化升级，实现数据价值的普惠化 数势科技：行业领先的数据智能产品提供商 部分 代表 客户 公司 简介 01 CONTENTS 金融行业经营分析领域的 现状和痛点 痛点 以下是 3 个不同客户发出的真实声音示例，反映了管理团队对现有数据 驾驶舱大屏产品的痛点体验： Data ≠� Insight ： " 我们公司花了很大精力建设了驾驶舱和各种大屏， 看起来很高端，但数字并不等于见解。每次有具体问题，团队还得回去 挖数据、分析指标，周报变成了无尽的等待游戏。 " Speed is Everything ： " 每当董事会要求针对数据作出快速反应时， 我都希望能够立刻拿到结论，这个数据大屏却只能给我表面的数，深入 分析还得是手工在数仓里建作业，太慢了 。 " The Golden Why Question ： " 我们的驾驶舱解决了数据展示的问 题，但未触及数据解释的关键。当涉及到业务背后的为什么时，它似乎 没有答案。 " 这些真实的客户声音例子反映了一个通用的诉 求：管理团队需要的不单是数据的可视化展示， 更是对数据的深入理解、 快速获取结论和基于 数 据深度挖掘的原因解释，对数据分析工具的 智能 性和即时交互性有着更高的期待。 管理团队之痛：现有数据产品无法端到端快速产出深度结论 信息过载 痛点 以下是 3 个不同客户发出的真实声音示例，反映了业务团队在指标获 取、数据分析与数据挖掘方面的核心痛点： SQL 学习难度高： " 尽管我们有意愿深挖数据背后的真相，但 SQL 的 复杂 性让我们非技术人员望而却步。许多时间都浪费在了查询语言的学习 上，而不是洞察和行动。 " BI 报表配置难度高： " 我们依赖 BI 工具来提供数据的可视化，但每次 都需 要技术团队介入来配置数据集和报表，它的复杂程度令人沮丧。 " 大量时间花费在导出数据到 Excel 里输出结论： " 分析团队的日常就像 Excel 的奴隶，时常花费大把时间将数据导入、整理和分析，这种重复 低 效的工作限制了我们对数据快速反馈的能力。 " 高 SQL 学习曲线、 BI 工具配置的复杂性以及对 Excel 的过度 依 赖，这些都是业务团队在追求灵活性和效率时的主要痛点。这 反映出业务团队对于更加智能、 响应迅速的数据分析解决方 案 的强烈需求，希望借此能够加速从数据中获取洞见、生成 结 论，并解释数据背后的相关性。 业务团队之痛： BI 产品学习门槛高，归因解读靠人 工 导出到 Excel 手动看 数成了日常工作 BI 报表配置难度 高 SQL 学习难度 高 What What & Why What & Why & How 数据分析工具 Excel 数仓 +BI 指标标签语义层 + 大模型 未来 指标标签语义层 大模型 即将开启数据智能分析的新 时 代 数据消费者 数据应用核心价值 受众群体 =1% 业务决策者 财务等数据“依赖者” 受众群体 =95% + 业务全员 + 上下游合作伙 伴 受众群体 =15% +BI 分 析师 + 业务分析师 过往 当前 民主式数据分析：让企业内每一个公民可以实现从数据消费到决策 数据民主化意味着企业内部每一个 “公民”都可以通过极低门槛的方式获取和理解数据资产，并可以从数据资产中快速发现可执行的决策动作 - - 以企业级指标 / 标签体 系为驱动，构建数据资 产语义编织 标签指标元 数据集成 指 标 义 层 指标标签 元数据服务 - - 面向企业全局主数据管 理存储、通用底层数据 数据 仓库 数据 湖 大模型驱动的 智能分析助手 BI 工具 数据挖掘工具 人数占比 80% 企业内 “公民” 数据民主化的最大 受益群体 模型 - 用户体验层 - 整合客户旅程，提供产 品消费级用户体验 分析开发者 标 指标标签 签 数据管理 语 读得懂、 用得着 ， 查得到 数据平台底座 业务分析师 数据语义层 人数占比 15% 人数占比 5% 融 合 