漯河市网站建设_网站建设公司_字体设计_seo优化

达观数据案例

该Agent案例由达观数据投递并参与金猿组委会×数据猿×上海大数据联盟共同推出的《2025中国大数据产业年度Data Agent创新应用》榜单/奖项评选。

大数据产业创新服务媒体

——聚焦数据 · 改变商业

在人工智能迈入2.0时代的浪潮下，以大语言模型（LLM）、机器人流程自动化（RPA）、光学字符识别（OCR）为核心的Data Agent技术，正成为金融行业数字化转型的关键引擎。作为浦发银行旗下专注资产管理的核心机构，浦银理财紧跟行业趋势，以“全面建设国际竞争力一流资产管理机构”为战略目标，在数字化建设中已完成“线上化”夯实与“数智化”开启的阶段性突破，亟需向“生态化”升级迈进。然而，金融资管行业的复杂性导致浦银理财面临核心痛点：内部沉淀了海量合规文件、投研报告、产品资料、系统手册等非结构化与结构化数据，但分散存储于不同系统，形成“数据孤岛”，员工需耗费大量时间跨平台检索信息；日常办公中，个人证券投资申报、费用支付检查、交易划款要素审核等流程步骤繁琐、重复性高，依赖人工多节点操作，效率低下；跨部门协作时，信息传递存在延迟与偏差，业务流程衔接不畅。

在此背景下，传统工具已无法满足“高效协同、智能决策”的需求，浦银理财迫切需要一款具备自主感知、记忆、规划与行动能力的Data Agent解决方案。达观数据基于自身在Agent、大模型应用领域的深厚积累，与浦银理财联合打造“智浦小鹿”员工数字助理项目，以Data Agent技术为核心，整合大模型、RPA、OCR、知识图谱等能力，构建覆盖知识服务、流程自动化、数据分析的全场景智能体，实现从“被动工具调用”到“主动智能服务”的转型，为金融行业Data Agent落地树立标杆。

时间周期：

开始时间：2024年11月底

中间重要时间节点：2025年4月底（业务深度集成）：Agent对接资金清算系统、上线5个部门专属知识库，证券投资申报自动化流程落地

完结时间：2025年下半年完成，然后进行二期能力建设：重点落地AI审核（如交易要素校验）、智能写作（如信托贷款评估报告）功能。

Data Agent 应用需求

1.客户核心Data Agent应用需求

浦银理财基于业务痛点与战略升级目标，提出明确的Data Agent类核心需求：

·知识服务智能化需求：需构建企业级智能知识库，让Data Agent能自主抓取、解析、存储内部制度、外部法规、产品文档等多源数据，员工通过自然语言交互即可快速获取精准答案，并追溯答案来源，解决“知识查找难、核验难”问题。

·员工服务自动化需求：要求Data Agent具备流程调度能力，能自主识别员工意图，调用RPA、API接口等工具，自动化完成个人证券投资申报、账单整理、会议安排、交易划款要素审核等重复性工作，折叠任务处理时间。

·数据交互一体化需求：需打破原有多系统独立运行的“业务孤岛”现状，让Data Agent成为统一交互入口，实现跨系统数据串联与共享，支持员工通过对话式交互完成跨平台业务办理，降低系统学习与操作成本。

·模型服务安全化需求：作为金融机构，数据安全与合规是底线，要求Data Agent采用本地化部署模式，实现模型训练、推理、数据应用全流程安全可控，同时具备灵活扩展能力，支撑未来新业务场景的快速接入。

·分析决策智能化需求：需Data Agent具备数据分析与生成能力，能自主处理同业信披文件、市场数据等海量信息，提取核心指标、生成分析报告，为投研、运营等部门提供决策支持。

2.需求拆解与Data Agent概念理解

达观数据基于对Data Agent“感知-记忆-规划-行动”核心属性的深刻理解，将浦银理财的需求拆解为三大核心维度，并针对性构建解决方案：

·对Data Agent的核心认知：Data Agent并非简单的工具叠加，而是具备自主决策能力的“数字员工”——通过“感知”模块理解自然语言指令与业务场景；“记忆”模块依托向量数据库与知识库存储短期会话上下文和长期业务知识；“规划”模块通过大模型拆解复杂任务为可执行子目标；“行动”模块调用RPA、API、OCR等工具完成任务执行与结果反馈，形成闭环。

·需求拆解与解决方案落地：

针对“知识服务智能化”需求：构建多维度知识库体系，支持按部门、业务场景创建专属知识库，Data Agent通过RAG（检索增强生成）技术，实现知识精准召回与答案生成，同时提供知识溯源功能，确保信息权威性。

