一、项目背景及目标

面对经济下行期信贷风控中数据颗粒度粗、人工依赖强、场景割裂等痛点，泉州银行融合大模型与数据挖掘技术，打造“智能问数与洞察平台”。平台集成数据看板、智能问数、趋势预测、阈值预警和自动化报告五大功能，支持多维度下钻、趋势预测、智能归因与自动预警，实现风险数据的可视化呈现、穿透式分析与智能决策闭环，全面提升风控的精细化、敏捷化与前瞻性水平，并为精准营销、经营分析等场景的横向扩展奠定坚实基础。

为应对日益严峻的内外部风控挑战，并支撑业务的精细化与可持续发展，泉州银行启动“智能问数与洞察平台”建设项目。

从内部管理来看，其紧迫性尤为突出：一是风险数据颗粒度粗、分析深度不足，现有分析维度单一，难以满足精细化、差异化风控需求；二是信贷风险分析高度依赖人工操作，包括手工取数、报表导出、数据加工与报告撰写，流程繁琐、耗时长、效率低。与此同时，外部形势亦对风控能力提出更高要求。伴随着经济下行压力持续加大，信贷资产风险正加速暴露，监管部门不断强化风险穿透管理要求，业务发展亟需“看得清、判得准、控得住”的数字化风控能力，以实现对风险底数的精准识别与潜在隐患的前瞻预警。

因此，泉州银行以数据要素和数字技术为核心驱动力，依托大模型技术启动“智能问数与洞察平台”建设，聚焦信贷风控标杆场景，打造集数据看板（支持多维度交叉组合与下钻上卷）、智能问数、趋势预测、阈值预警及自动化报告于一体的智能化数据分析平台，实现风险数据的可视化呈现、穿透式分析与智能决策闭环，全面提升风控的精细化、敏捷化与前瞻性水平，并为精准营销、经营分析等场景的横向扩展奠定坚实基础。

二、项目方案

本项目聚焦信贷数据分析场景，建设内容涵盖数据看板、智能问数、趋势预测、自动化报告生成、阈值预警等核心功能，有效支撑风险信息的可视化呈现、多维度分析与智能化应用。

1.数据看板

本项目构建多维度信贷风险数据看板体系，涵盖总体指标、结构看板、画像看板、趋势看板、固定报表以及红黑榜六大模块，支持横向比较、纵向穿透与全面展开，打造可钻取、多维度联动的数据视图。具体功能模块如下：

①看总体-总体指标

聚焦全行信贷资产质量核心表现，涵盖贷款余额、本年新发生不良余额、逾期余额、不良余额、不良余额（含核销）、逾期率、不良率、不良率（含核销）等8项关键指标，全面反映风险数据与整体态势。

图 1总体指标（所提供数据仅为测试目的而生成的混淆数据）

②看结构-维度看板

从客群、机构、产品、地区、担保方式、行业以及人员等7个维度进行立体化切片分析，当点击7个维度中某个具体维度时，系统会展示与首页相同的整体指标（如不良率、逾期率、贷款余额等），但计算范围已从“全行汇总”转变为“维度归集”，指标均基于该维度集合重新聚合计算，从而提供更精确的风险洞察。

维度看板涵盖贷款余额、逾期余额、不良余额、不良率、逾期率、新发生频繁逾期余额等32项关键指标，每个指标均支持按当前分析维度、灵活交叉其他维度进行层层下钻分析，并可灵活切换分析维度和按近五年时间序列进行趋势分析，深入揭示风险分布特征与结构性差异，帮助管理人员、业务人员全面了解信贷资产的风险分布情况，快速定位问题。

图 2维度看板（所提供数据仅为测试目的而生成的混淆数据）

③看画像-画像看板

本项目构建机构、客户及客户经理三大关键主体的画像看板，通过融合授信情况、用信余额、逾期记录、不良率、审批通过率、风险预警信号等多维度指标，全面刻画各类主体的信用状况、业务行为特征与潜在风险水平。支持通过名称精准搜索，快速定位目标机构/客户/客户经理，一键调取其专属风险档案。

