■梁生吉 刘一阳 李义萍

数据资源已成为关键生产要素，全球数据量呈现指数级增长。在大模型、生成式人工智能等前沿技术的加持下，数据智能爆发出旺盛的生命力，为商业银行推进数字化转型、释放数字生产力提供了重要抓手。

全面释放数据价值

数据智能是指大数据和人工智能技术的融合，其应用的目标是利用一系列智能算法和信息处理技术，实现海量数据条件下的深度洞察和决策智能化。

数据智能领域呈现出新的数据维度、新的AI应用、新的智慧功能、新的服务范围、新的价值发现等变化，这种“新数据智能”在新基建中有广泛的应用前景，能使社会更好地认识数据作为生产要素的重要价值，推动数据的市场价值发现，“让数据产生真正的价值”。

数据智能作为跨学科的研究领域，涵盖GPT预训练大模型、生成式人工智能、DataOps(数据研发运营一体化)、MLOps(人工智能研发运营一体化)、数据编织、湖仓一体、实时数仓、可信人工智能、大小模型协同等前沿技术，在底层基础支撑、上层智能应用、全生命周期工程化建设等方面不断演进，持续释放数据价值。

强化基础支撑，推进数据互联共享。通过湖仓一体、实时数仓、数据编织、隐私计算等技术夯实数据底座，提升数据要素时效性、灵活性及安全性，沉淀企业数据资产，为企业级数据存储和管理、数据治理、数据应用提供有力支撑。

夯实AI能力，推动企业智能化升级。通过知识图谱、可信AI、大模型等技术，提升模型可靠性与可解释性，强化主动学习进化和数字化内容创造能力，推动人工智能进入更高阶、更人性化、更可靠的智能决策阶段，为企业智能化升级提供强大的算法基础。

加强BI(商业智能)应用，持续释放数据价值。BI能够帮助企业从多个角度分析、理解和使用其数据资产，从而更好地制定决策和管理业务。SaaSBI采用SaaS(软件即服务)的概念，BI软件通过SaaS模式对外提供服务，用户只需通过互联网访问和使用软件应用程序就能获得相应的BI服务，降低用户的使用门槛。

研发运营一体化，加速数据智能应用落地。通过将DataOps和MLOps结合，从数据层面及人工智能层面提升工程化能力，实现全生命周期流程化、标准化的管理闭环，助力企业快速响应业务需求，实现敏捷交付。

助力银行转型升级

面对蓬勃发展的数据智能，目前，商业银行正在运用数据智能，围绕数据的“采、建、管、用”四个关键环节，构建企业级数据智能体系，形成从数据要素、生产力、生产关系、上层应用、组织保障方面的一整套数据智能管理闭环，盘活数据价值，服务各应用场景。

在智能营销领域，商业银行以知识图谱、图计算、数据挖掘等智能技术为支撑，打造数字化营销体系，为“获客、活客、留客”注入科技创新动力。比如，招商银行通过统一的知识框架聚合对公、零售等多源异构数据，构建对公和零售的联邦式知识图谱，为精准营销提供了强力支撑。

在智能决策领域，商业银行运用数据智能技术构建以数据驱动为核心的智能决策体系，实现对全局数据的系统化运作管理，为决策支持系统、商务智能、经营分析系统等开发应用奠定基础。比如，中国银行运用数据湖与数据仓库构建一条完整的“血缘链路”，为用户提供交互式的查询界面和可视化功能，从而快速定位数据链路发生异常时的异常源头，缩短定位解决问题所需的时间成本。

在智能运营领域，大模型、商业智能、DataOps等技术可助力于实现全流程自动化，降低人力成本，提升服务的效率和质量。比如，农业银行AI大模型ChatABC基于AI平台的算力、算法和数据能力，结合指令微调、知识增强、强化学习等大模型相关技术，服务研发支持、智能客服、辅助编程等场景，面向多种渠道，提供领域级知识理解和问答能力，初步取得提质增效的成果。

在智能风控领域，商业银行可综合运用大数据、图计算等数据智能技术，建立数据化分析及风险监测预警框架，提升风控能力。比如，北京银行针对对公信贷资金流向异常、票据中介和供应链虚假融资场景建立智能审计模型，基于大数据、分布式计算、机器学习、图计算等技术，提供更加全面、准确的审计能力，推动审计工作进入数据和技术共同驱动的智慧型审计时代。

在智能监管领域，商业银行已尝试应用数据智能算法提升监管海量数据处理能力，提升监管报送的效率及质量。比如，农业银行在监管报送场景使用隐私计算领域的多方安全求和技术，实现数据所有权和使用权分离，有效解决跨境数据的“保密性”与“共享性”的矛盾。

发展面临几大挑战

虽然数据智能在推动企业高质量发展方面具有巨大潜力，但是也面临一些挑战。

在数据安全方面，数据隐私泄露事件频发对数据智能的推广和深度应用带来了制约。在伦理道德方面，随着数据智能的拟人化、智能化，如何确保数据智能的应用符合人类的价值观和法律道德准则，是未来需探讨和解决的重要问题。在数据共享和流通方面，数字主权成为各国竞争的技术高地，跨境数据流通成为国际合作面临的一项难题。在算法可靠性及可解释性方面，需要破解数据智能领域面临的算法“黑箱”及泛化能力弱等问题。

当前，数字技术正在不断深化金融业务模式变革，促进实体经济与数字经济加速融合。如何智能化地聚数、用数，成为商业银行在数字化转型中面临的重要课题。商业银行需持续深化金融科技改革，以科技引领、以数据筑基、以智能赋力，通过数据智能重塑金融业务模式，为客户提供更加优质高效的金融服务。