针对“流程自动化”需求：设计Data Agent流程调度中心，内置员工证券申报、文件打印、交易要素审核等标准化RPA流程，员工通过自然语言触发后，Agent自主完成跨系统操作，无需人工干预。

针对“数据交互一体化”需求：打造全端统一入口（桌面端、Web端、移动端），Data Agent通过MCP（Model Context Protocol）协议对接浦银理财资金清算系统、资管系统、估值系统等核心业务平台，实现“一次对话、多系统协同”。

针对“安全化与扩展性”需求：采用私有化部署模式，搭建大模型管理中台，实现模型训练、部署、监控全生命周期管控；同时提供开放API接口，支持新业务场景与工具的快速接入，满足“生态化”升级需求。

针对“分析决策智能化”需求：赋予Data Agent NL2SQL（自然语言转SQL）、智能摘要、报告生成能力，能自主对接数据中台，完成业务数据查询、同业信息分析，并生成结构化报告，辅助管理层决策。

面临挑战

1.系统架构层面的Data Agent适配挑战

浦银理财内部现有核心业务系统达10余种，包括资金清算系统、资管系统、估值系统、TA系统等，各系统开发语言、数据格式、接口标准不统一，形成“技术孤岛”。Data Agent作为跨系统协同的核心枢纽，需同时兼容 Python、Java、C#等多语言开发的系统，实现数据无缝对接与流程调度，这对Agent的接口适配能力提出极高要求。此外，部分老旧系统无开放API，需通过非侵入式方式实现集成，避免影响原有系统稳定运行，增加了Data Agent的技术实现难度。

2.数据治理层面的Data Agent赋能挑战

浦银理财的数据类型复杂多样，涵盖PDF、Word、Excel等非结构化文档，以及数据库中的结构化业务数据，且存在数据格式不统一、部分文档扫描件清晰度不足、数据重复或缺失等问题。Data Agent需先完成海量数据的清洗、标准化处理与向量化存储，才能实现高效检索与分析。同时，金融数据具备高敏感性，Data Agent在数据提取、传输、使用过程中，需严格遵循金融行业合规要求，实现精细化权限管控，确保不同岗位员工仅能访问权限范围内的数据，这对Agent的安全管控能力构成严峻考验。

3.组织协作层面的Data Agent落地挑战

浦银理财业务部门涵盖投研、财务、资金、产品、运营等多个条线，各部门业务场景差异化显著：投研部门需Data Agent处理海量同业信披文件并生成分析报告，运营部门侧重流程自动化，合规部门关注制度问答与风险审核。不同部门对Data Agent的功能需求、使用习惯存在差异，需协调跨部门资源进行需求梳理与场景适配。此外，部分员工对Data Agent的接受度与操作熟练度不足，需在推广过程中进行针对性培训，确保Agent能真正融入日常工作流程，避免“技术落地但业务闲置”的情况。

4.Data Agent核心能力的适配挑战

金融业务场景的复杂性对Data Agent的核心能力提出多重考验：一是意图识别的精准性，员工提问可能存在模糊性（如“查询最近的销售数据”），Agent需通过反问澄清时间范围、数据维度等关键信息，避免理解偏差；二是专业术语的适配性，不同部门存在专属“黑话”（如“R12M”“首单人数”），Agent 需构建企业内部专有名词库，确保能准确理解跨部门业务指令；三是复杂任务的规划能力，部分业务场景（如信托贷款评估报告生成）需多步骤协同（材料提取-数据分析-报告撰写），Agent需能自主拆解子任务，调度OCR、智能写作等工具完成闭环；四是系统稳定性的高要求，金融业务的连续性至关重要，Data Agent需支持分布式部署，在节点故障时自动切换，确保7×24小时稳定运行。

战略目标

本次“智浦小鹿”Data Agent项目的核心战略目标，是助力浦银理财实现“数据驱动决策、智能赋能业务”的数字化转型，构建金融行业领先的Data Agent生态体系，具体分为三大维度：

1.顶层战略转型，打造企业“数字大脑”

以Data Agent技术为核心，打破数据与系统壁垒，构建覆盖全业务、全流程的智能中枢，实现从“人工驱动”到“数据与智能双驱动”的转型。通过整合内外部数据资源，让Data Agent成为企业知识的“沉淀者”、业务流程的“优化者”、决策支持的“赋能者”，为浦银理财“生态化”数字化建设奠定核心基础，强化其在资产管理领域的核心竞争力。

2.业务效能提升，实现“降本增效”与“风险可控”