图 3画像看板（所提供数据仅为测试目的而生成的混淆数据）

④看趋势-趋势图

支持近5年及近12个月的时间序列分析，展示贷款余额、不良率、首贷不良率、逾期率等4个关键指标的变化趋势，助力识别风险拐点、研判发展趋势。

图 4趋势图（所提供数据仅为测试目的而生成的混淆数据）

⑤看关键问题-固定报表

固定报表对信贷风险领域的关键指标进行系统性提炼与整合，构建标准化、常态化的总览式数据。报表内容覆盖机构、产品、行业、贷款余额区间、定价区间等重点维度的结构特征与核心表现，集中展示贷款余额、不良率、逾期率以及风险暴露突出的机构和客户等关键数据，实现多维度信息的统一归集与直观呈现。

⑥看排行-红黑榜

设立机构级（分行级/支行级）、客户经理级红黑榜，按不良率、逾期率、本年新发生不良余额分别生成排名榜单，展示表现最优（红榜）与最需关注（黑榜）的前若干名，帮助管理层清晰掌握各机构、客户经理的风险情况，识别先进典型与落后短板，为资源配置、考核评价和管理干预提供可视化、可量化的决策依据。

2.智能问数

构建问数、归因、洞察三大核心内容，实现从问题提出到原因定位再到策略建议的流程自动化。

图 5智能问数（所提供数据仅为测试目的而生成的混淆数据）

①问数：本项目融合人工智能与自然语言处理技术，支持以自然语言进行交互式查询与分析，能够查询汇总数据与明细数据，覆盖业务核心领域，满足从宏观趋势研判到微观个体追溯的多样化分析需求。“智能问数”有效打破传统报表模式的数据使用门槛，推动信用风险分析从“被动看报表”向“主动问数据”跃迁，各级管理人员、业务人员无需掌握复杂查询逻辑或技术工具，即可随时随地获取所需信息，实现数据驱动的敏捷决策，充分释放数据资产的业务价值。

②智能归因（问题中涉及到日期维度的单个指标时触发）：用于分析关键指标在时间上的变化原因，以时间序列对比为主，支持同比、环比或与指定基准期的比较，能够自动发现指标的明显波动，触发分析引起波动的主要因素以及历史趋势，找出导致变化的主要原因。该功能是在数据波动层面进行原因探查，即基于数据之间的关联进行总结和提示。所生成的分析结果是对已发生变化的客观描述和初步建议，帮助业务人员快速定位“为什么指标变动”，提升风险响应效率。

③AI数据洞察：在每次查询或归因完成后，支持调用大模型能力，基于当前数据结果自动生成简明的文字性分析洞察，包括趋势判断、风险提示、影响范围说明及初步应对建议，辅助业务及管理人员快速理解数据背后的意义。通过自动化生成“看得懂、用得上”的分析材料，降低数据解读门槛，实现从“会看数”到“懂数用数”的跨越，推动数据驱动决策在基层机构、业务部门中的落地应用，真正实现“数据普惠”。

3.阈值预警

本项目构建阈值预警机制，实现关键风险指标的动态监测与主动预警。系统支持对各类核心指标设置阈值，一旦指标达到或超过预设临界值，系统将自动触发预警，并通过平台消息点对点定向推送预警信息至指定责任人。该功能确保相关人员能够第一时间掌握异常情况，及时介入排查与处置，有效提升风险响应速度与管理主动性，加快实现从“事后发现”向“事前预警、事中干预”的闭环管控转变，进一步增强信用风险防控的精准性与时效性。

4.自动化报告生成

本项目构建深度自动化报告生成功能，持续提升数据分析成果的输出效率与智能化水平。基于预设的报告模板，可自动抽取、加工和填充各类关键指标数据，实现报告内容的高效生成。同时，深度融合大模型的自然语言生成与泛化能力，在呈现数据结果的基础上，智能生成趋势分析、异常解读、风险提示及优化建议等辅助性内容，赋予报告更强的洞察力与决策参考价值。该功能有效减少人工整理与撰写的工作量，确保报告的规范性、及时性和一致性，助力管理人员快速掌握业务动态，推动数据成果向决策支持的高效转化。