大模型的出现，大幅降低了数据服务的使用门槛 简单交互，人人都是数据分析师 数据查询，报告分析任务秒级响应 归因分析、异动分析、报告总结 多轮追问、歧义反问，有理有据 商业分析，需借助研发与 BI 协 助 需求响应数小时，决策不及时 只能查数，分析需要人工 以数据查询与看板展示为主 （产出缓慢） 数据查询 数据报表 异动分析 数据报告 （人力瓶颈） 工程开发 人工绘制 人工梳理 人工总结 传统数据分析路径长，存在明显人力瓶颈 利用大模型 Agent 能力，显著降本增 效 门槛低 效率高 能力厚 交互性强 门槛高 效率低 能力薄 交互性弱 老板任务 运营任务 产品任务 临时需求 数据 Agent （大模型） （秒级响应） 数据 +BI 数据 +BI 数据 +BI 数据 +BI 数据提取 多维画像 归因分析 数据报告 提出任务 给出答案 数据源 02 CONTENTS 当前行业内通用解决思路 及主要问题 当前行业内数据处理与消费通用架构 大模型直接生成 SQL ，存在效果瓶颈和性能风 险 03 CONTENTS 智能分析 AI Agent 相 较 传统解决思路的技术 创新 仓外语义 -- 灵活便捷、贴近业务 • 数据建模右移，更贴近数据消费 endpoint ，更便于 LLM Agent 规划推理； • 基于虚拟层做数据编织，口径管理更灵活、便捷 指标平台 + 大模型组合方案提升可靠 性 Agent 架构将提升复杂任务理解与规划能 力 数势科技 NL2MQL+Agent 路径是效果更优的科学路 径 Expert Recruitment ( 专家雇佣 ) 取数专家 可视化专家 归因专家 预警专家 报告专家 Collaborative Decision-Making ( 协同决策 ) , " 归因专家 取数专家 报告专家 Action Execution ( 动作执行 ) Agents: 客户常用的 报告模版 A Actions ： 维度：渠道、风 险偏好、基金类 型、起购金额、 日期等 度量：申购人数 维度归因算 法 数势科技“ Agent” 架构如何运行？ N 轮循环 有数据、有逻辑有业务 Sense 的分析报告 看下近 7 天基金申购人 数，哪个渠道跌得最 多，做个总结 Reward Feedback ( 正负反馈） Outcome （结果） Evaluation ( 结果评 估 ) SwiftAgent 输出 的 Goal （目标） 用户想要的 Group ? = = 统一管理的指标语义层是 SwiftAgent 落地的基 础 1. 统一语义层 2. 数据计算加速引擎 3. 多源异构数据链接 4. 用户可干预 5. 持续反思学习，自主进 化 6. 支持移动端和语音交 互 数势科技 SwiftAgent 的核心创新能 力 04 CONTENTS 智能分析 AI Agent 的应 用 场景与价值 应用场景 交互式指标问询 降低数据获取门 槛 交互式指标问询：模糊语义处理机制 若用户提问模糊，让 LLM 反问并协助澄 清 交互式指标问询：支持用户说“黑话” 交互式指标问询：支持用户说“黑话” 应用场景三：分析报告自动生成 - 提升分析效 率 某金融机构智能分析 AI Agent 实施架构与支持场 景 SwiftAgent 在某金融机构支持的核心场 景 05 CONTENTS 总结和展望 智能分析 AI Agent 的能力优势总 结 智能分析 AI Agent 未来展 望 大模型时代，企业如何利用指标推动数字化转型和实现数字化经营？ 本书详细讲解了 • 指标体系的设计方法 • 指标平台的产品设计和技术架构 • 指标在各行业落地应用的方法 本书融合了数势科技服务近百家企业的领先实践经验和行业领先的指标平台产品技术功力， 是行业内首本以“指标平台”为中心的专业书籍 福利申领：行业首部《指标体系与指标平台》专著 扫码有机会免费领 取 扫码添加小助手沟通 扫码关注数势科技