短期目标是通过Data Agent自动化处理重复性、基础性工作，将员工从繁琐的信息检索、流程操作中解放出来，预计员工工作效率提升3倍以上，每年创造百万元级经济效益；中期目标是通过知识服务智能化，降低业务学习成本，加速新员工融入，提升跨部门协作效率；长期目标是借助Data Agent的数据分析与风险识别能力，提前预警业务合规风险、交易风险，实现“风险前置管控”，保障资产管理业务的稳健发展。

3.行业标杆构建，引领金融Data Agent应用范式

依托浦银理财的行业影响力与达观数据的技术实力，将“智浦小鹿”打造为金融资管领域Data Agent落地的标杆案例，形成可复制、可推广的解决方案。通过场景拓展与能力升级，逐步将Data Agent从内部员工服务延伸至客户服务、投研决策、风险管控等更多金融场景，不仅助力浦银理财成为“新时代金融业高质量发展的排头兵”，更推动Data Agent技术在金融行业的标准化应用，为行业数字化转型提供实践样本。

实施与部署过程

1.项目总体实施方法论

本项目采用“顶层设计、分步实施、敏捷迭代、持续运营”的总体实施策略。项目实施遵循“平台先行、场景驱动、价值验证、规模推广”的路径，具体分为四个阶段：

·基础平台建设阶段（2024年11月底）：搭建大模型基础平台，构建Data Agent核心框架，上线小鹿客户端。

·核心场景验证阶段（2024年12月底）：选择7大部门的高频场景进行深度验证。

·全面推广阶段（2025年2月-4月）：业务深度集成，覆盖20+系统，100+业务流程，对接资金清算系统、上线5个部门专属知识库，证券投资申报自动化流程落地。

·持续运营优化阶段（2025年下半年）：建立运营机制，持续优化迭代，并且开启二期能力建设，重点落地AI审核（如交易要素校验）、智能写作（如信托贷款评估报告）功能。

2.Data Agent的职能角色定位

“智浦小鹿”并非传统意义上的单一功能系统，而是被定位为企业级的智能数字员工，具备以下多维度职能角色：

·知识小管家：整合企业级知识库，实现合规制度、业务手册、产品信息等知识的智能检索与精准问答，支持答案溯源与原文定位，解决知识获取低效问题；

·办公小助理：通过自然语言交互触发RPA自动化流程，覆盖个人证券投资申报、会议安排、文档打印、流程审批等高频办公场景，折叠重复性工作时长；

·运营小秘书：自动化处理账单整理、邮件答复、交易要素审核、报表生成等运营任务，降低人工操作失误率，提升流程处理效率；

·分析小顾问：具备NL2SQL/NL2API数据查询、多维度数据分析、智能报告生成能力，支持员工通过自然语言获取业务数据洞察，为决策提供支撑。

“智浦小鹿”之所以能够具备如此全面的能力，得益于其背后强大的“AI服务中台”。这个中台是整个数智化平台的“发动机”，它提供了可复用、可调用的AI能力，支撑着“智浦小鹿”的各项功能。

·知识服务智能化：中台提供了文本识别和提取、问答库构建、外挂知识库等能力，这是“知识小管家”功能的基础。它使得“智浦小鹿”能够理解和利用浦银理财内部的专业知识，确保回答的专业性和准确性。

·员工服务自动化：通过对接和调用各类API（应用程序编程接口），中台实现了对业务系统的自动化控制，这正是“办公小助理”和“运营小秘书”能够执行复杂操作的关键。

·模型服务本地化：中台将核心模型服务部署在本地，确保了数据安全和隐私保护，同时降低了对外部网络的依赖，提高了系统稳定性。

·辅助不决策：这是浦银理财对AI应用的一个重要原则。AI中台的能力是“对内不对外”，旨在辅助员工完成任务，提供决策支持，但最终的决策权仍然在人。这确保AI作为工具的定位，既能提升效率，又能避免潜在的风险。

3.系统架构设计与实现

智浦小鹿采用“分层解耦、中台化设计、全端覆盖”的架构体系，整体分为数据层、模型层、Agent层、应用层四大核心层级，同时构建智能模型中台与管理中台，形成“两层四阶”的完整技术架构，确保Data Agent的高可用性、扩展性与安全性。

·数据层：统一数据湖构建

数据层作为Data Agent的“燃料供给中心”，整合浦银理财内部核心系统数据与外部合规数据，形成统一数据湖。具体包括：

结构化数据：来自资金清算系统、资管系统、估值核算系统、TA系统等业务系统的交易数据、产品数据、客户数据等，通过JDBC/API接口实时同步至关系型数据库（MySQL）与分布式缓存（Redis）；

