专题演讲嘉宾：岑润哲

DeepSeek的崛起证明，“开源普惠+场景深耕”是银行业AI转型的核心路径.本演讲将深度解析大模型驱动的Data Agent技术如何重塑金融机构数据价值链。通过数势科技智能分析平台SwiftAgent与DeepSeek的技术融合实践，分享语义层自动化构建、自然语言完成可视化分析、多模态推理决策等创新技术路径。重点以头部城商行合作案例为样本，揭示大模型在金融机构智能经营分析、财报分析、以及决策建议等场景中实现的分析效率倍增与决策质量跃升。最后提出基于DeepSeek框架的金融数据智能演进路线图，为行业提供可落地的建设方法论。

演讲提纲：
一、破局时刻：金融数据智能的范式迁移

1. 行业痛点：传统BI工具在实时决策、语义理解、知识沉淀的三大瓶颈  
2. 技术拐点：大模型Data Agent带来的"语义理解+指标计算+决策推理"三阶进化  
3. 价值重构：从数据可视化工具到业务决策中枢的定位升级  

二、技术攻坚：SwiftAgent的架构突破与实践  
1. 核心架构设计  

• 三层架构：企业指标库（Metrics）- 业务语义层（Semantic Layer）- 决策引擎层（Agent）  
• 与DeepSeek的技术协同：知识蒸馏、动态微调、多模态输出、深度推理  

2. 关键技术突破  

• 语义层自动化构建：行业指标库叠加DeepSeek之后可以自动化生成语义层，具有一定的行业知识，还支持人工二次校验
• 动态可视化引擎：基于自然语言意图的图表自适应生成技术  
• 决策推理模块：融合规则引擎与生成式推理的混合架构  

3.全面兼容MCP协议

三、实战解码：城商行智能分析场景突破
1. 城商行合作案例项目背景：  

• 痛点：指标分散、人工开发效率低、异常归因困难。  
• 目标：构建统一指标管理平台，实现数据驱动决策。  
• 场景选择：智能经营分析、财报分析、决策建议闭环 
• 实施路径：业务语义层构建→深度归因洞察→智能决策建议
•  效能提升：  

     ✓ 取数和指标计算效率提升40%，异常问题定位时间缩短60% 
     ✓ 业务分析报告生成周期从3天缩短至1小时  
     ✓ 业务人员自主分析覆盖率从18%提升至90%+ 

2. 技术架构  

• SwiftAgent智能分析平台：集成DeepSeek-R1模型，支持自然语言交互与动态归因分析^  
• 联邦学习+区块链存证：确保数据安全合规，满足《数据安全法》要求。  

3. 关键技术验证  

• 行业黑话处理：基于DeepSeek的推理能力，减少对微调的依赖，自动沉淀行业Know-how
• 复合指标计算：NL2Semantics2Metrics+Label API替代NL2SQL
• 推理路径可解释：采用思维链（CoT）技术架构验框架，支持策略推到回溯
• 多模态处理能力：支持表格、影像等非结构化数据解析，提升风控效率

 
四、未来布局：金融数据智能演进路线
1. DeepSeek框架下的建设路径："四阶递进机制"

• 基于DeepSeek框架构建决策Agent网络
• 通过指标血缘管理保障语义一致性
• 设计数据脱敏与推理可解释性增强架构
• 建立从数据准备到决策建议的持续进化闭环

2. 关键实施策略  

• 数据管理前置：指标血缘管理与语义一致性保障  
• 闭环反馈与持续进化：数据准备到数据分析到决策建议的闭环机制  
• 安全增强架构：数据脱敏与推理过程可解释性设计  

演讲亮点：

1. 技术突破性创新：三层架构重构数据价值链，实现从数据管理到决策建议的全链路闭环，突破传统BI工具在实时决策和知识沉淀的瓶颈
2. 行业标杆级实践：帮助头部城商行实现分析效率与决策质量双跃升
3. 可进化决策体系：从“数据-分析-决策-反馈”闭环，支持业务场景动态迭代

用户收益： 

1. 获取经头部机构验证的Data Agent实施框架（含知识蒸馏、动态微调等关键技术）
2. 效率提升： 掌握自然语言交互实现分析效率指数提升的方法论（已实现90%+业务自主分析覆盖率）
3. 场景落地：学习多模态数据处理技术（支持表格/影像解析）与思维链（CoT）推理路径回溯方案
4. 行业洞察：把握金融数据智能从"可视化"到"决策化"的演进趋势