一、项目背景及目标

2026年为“十五五”开局之年，金融科技由基础建设阶段迈入全链路数智化纵深发展新阶段。随着《金融科技发展规划（2022—2025年）》顺利收官，行业竞争重心转向对实体经济的精细化、精准化金融服务。当前供应链关系呈现网状复杂化特征，传统线性上下游关系已演变为跨境、绿色低碳等多维度融合的复杂生态，精准识别实质关联与资金流向成为穿透式监管核心要求；同时，宏观环境更趋复杂，单一财务指标的风险识别模式难以满足系统性、前瞻性风控需求，传统对公服务模式与数据治理能力亟待升级。

本项目以数字技术+数据赋能为双轮驱动，通过系统性的变革重构对公金融服务模式。具体实施路径如下：

一是构建“湖仓集一体”的底座架构实现全量数据治理，建设“数据湖（海量存储）+数据仓库（高效治理）+数据集市（场景建模）”的统一融合架构，打破传统分散数据存储模式下的数据孤岛，统一纳管全系统内部金融数据与水电能耗、快递物流、地理热度等外部非金融数据，夯实数据治理与企业画像基础。

二是实施“规则+模型+图谱”三位一体的智能决策引擎，构建三层智能引擎，即底层规则引擎、中层算法模型、顶层知识图谱，形成多层级、高精准的风险识别与客户分析能力。

三是引入大语言模型（LLM）自动生成企业经营洞察报告，将复杂的数智化分析结果转化为可理解的业务建议，驱动业务人员的“决策革命”，降低专业门槛并大幅提升作业效能。

四是建立月更新、季扩展、年升级的长效运营机制，构建具有迭代适应性的数字基础设施，建立月度话术更新、季度场景扩展、年度架构升级的长效运营机制，确保智能营销平台不仅是静态的工具，更是能够随宏观政策导向及市场风险特征实时进化的数智生命体。

五是强化AI可信化与数据合规，筑牢数智安全防线。严格遵循数据要素合规要求，运用可解释、可追溯、可管控的AI可信技术与隐私计算手段，在保护企业商业秘密前提下挖掘跨机构数据价值，构建安全、合规、可信的数字金融服务生态。

二、创新点

1.跨界多维数据融合，实现企业空间实体动态校准

项目突破传统仅依托工商注册信息的静态管理模式，基于湖仓集一体数据架构，融合地理LBS、物流、水电能耗等外部多维非金融数据，运用空间信息技术实现企业经营地址、经营状态的动态精准画像，大幅提升客户识别真实性与时效性。

2.知识图谱驱动，从单点营销升级为供应链链式价值挖掘

项目由传统单点获客升级为全链精准营销，依托核心企业构建供应链知识图谱，通过图谱精准识别与核心企业并无直接交易、但处于同一技术专利链或特许经营圈内的潜在优质标的，深度挖掘隐性关联客户与产业链薄弱环节，为核心企业提供生态补位与配套融资方案，实现批量拓客与产业链金融协同。

3.三位一体智能引擎，构建前置化供应链动态风险预警

项目创新打造“规则+模型+图谱”三层风控体系，替代传统依赖报表的滞后式风控模式，通过底层专家规则、中层机器学习、顶层关联图谱协同研判，实现交易异动实时监测、关联风险提前预警，全面提升风控精准度与前瞻性。

4.大模型（LLM）赋能的自动化经营洞察

项目深度融合生成式AI（AIGC）技术，将大语言模型应用于对公业务垂直场景，实现了经营分析报告的自动化生产。系统运用大模型对海量企业经营数据进行语义提取，自动生成逻辑严密的分析报告，显著降低基层操作门槛，释放人力效能，推动业务从人工分析向智能决策升级。

三、项目技术方案

项目采用“1+3+N”的技术架构体系，即建设1个统一数智底座、搭建3大智能引擎、赋能N个对公业务场景，以技术支撑供应链精准获客、智能风控与高效运营。

1.“湖仓集一体”数智底座架构

项目构建数据湖+数据仓库+数据集市融合架构，破解数据孤岛、支撑全场景智能应用：

数据湖（海量存储）：采用分布式存储技术，统一接入并纳管地理位置（LBS）热度、快递物流频次、水电能耗等外部非结构化与半结构化数据，实现海量数据低成本归集。

数据仓库（高效治理）：对工商、税务、信贷等结构化数据进行全量治理，建立统一数据口径与模型。

数据集市（场景建模）：面向供应链营销、风控等场景构建特征宽表，为模型训练与业务决策提供高质量数据支撑。

2.基于知识图谱的供应链深度价值挖掘

以“企业－产品－地区”为核心构建供应链知识图谱，覆盖供应商、生产商、物流、核心高管等多类节点及供应、控股、竞争、邻近等关系，通过图算法实现价值挖掘：

全链路路径分析：基于图数据库路径搜索能力，穿透供应链多层级关系，还原从原材料到终端产品的完整拓扑结构，精准识别隐性供应商、隐藏关联客户。例如，表面看只有3家一级供应商，但通过图谱发现，这3家供应商的底层原材料均来自同一家二级供应商，可用于发现“隐性供应商”。