非结构化数据：涵盖公司制度库、外部法规库、产品文档库、系统手册库、投研报告等10万+份文档，支持PDF、Word、Excel、PPT等多格式解析，通过OCR技术提取图像类文档文本信息，经清洗、切块、向量化后存入向量数据库（Milvus）；

半结构化数据：包括邮件、账单、交易单等，通过结构化抽取模块提取关键字段，形成标准化数据结构。

数据层采用“实时同步+批量更新”的混合同步策略：高频变动数据（如产品净值、交易状态）通过API接口实时同步，低频次数据（如制度文件、历史报告）按日批量更新，确保数据时效性与一致性。同时，建立数据质量校验机制，通过字段校验、格式校验、逻辑校验三重保障，数据准确率达99.8%以上。

·模型层：私有化大模型集群部署

模型层是Data Agent的“智能大脑”，采用“本地部署+混合调用”的模式，构建多模型协同的大模型服务平台：

核心模型选型：优先采用私有化部署的Deepseek 32B、QWen3 32B大模型作为基础基座，同时兼容llama2、Baichuan、ChatGLM2等主流开源模型，支持模型灵活切换与负载均衡；

模型增强技术：

RAG（检索增强生成）：构建“文档解析-文本向量化-向量召回-上下文融合”的全链路RAG架构，将知识库与大模型深度融合，解决大模型“知识过时”与“幻觉”问题，问答准确率提升至92%；

Prompt工程：建立企业级Prompt库，包含通用Prompt、场景化Prompt（如投研分析、合规问答、流程触发）、专有名词映射Prompt，通过Prompt 模板优化与思维链（CoT）引导，提升大模型意图理解准确率；

RLHF训练：基于员工真实交互数据与业务专家反馈，开展人类反馈强化学习，持续优化模型输出质量，迭代3轮后模型响应满意度达89%。

模型层部署于浦银理财本地机房，采用GPU集群（8卡A100服务器×10台）提供算力支撑，通过TensorRT推理框架优化推理速度，单轮问答响应时间控制在1.5秒以内，并发处理能力达500QPS。

·Agent层：智能调度与任务执行核心

Agent层是Data Agent的“决策与执行中枢”，负责解析用户意图、分解任务、调度工具、执行流程，核心由三大模块构成：

意图理解模块：基于BERT模型与行业词典，实现用户自然语言的意图识别（准确率95%）、实体提取（如产品代码、日期、流程名称）与歧义消解，支持模糊查询的反问澄清（如用户问“最近资产情况”，自动反问时间范围、指标类型）；

任务规划模块：采用“子目标分解+思维链引导”策略，将复杂任务拆解为可执行的原子任务，例如“生成2023年股票000001开盘价报告”拆解为“确定时间范围→调用行情数据库→提取开盘价数据→生成图表→撰写报告”；

工具调度模块：构建工具库，整合RPA机器人、OCR平台、API接口、SQL查询引擎等工具，通过MCP（Model Context Protocol）协议实现工具的灵活调用与流程编排，支持同步/异步执行与结果反馈。

Agent层的核心创新在于实现了“感知-记忆-决策-行动”的闭环：通过短期记忆存储会话上下文，长期记忆沉淀历史交互数据与分析思路，结合反思（Reflection）机制优化任务执行路径，确保复杂业务场景的高效落地。

·应用层：全端接入与场景化呈现

应用层是Data Agent的“用户交互入口”，采用“统一入口+多端适配”的设计，应用层采用对话式交互设计，无需员工学习复杂操作，覆盖员工全场景使用需求：

核心客户端：智浦小鹿桌面端（C#开发），支持自然语言对话、流程触发、文档上传、报告下载等核心功能，集成统一单点登录，与浦银理财内部权限系统同步；

扩展入口：Web端（JavaScript+React开发），提供更全面的知识库管理、长文档分析功能；移动端（嵌入浦银服务号），支持轻量化问答与流程审批提醒；

系统集成：通过API接口嵌入智浦魔方（统一工作台）及投研、风控、运营等业务系统，实现“无感知集成”，员工无需切换平台即可使用Agent服务。

4.核心技术

·NL2API/NL2SQL融合技术，解决“自然语言→业务数据”的高效转化问题

技术原理：通过关键词/句定义与意图理解关联，将员工自然语言查询转化为标准化API调用或SQL语句，无需员工掌握技术语法；

关键创新：预设业务关键词词典（包含500+金融专有术语、200+指标定义），避免业务理解偏差；引入思维链分析与歧义反问机制，提升泛化能力，例如用户问“某产品销售费欠费情况”，自动识别产品代码、时间范围等缺失参数并反问；

