10.24 一本通（Datainsight Agent）在城商行业务分析的探索与实践.pdf

1、诸葛一本通（D atainsight Agent）在城商行业务分析的探索与实践文 革文 革目录01020304背景-城商行业务经营分析的痛点与挑战价值-从模型到应用、从数据到增长的跃迁实践-立足城商行 大模型技术创新及应用展望-打造银行业首个“全栈式智能体”为城商行量身定制 多智能体架构 参数优化策略 上下文优化策略 行业知识融合 统一语义层01背 景城商行业务经营分析的痛点与挑战容联诸葛-采数+分析+应用三位一体的数字化改造供应商 诸葛智能诸葛智能 已为多家金融机构提供全渠道数据采集、全场景多维数据分析、用户标签画像构建、差异化自动营销等多种数字化改造提效工具。埋点数据采集埋点数据采集多端实

2、时数据采集数据数据打通打通数据实时回流埋点采集埋点需求管理管理体系多源数据整合多源数据整合用户数据投放平台数据交易数据产品数据权益数据三方数据MySQL、MongoDB、Hbase、SQLserver、OceanBase、DRDS、Hive、Oracle、HDFS PostgreSQL 数据库订单数据服务端数据全渠道埋点设计数据质量自动化监控数据治理内置多种模型标签用户分群客群圈选客群洞察导入导出基础标签+模型标签多维组合自定义标签标签的管理和分层用户群组批量打标签标签下用户详情查看标签及用户导入导出分析模型漏斗分析事件分析间隔分析分布分析归因分析分布分析页面分析洞察分析场景化建模服务用户查询

3、行为序列用户属性交易数据营营销销数数据据集集市市智能营销策略中心智能营销策略中心营销画布审批流程全域控制客群圈选定向事前触达跨渠道跨平台联动触达A/B策略自动化触达基于营销反馈多波次基于用户行为实时触达全生命周期常态化触达黑白名单管理优先级规则防骚扰限制活动审批素材审批策略审批权限管理多业务应用多角色权限数据功能隔离营销组件管理活动组件权益组件触客渠道发现-多家城商行仍存在业务经营分析的痛点 大部分城商行资产规模较小、区域集中度高、培训资源有限，面对复杂业务时，利用综合数据做深度分析的能力不足 150左右尾部城/农商行中，超过60%的机构因能力不足，存在客群未盘活、风控能力差的问题人员经验不足

4、，缺乏深度洞察人员经验不足，缺乏深度洞察 城商行通常深度绑定地方经济，行业营销经验积累有限，无法和自身分析业务结合应用 由于预见行业风向能力差，导致贷款不良率平均达2.8%，高于头部银行的1.5%，反映出行业分析能力差距带来的实际影响行业专业知识积累有限行业专业知识积累有限 城商行内部缺乏统一的分析标准、评估框架等，不同分支机构的数据口径差异大 城商行在多种业务层面，如：贷款分类、拨备计提等关键指标上存在区域分化，这样的标准不统一，也加剧了整体分析的低效性分析标准不统一，效率低下分析标准不统一，效率低下探索-面向城商行经营业务分析的智能体产品定位城商行业务分析“一本通”是银行业专属的、大模型在

5、业务分析领域应用的智能平台，可兼容多种模型，可自主学习、自我修正，可主动感知、自驱执行，帮助金融企业实现从模型到应用、从数据到增长的“最后一公里”核心价值从“经验不足”到“专业精准”产品愿景成为中小行业务分析的智能大脑02价 值从模型到应用、从数据到增长的跃迁从提效工具到自助分析、自主学习、自动应用自然语言自然语言 自助分析自助分析“请分析下最近30天MAU和AUM上涨的原因”可视化展示平台自学习模块监督微调(sft)强化学习(rl)LoRA自动标注问答对抽取知识图谱系统多元大模型底座银行权威书籍书单类培训部门监管报表类用数与造数口径部门脱敏财务表类业务部门“一表通”解释文件与说明类业务监管部

6、门人行标准报表类业务规则部门需求转化为背景目标思考分析方法-生成指标和分析模型生成数据看板生成解读和发现 一 本 通 用 户 操 作 界 面培养好的“985 毕业生”：行业知识萃取预训练接入前银行业务理解价值体现让新手也能做出专家级分析覆盖信贷、风控、运营等全业务场景、财务分析思路内置银行业指标体系集成行业最佳实践和分析模型标准化分析框架和指标体系一本通（Datainsight Agent）可塑性强的“985 毕业生”：使用中自主学习进化使用中实时交互修正业务数据自动学习持续学习与优化机制分析模式持续优化个性化业务场景适配价值体现越用越聪明 越用越懂你一本通（Datainsight Agent