节点重要性评估：运用PageRank、中介中心性（Betweenness Centrality）等算法，量化评估企业在供应链网络中的核心地位，锁定高价值核心企业与潜力客群。

供应链断点识别：自动识别供应链薄弱环节与单一依赖风险，为链式金融服务、批量获客提供精准方向。

3.“规则+模型+图谱”三位一体的供应链动态风险预警

项目融合专家经验、机器学习与图计算技术，构建三层联动、前置预警、穿透防控的动态风险体系：

底层规则引擎：沉淀信贷风控专家经验，构建标准化规则库，对工商吊销、经营异常、能耗骤降、重大诉讼、负面舆情等显性风险指标实时监控与准入拦截。

中层算法模型：采用XGBoost、随机森林等机器学习算法，对企业经营稳定性、营销价值、违约概率进行多维度量化评分，深度挖掘隐性经营风险与客户潜力。

顶层知识图谱：依托GCN图卷积网络、GAT图注意力网络等先进图算法，穿透识别复杂股权关系、实质控制人、隐蔽资金循环与关联违约风险，实现供应链系统性风险预判。

4.大模型（LLM）驱动的自动化作业工具

引入生成式AI技术，将大语言模型（LLM）垂直应用于对公供应链金融场景，将后端繁杂的数据分析转化为前端可读的决策建议，实现数据分析与作业流程全面自动化：

语义提取与智能解析：通过大模型对企业经营数据、行业趋势、政策信息、新闻舆情进行多维度语义理解与特征提取。

经营报告自动生成：基于标准化业务模板，由LLM自动完成企业经营分析、供应链研判、风险提示、营销建议等内容撰写，输出逻辑完整、可直接使用的专业报告。

自然语言智能交互：支持基层业务人员以对话方式查询企业画像、供应链关系、风险信息，降低系统使用门槛，大幅提升一线作业效率与决策能力。

四、运营情况

1.多维数据集成与实体校准运行平稳

项目已成功构建“湖仓集一体”的底座架构并持续稳定运行，实现江苏省农商银行系统内部金融数据与工商、税务、LBS地理、物流、水电能耗等外部多维度数据统一纳管与实时动态更新。系统已完成全系统对公客户经营实体动态画像与空间精准校准，有效解决传统模式下企业信息不实、虚假挂靠、地址失联等监测难题，数据准确性、时效性与覆盖率显著提升，为智能营销与风控提供可靠数据支撑。

2.链式营销与风险预警深度嵌入业务流

依托“规则+模型+图谱”三位一体的智能引擎，对公业务已实现从“单点营销”向“链式营销”的战略转型。

营销推广：实现从“单点获客”向供应链链式营销转型，通过知识图谱与图算法精准挖掘核心企业上下游、专利链、经营圈等隐性优质客群，自动生成并推送定制化融资方案，营销触达更精准、拓客效率更高。

风控运行：系统实时监测供应链交易异动，三层智能引擎协同联动，实现关联风险早识别、早预警、早处置，有效提升供应链风控前瞻性与穿透性，保障业务稳健发展。

3.大模型大幅提升作业效能

大模型（LLM）自动化经营分析功能已在全行对公条线全面推广应用，系统可自动完成企业数据语义解析、经营研判与报告生成，将传统人工数小时乃至数天的分析工作压缩至分钟级完成，大幅降低基层操作门槛，全面释放人力、提升决策效率，真正实现从“工具支撑”向智能决策辅助的转变，获得一线业务人员广泛应用与高度认可。

五、项目成效

1.跨界数据融合筑牢精准服务根基，保障实体经济“精准滴灌”

项目以湖仓集一体数据底座为支撑，打破传统单一金融数据壁垒，深度融合LBS地理、物流、水电能耗等多维度跨界非结构化数据，通过空间实体校准技术，将企业经营判断由静态工商信息升级为动态实时画像，显著提升客户识别真实性与精准度，为供应链精准营销、精细化风控提供高质量数据支撑，真正实现对实体经济的精准滴灌。

2.构建长效迭代机制，打造可持续进化的“数智生命体”

项目建立月度话术更新、季度场景扩展、年度架构升级的闭环运营机制，推动平台从静态工具向自适应、可进化的数智生命体转型。系统可紧跟宏观政策、市场环境与风险特征持续迭代优化，保持技术先进性与业务适配性，全面提升我行对公金融服务的长期竞争力与数智化发展韧性。