应用效果：支持资金清算系统、资管系统、估值系统等8大核心业务系统的高频查询，覆盖销售费欠费查询、产品兑付状态检查、净值查询等30+场景，查询响应时间≤2秒，准确率达96%。

·RPA与大模型的深度协同技术，实现办公流程的“自然语言触发+自动化执行”

技术实现：大模型负责意图识别与流程调度，RPA机器人负责具体操作执行，OCR提供文档信息提取支撑，形成“语言交互→意图解析→流程编排→机器人执行→结果反馈”的全链路自动化；

典型场景：员工个人证券投资申报流程，员工仅需在智浦小鹿客户端输入中国结算账号与短信验证码，大模型自动调度RPA机器人完成外网登录、PDF附件下载、内网系统填报、附件上传等多步操作，流程耗时从40分钟缩短至5分钟，操作步骤从12步减少至3步；

扩展能力：支持自定义RPA流程编排，员工通过可视化界面拖拽组件即可创建简易流程（如文档合并、批量打印、邮件群发），已累计上线RPA流程50+，覆盖运营、行政、财务等多个部门。

·多模态知识管理与检索技术，构建企业级智能知识库

数据处理：支持文本、图像、音视频等多模态数据接入，通过OCR提取扫描件文本，语音转写技术转换音频内容，统一转化为结构化知识；

检索机制：采用“向量检索+关键词检索”混合策略，向量检索负责语义相似性匹配，关键词检索确保核心信息精准命中，检索召回率达93%；

知识呈现：支持答案溯源与原文高亮定位，员工可查看回答对应的参考文档片段，点击跳转至完整文档；长文档自动生成大纲与脑图，帮助员工快速掌握核心内容，节省60%的文档阅读时间。

·安全合规管控技术，满足金融行业数据安全要求

私有化部署：核心模型、知识库、业务数据均部署于浦银理财本地机房，未授权数据不出境，降低数据泄露风险；

精细化权限管控：基于RBAC模型，实现“用户-角色-权限-数据”的四级管控，不同部门、岗位员工仅能访问权限范围内的知识库与业务数据，例如投研人员无法查看财务敏感数据；

操作审计：记录所有用户交互日志、工具调用日志、数据查询日志，支持日志追溯与审计分析，满足监管合规要求。

5.重要产品

·智浦小鹿客户端：Data Agent核心交互入口

核心功能：自然语言问答、流程触发、文档上传、报告生成、数据查询，支持会话历史同步、快捷流程收藏、个性化设置；

交互设计：采用“零门槛对话式交互”，无需员工记忆功能入口，例如员工说“帮我预订明天10点的会议室”，自动触发会议安排流程；支持多轮对话，可上下文关联，例如后续补充“参会人员增加3人”，自动更新会议信息；

性能优化：客户端启动时间≤3秒，对话响应时间≤1.5秒，支持离线缓存常用知识库，无网络环境下可查询历史知识。

·智能模型中台：技术能力支撑核心

OCR+IDP智能文档处理：支持多格式文档解析、表格提取、印章识别、手写体识别，处理准确率达98%，日均处理文档1000+份；

RPA机器人平台：提供100+预置组件，支持Web端、桌面端、移动端应用自动化，流程成功率达99%；

大模型服务平台：支持多模型接入与管理，提供模型微调、推理优化、性能监控功能，可根据业务场景灵活选择模型，例如复杂推理场景使用Deepseek 32B，快速问答场景使用轻量化模型。

·管理后台：运营与管控核心

问答管理：支持知识库维护、问答对编辑、敏感词设置、回答优化，管理员可查看问答命中率与用户反馈，持续优化知识库；

模型管理：实时监控模型响应时间、准确率、并发量，支持模型版本管理与回滚，当新版本模型性能不达标时可快速切换至稳定版本；

效能分析：提供多维度数据报表，包括用户活跃度、流程自动化率、时间节省统计、部门使用情况等，帮助管理者掌握Agent服务成效。

6.创新思维

·“四化”建设目标引领

提出“知识服务智能化、员工服务自动化、模型服务本地化、智能服务中台化”的核心目标，既解决当前业务痛点，又为未来扩展奠定基础。其中，模型服务本地化满足金融行业数据安全要求，智能服务中台化实现AI能力的复用与快速迭代，体现了“短期见效、长期赋能”的战略思维。

·“以员工为中心”的交互设计

突破传统GUI交互模式，采用对话式交互，降低员工使用门槛；针对模糊查询设计反问澄清机制，针对专业术语设计自适应理解机制，体现了“人性化、场景化”的产品思维。

·“可插拔、可扩展”的架构设计

智能模型中台采用模块化设计，支持大模型、工具、插件的灵活接入与替换；知识库支持部门级扩展与自定义配置；应用层支持多端接入与系统集成，体现了“弹性适配、快速迭代”的技术思维。