三、创新点

1.大小模型协同的智能问数架构

项目创新性融合大模型与小模型技术优势，采用轻量级小模型实现高频、简单查询的快速响应，保障日常交互效率；同时调用大模型强大的自然语言理解与生成能力，支撑复杂语义解析、归因分析及洞察报告自动生成。

2.轻量级落地，敏捷推广

项目采用“小步快跑、场景驱动”的实施策略，优先聚焦高价值、高痛点的信贷风险数据分析场景，快速交付可用成果，并通过试点—反馈—优化—推广的闭环机制，确保平台功能紧贴业务实际，加速全行范围内的应用渗透与价值释放。

四、项目过程管理

1.项目筹备阶段（2025.6-2025.7）

期间多次组织风险管理、业务条线、科技部门及外部厂商，围绕业务痛点、技术可行性与实施路径开展多轮调研、方案论证与架构设计，扎实完成前期准备工作。

2.需求访谈阶段（2025.8-2025.9）

开展深度需求访谈，全面收集业务人员在信贷风险数据分析场景中的实际诉求。

3.需求分析阶段（2025.9-2025.10）

确定业务需求，并进行分析，确定外围系统、技术实施路径等。

4.开发测试阶段（2025.10）

进入开发、测试与系统联调阶段，高效推进平台功能落地与集成验证。

5.投产上线阶段（2025.10）

平台正式投产上线，面向首批用户开放使用。

五、运营情况

项目采取“分阶段、按角色”逐步开放权限，确保系统平稳落地与高效使用。自10月底正式上线以来，已运行半个月有余。当前已完成首批用户授权，授权管理用户90名，包括总行及分行的行长、副行长、部门总经理等各级管理者，累计访问量超800次。

自投产上线以来，系统整体运行稳定、响应高效，各项核心功能按预期正常运转，未发生重大故障或性能瓶颈。

六、项目成效

1.大幅缩短数据获取周期。在传统模式下，数据准备依赖生产数据提取，平均耗时1–3天；系统上线后，实现“秒级查询、分钟级出数”，关键数据响应效率提升70%以上，有效支撑高频分析与动态决策需求。

2.降低人工操作工作量。预计可减少各级分析、监测及业务人员在手工取数、Excel加工、报表编制等事务性工作上的投入，释放的人力资源可转向风险研判、经营分析、策略优化等高附加值任务，提升整体组织效能。

3.促进数字化水平提升。项目实现自然语言问数、智能归因、阈值预警等前沿功能，打造具有示范意义的数字化转型标杆案例，为后续在精准营销等领域的智能化应用提供可复制、可推广的技术路径与实施经验。

4.全面提升员工数字素养。通过自然语言交互等低门槛数据使用方式，打破“数据壁垒”与“技术鸿沟”，让各级员工“会问就会查、会看就会用”，切实降低数据分析的使用门槛，持续提升全行数字化能力基座。

七、经验总结

项目的快速落地，积累了以下关键经验：

1.坚持业务驱动，聚焦高价值场景。项目以信贷风险数据分析这一核心痛点为切入点，紧扣真实业务需求设计功能，确保平台“可用、好用、管用”。

2.强化跨部门协同，构建“业技数”融合机制。项目由风险、业务、科技及数据团队全程深度参与，从需求调研、方案设计到测试验证形成闭环协作，有效弥合业务语言与技术实现之间的鸿沟。

3.采用敏捷实施路径，小步快跑、快速迭代。通过“试点先行—反馈优化—逐步推广”的策略，在3个月内完成从需求到上线的全流程，快速交付可用成果，并根据用户反馈持续优化体验，提升采纳率。

4.打造可复用架构，支撑横向扩展。平台采用模块化、服务化设计，不仅满足当前信贷风控需求，更为未来向精准营销、经营分析等场景复制奠定技术底座，实现“一次建设、多场景赋能”。

通过以上实践，泉州银行不仅提升了自身数据分析与智能决策能力，也为中小银行在资源有限条件下推进高质量数字化转型探索出一条务实、高效、可持续的路径。