从数据到业务洞察，大模型在银行业务决策中的实践

2024-04-29

对于银行这样复杂的商业模式而言，实现数据与业务之间的连接是一项巨大挑战。这一挑战主要源自于如何将数据语言转化为业务认知模型，以及如何体现业务价值。

这涉及到两个层面：首先是数据的广度，即如何展示更广泛、更深入的数据；其次是如何使展示出的数据具有业务价值和意义。

而大模型的出现为企业提供了一个良好的解决方案，它能够在业务层面展示更多数据，以低成本、高效率完成数据对业务和决策的产业赋能。

银行数字生态下，

经营决策之路任重道远

首先，银行业务模块众多，包括机构业务、个人业务、信贷业务和财富管理等，面临的经营挑战和沉淀的业务数据非常多。对数字化的挑战是如何快速、低成本、敏捷地将数据传递给一线应用人员和决策者，目前，数据与决策之间存在脱节。

比如：昨天信贷数据上升了3%，财富管理业务上升了2%，为什么上升了？不知道。这数据并没有完成经营决策，或者组织决策。

其次，行业竞争激烈，客户需求日益增长，例如在财富管理领域，许多客户购买了海外产品，如纳斯达克直连产品，其服务周期和响应周期为全天候，服务人员无法做到全天候支持。

再次，从组织视角来看，每个客户可能拥有多层服务体系，如代发工资户、信贷客户、经营贷客户等，甚至可能是企业主。企业需要实现多维服务体系的统一构建和调度，这也是数据应用的一个难点。

从原始数据到业务价值转化的

核心方法论

解决这些问题的关键在于完成数据到业务的翻译工作，并且找到更多数据之间的相关性，帮助银行完成多维数据的综合应用决策。而AI大模型的出现，能够把想象变成现实。

DIKW（Data数据、information信息、knowledge知识、wisdom智慧的体系）金字塔模型很好地描述了从数据到业务价值的转化。

数据本身是不带有任何业务意义的，比如年龄25岁，只是真实的记录。假设现在要做一个养老的营销，从客户年龄30岁以下、30岁以上数据层是有分层的。但是到了知识层和智慧层，用户完全无法去应用这些数据，那时就出现了数据和应用的脱节。

以大模型为基础，

全方位构建银行数字化经营矩阵

为了解决这个问题，数势科技基于指标的经营分析和客户营销体系，结合大模型增强的智能分析助手SwiftAgent，建立了一个跨应用、知识、智慧层的解决方案，利用行业知识和数据分析模型，如AIGC大脑，理解策略目标，区分贷款类型，分析人群差异，将银行经营矩阵实现从数据到价值的转化。这有助于发现业务机会，实现数据赋能决策，提升MAU、AUM和营收。

以下结合着实际应用场景，介绍大模型技术能为银行带来的数据决策支持。

经营趋势洞察

假设需要询问“2023年信用卡收入”，通过自然语言查询，系统就能自动提供答案，在数据权限内，还能提供时间、业务和收入等三个维度，查看更细致的数据。同时，系统还能展示思考过程，防止语义理解偏差。

此外，系统支持复杂查询，如连续提问，帮助经营者快速了解业务情况。例如，接着问排名前五的分行，每个分行排名前三的员工是谁，系统按照前面的收入结果去呈现分行和员工的排名。通过连续问答的形式，将日常经营的数据与决策相衔接。

经营问题归因

经营中常见的问题有很多种，分析维度包括直接因素、相关指标、跨维度比较等，例如“LPR（贷款市场报价利率）上升或者下降是因为某一分行、某一员工表现优秀，还是某个活动的效果好，还是因为国家宏观政策的影响呢？”大模型可以对指标进行下钻分析，多维拆解指标数据，把环比同比呈现出来，形成异常维度的分析报告，可视化的呈现。

大模型拓展了数据分析师的分析维度，提供了更低成本、更敏捷的分析方式，辅助决策，提升效率。

报告解读

数势科技的方案还有一个特色就是数据报告的解读。系统可以把分析周期内的数据，如总收入、最大值和最小值等，和销售策略、产品质量、客户服务和客户分布等分析维度，构建在分析模型中，辅助形成完整的分析报告，降低理解数据的门槛，提高分析的结果效率。同时，模型结合图表和文字，提供同环比、聚合占比、排序和预测模型，形成辅助决策的数据维度拓展工具。

展业洞察

为增强银行经营分析，数势科技整合了客户数据平台、营销云和数据资产云，覆盖产品、服务、员工和渠道特征等数据。利用算法模型，精准匹配客户沟通策略，提供个性化服务选项。

例如，“您这个月别忘了信用卡还款。”和“是否加入本月理财季，业绩比较基准收益率是2.1%。”这两种文案哪个更合适，可以通过基于员工洞察、渠道洞察、产品洞察、客户洞察等，借助算法模型自动匹配。

客户需求不同，所提供的产品和服务也是差异化的，数势科技可以基于多层次分级的展业分析模型，把产品力、客户需求与整个业务服务流程相结合，生成多维策略调度，形成统一的组织合力。展业评估看板辅助策略归因分析，区分自然增长与服务成果，整合内外部渠道，构建统一客户服务体系，利用大数据，形成可执行解决方案，提升业务、服务和客户满意度。

数势科技设计了GASO（Goal、Analytics、Strategy、Optimization）任务拆解方法论，把所有数据，全量的产品组合，客户的个性化需求与客户的每一个触点联动相结合，形成基于大模型的AI数字大脑，让沉淀的数据和知识，辅助策略效果的调优。

一家城商行的数据驱动案例

在一家城商行的数字化转型中，遇到了现有数据产品无法端到端快速产出深度结论，重复报表需求杂、临时需求成瓶颈，指标口径不统一等问题。数势科技基于大数据底座，完成了指标平台的落地，把所有的指标口径和数据源血缘都统一了，并且建设了SwiftAgent智能数据分析助手，降低员工数据分析门槛。

在经营分析中，常常会问这样的问题：“最近我们行的信贷数据怎么样？”这是一个非常模糊的问题，最近是最近一周还是最近一个月呢？另外，银行有各种各样的行业规划与专有名词。比如：SDR（特别提款权），专有名词需要做进一步的解释。再比如“业绩”这个词，不同角色的人有不同的定义和解释。

数势科技的解决方案考虑了时间维度、行业专有名词、甚至能听懂模糊的语义，预测不同时间段员工可能提出的问题，并推荐常见问题，构建个性化GASO模型。最后，还能像专业分析师一样提供规划建议，帮助员工更高效地完成决策过程。

借用乔布斯在2007年iPhone发布会上的一句话：“什么样的手机会支持手写笔？我不需要那支笔”。大模型时代，我们用最朴素的手指点一点，用无需培训的语言说一说，就可以完成数据分析工作。

杨宁，数势科技高级咨询专家、金融副总裁，在金融行业工作近20年，曾涉足银行、证券、基金、期货等多个领域，并致力于互联网数字化转型，助力金融机构实现数字化。

本文节选自杨宁在金科创新社（鑫知）主办的“2024区域性商业银行数智化转型研讨会”上的演讲。

关于数势科技

数势科技是行业领先的数据智能产品提供商，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（SwiftMetrics）、智能分析助手（SwiftAgent）、智能标签平台（SwiftCDP）及智能营销平台（SwiftMKT）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。

— END —