·“安全合规优先”的底线思维

全程贯彻金融行业安全合规要求，从私有化部署、数据加密、权限管控、操作审计等多维度构建安全体系，确保项目符合监管要求与数据安全标准。

7.团队配合与项目管理

本项目由达观数据与浦银理财联合组建“智浦小鹿”专项组，下设：

·业务组（浦银理财各部门代表）：负责需求提出、场景验证、业务培训。

·技术组（达观数据架构、算法、开发团队）：负责系统设计、开发、集成与运维。

·项目管理组：负责进度控制、资源协调、风险管控。

双方采用敏捷开发模式，每两周进行一次迭代评审，确保项目始终贴合业务实际需求。浦银理财提供业务环境与数据支持，达观数据提供技术产品与实施服务，形成“业务驱动、技术赋能”的良好合作机制。

生态伙伴合作

“智浦小鹿”项目作为金融行业标杆性Data Agent应用，其成功落地离不开多领域生态伙伴的深度协同。项目聚焦金融行业高安全、高可用、高合规的核心需求，联合国产化操作系统、分布式数据库、企业级存储、开源中间件等领域头部伙伴，构建了“技术互补、能力协同、安全可控”的合作生态，为项目提供从底层基础设施到上层技术组件的全栈支撑，确保Data Agent在复杂业务场景下稳定高效运行。

1.国产化操作系统伙伴：麒麟软件

项目选用麒麟V10 x86架构操作系统作为底层运行环境，麒麟软件作为核心合作伙伴，提供了全方位的技术支持与适配服务。针对金融行业数据隐私性强、合规要求高的特点，麒麟软件为项目定制了安全加固方案，通过内核级安全防护、细粒度权限管控、全生命周期审计日志等功能，满足浦银理财对数据安全与合规的严苛要求。

2.分布式数据库伙伴：华为（GoldenDB）

作为项目核心数据存储支撑，华为凭借GoldenDB分布式数据库为智浦小鹿提供了高可用、高并发的数据存储与处理能力。针对浦银理财业务数据体量大、查询频率高的痛点，GoldenDB采用分布式架构设计，支持数据分片存储与并行计算，能够轻松应对日均百万级别的数据读写请求，确保NL2API数据查询、知识库检索等核心功能的秒级响应，实现与浦银理财资金清算系统、资管系统、估值系统等多源业务系统的数据实时同步，保障数据一致性与时效性。此外，GoldenDB具备完善的容灾备份机制，支持跨区域数据冗余存储，满足金融行业“零数据丢失”的核心要求，为Data Agent的数据分析与业务流程自动化提供了可靠的数据底座。

3.企业级对象存储伙伴：华为（OBS）

针对项目中大量非结构化数据的存储需求，华为OBS（对象存储服务）作为核心存储伙伴，提供了高可靠、高扩展的存储解决方案。智浦小鹿项目涉及的10万+份企业制度、投研报告、产品文档等非结构化数据，均通过华为OBS进行集中存储与管理。华为OBS支持PB级数据存储容量扩展，能够随项目数据量增长灵活扩容，无需担心存储瓶颈；同时采用多副本冗余存储技术，数据可靠性达99.999999999%，确保文档、报告等核心知识资产不丢失。此外，华为OBS提供安全的访问控制机制，与浦银理财的权限系统深度集成，实现数据访问的精细化管控，仅授权用户可查看对应权限的文档资源，保障数据隐私安全。

4.开源中间件技术伙伴：Elastic、Redis生态

在中间件层面，项目联合Elastic生态伙伴与Redis技术支持团队，构建了高效的检索与缓存体系。针对知识库全文检索、长文档关键词提取等需求，项目采用Elasticsearch 8.14.1版本作为核心检索引擎，Elastic生态伙伴提供了专业的技术优化服务，包括索引结构设计、查询语句调优、集群性能监控等，通过分词算法优化、检索结果排序策略调整，将知识库查询的召回率提升至93%以上，响应时间控制在1秒内，满足员工快速获取知识信息的需求。针对高并发场景下的性能优化需求，项目选用Redis 6.2.6版本作为分布式缓存组件，通过主从复制、哨兵模式部署，确保缓存服务的高可用性；同时协助优化缓存策略，将高频查询数据、会话上下文、热点配置等存入Redis，减少数据库访问压力，使Data Agent的整体响应速度提升40%，有效支撑了日均千级用户的并发访问。

各生态伙伴围绕智浦小鹿项目的核心需求，形成了“底层安全可控、中层高效协同、上层灵活扩展”的合作格局。麒麟操作系统与华为GoldenDB、OBS的国产化适配，满足了金融行业国产化替代与合规要求；Elasticsearch与Redis 的技术优化，提升了Data Agent的检索与响应性能；多方伙伴的联合调试与应急响应机制，确保了项目从开发、测试到上线全流程的顺畅推进，使“智浦小鹿”在数据安全、处理性能、业务适配等方面均达到金融行业领先水平。

合作服务效果

“智浦小鹿”项目通过达观数据核心技术与生态伙伴全栈支撑的深度协同，实现了从“技术落地”到“价值创造”的跨越。项目以量化数据为核心，从效率提升、成本节约、业务创新、合规安全四大维度构建“成效与价值度量体系”，全面展现Data Agent应用为浦银理财带来的颠覆性改变，其商业价值与行业示范效应显著。

1.成效与价值度量：量化指标见证转型成果

·效率提升：从“流程繁琐”到“秒级响应”

知识获取效率提升95%：项目前，员工查询制度文件、业务手册等知识平均耗时30分钟，且准确率仅60%；Data Agent上线后，通过知识库智能检索与答案溯源功能，知识查询响应时间缩短至1.5秒内，答案准确率提升至92%。截至2025年4月，累计处理知识库查询10万+次，节省人工检索时间约5万小时，相当于25名全职员工一年的工作量。

业务流程效率提升80%：针对个人证券投资申报、费用查询、文档打印等高频流程，Data Agent通过RPA+大模型协同实现自动化执行。其中，个人证券投资申报流程从原来的40分钟/次缩短至5分钟/次，操作步骤从12步减少至3步；费用类业务问答从“人工核对+邮件反馈”的2小时/次，变为NL2API秒级查询响应，流程效率提升3倍以上。

数据分析效率提升70%：传统数据分析需员工掌握SQL语法或依赖技术团队支持，平均响应周期为1-2个工作日；Data Agent的NL2SQL/NL2API能力支持自然语言直接查询业务数据，复杂数据分析需求响应时间≤10秒，且支持自动生成可视化图表，全年累计完成数据分析任务2万+次，为投研决策、运营监控等提供快速支撑。

·成本节约：从“人力密集”到“智能替代”

人工成本年节约百万元+：通过Data Agent自动化替代重复性工作，浦银理财在运营、行政、投研等部门减少人工投入约30人年，按金融行业平均人力成本核算，年节约人工成本超150万元。同时，减少因人工操作失误导致的返工成本，全年失误率从原来的8%降至0.5%，挽回潜在损失约50万元。

系统运维成本降低40%：项目前，浦银理财多系统独立运维，需投入专门团队处理跨系统对接、故障排查等工作；Data Agent通过统一工作台与智能中台整合多系统能力，实现运维流程自动化，运维人员工作量减少40%，年节约运维成本约80万元。

·知识管理成本降低60%：传统知识管理需专人负责文档分类、更新、维护，年投入成本约60万元；Data Agent支持文档自动解析、智能标签化、批量更新，知识管理人工投入减少60%，年节约成本约36万元，同时知识库更新频率从月度提升至实时，知识时效性显著增强。

·业务创新：从“被动响应”到“主动赋能”

场景覆盖从“单一”到“全链路”：项目初期聚焦知识库问答、基础流程自动化2大场景，目前已扩展至智能投研、智能风控、智能写作、合规审核等10+核心业务场景，覆盖投研、运营、财务、风控、人力等12个部门，成为员工全流程工作伙伴。其中，信托贷款评估报告写作场景实现“材料上传→自动生成→审核优化”全流程自动化，报告生成时间从3个工作日缩短至4小时，累计生成报告1000+份。

服务模式从“工具使用”到“智能交互”：突破传统GUI操作模式，Data Agent的对话式交互支持自然语言模糊查询、多轮对话澄清需求，用户满意度达89%。上线以来，日均活跃用户从312增长至1357，用户渗透率从初期的30%提升至95%，成为浦银理财内部使用率最高的智能工具。

数据价值从“沉淀”到“激活”：浦银理财累计沉淀的10万+份非结构化文档、海量业务数据，通过Data Agent的RAG技术、数据分析能力实现价值激活，全年通过知识库问答、数据查询、报告生成等功能，挖掘数据价值点500+个，为产品创新、投资决策提供数据支撑，间接带动投资收益提升约2%。

·合规安全：从“被动合规”到“主动防控”

合规风险降低90%：Data Agent内置敏感词库与合规校验规则，对涉及客户隐私、监管要求的信息自动过滤与审核，全年拦截违规查询、不合规文档生成等风险行为1000+次。同时，所有操作日志实时审计，支持追溯与溯源，满足金融行业监管合规要求，合规检查通过率从92%提升至100%。

数据安全保障升级：通过国产化操作系统、分布式数据库、私有化大模型部署的协同，实现数据“存储-传输-使用”全链路安全可控。数据加密传输率达100%，权限管控颗粒度细化至“用户-部门-数据项”，未发生一起数据泄露或安全事件，数据安全评级从行业中等水平提升至优秀。

2.Data Agent应用的核心价值体现

·从“工具型应用”到“智能体伙伴”的跨越

传统AI工具仅能响应单一指令，而Data Agent具备“感知-记忆-决策-行动”全链路能力，能够自主理解模糊需求、分解复杂任务、调度多工具协同执行。例如，员工提出“分析近3个月同业理财产品收益情况并生成报告”，Data Agent自动拆解为“数据爬取→数据清洗→数据分析→图表生成→报告撰写”5个子任务，调度RPA爬取同业数据、NL2SQL分析数据、智能写作生成报告，全程无需人工干预，实现从“被动工具”到“主动伙伴”的本质转变。

·从“系统孤岛”到“数据协同”的打通

浦银理财此前存在多系统独立运行、数据割裂的痛点，Data Agent通过智能中台整合OCR、RPA、大模型、数据库等多源能力，实现跨系统数据无缝流转与业务流程串联。例如，投资交易划款审核场景，Data Agent自动从交易系统提取划款信息、通过 OCR识别交易单要素、与资金清算系统核对数据、向审批系统推送审核结果，打通4个核心系统的数据流与业务流，跨系统协作效率提升3倍，彻底解决“员工在多系统间频繁切换”的痛点。

·从“标准化服务”到“个性化适配”的升级

Data Agent支持部门级知识库定制、角色权限个性化配置、业务场景灵活扩展，能够适配不同部门、不同岗位的差异化需求。例如，投研部门可通过自定义知识库接入行业研报、宏观数据，运营部门可配置专属RPA流程，管理层可获取定制化经营分析报告，实现“千人千面”的智能服务。同时，通过Prompt管理与专有名词映射，支持员工使用行业黑话、内部术语进行交互，意图识别准确率达95%，大幅降低使用门槛。

3.长期价值与行业影响

智浦小鹿项目的成功落地，不仅为浦银理财带来直接的商业价值，更推动其数字化转型从“线上化”迈入“数智化”新阶段，成为资管行业Data Agent应用的标杆案例。项目验证了Data Agent在金融行业的可行性与规模化应用潜力，其“国产化适配+私有化部署+场景化创新”的模式，为其他金融机构提供了可复制、可推广的实践经验。该项目已入选2024年人工智能大模型金融领域示范场景及创新应用案例、《上海全球资产管理中心建设资产管理大模型应用实践与指南》（收录案例）、AIDD2025AI+研发数字峰会AI+领域线金融业典型案例、信通院《2025年“人工智能+”行业标杆案例荟萃》，具有很好的代表性和可复制性。

关于企业

·达观数据

达观数据2015年底成立，专注于智能知识管理软件系统的开发，广泛应用于各类知识管理业务的智能化、人性化，大幅度提高企业人效与智能化水平。其自主研发的AI Agent智能体平台以智能问答交互为窗，大模型认知决策为核，融合IDP、RPA等丰富的AI能力，打造智能任务处理闭环。集成企业知识库，深度激活企业知识价值，赋能政务、金融、制造等多领域端到端智能转型。是行业首家国家级专精特新“小巨人”企业，也曾荣获中国人工智能领域最高奖“吴文俊人工智能奖”。

点击文末“阅读原文”链接还可查看达观数据官网

·浦银理财

浦银理财紧紧围绕浦发银行“全面建设具有国际竞争力的一流股份制商业银行，推动全行成为新时代金融业高质量发展的排头兵和先行者”的战略目标，坚持以高质量发展为主线，以服务为根本，以市场为导向，以国际一流的资产管理机构为标杆，以专业驱动投资、以业绩回报信任为战略发展定位，努力打造销售渠道多元化、产品研发特色化、投资研究一体化、服务支撑数字化的领先资产管理机构。

★以上由达观数据投递申报的Agent案例，最终将会角逐由金猿组委会×数据猿×上海大数据联盟联合推出的《2025中国大数据产业年度Data Agent创新应用》榜单/奖项。

该榜单最终将于1月上旬上海举办的“2025第八届金猿大数据产业发展论坛——暨AI Infra & Data Agent趋势论坛”现场首次揭晓榜单，并举行颁奖仪式，欢迎报名莅临现场。