一、项目背景及目标

面对当前银行业数据分散、分析周期长、决策滞后、多端协同难等痛点，重庆富民银行依托BI（商业智能）、AI（人工智能）、RPA、大数据等技术，自主研发《基于“BI”和“AI”双驱动下的银行业智能决策系统》（以下简称“智能决策系统”）。该系统构建“数据生产-分发-决策-行动”全流程闭环，实现多终端实时数据查阅、自然语言“即问即答”（10秒生成可视化报告）、智能预警与业务行动联动，覆盖全行所有部门及高管层、核心骨干。项目落地后，决策周期缩短30%、数据生产效率提升10倍、创利超千万元，不仅成为富民银行的“数据智囊”，更以“低成本、高适配”特性为中小银行数字化转型提供可复制的实践范本。

1.需求分析

内部需求：破解数据“孤岛”、分析门槛高、周期长、多端协同难、主动预警缺失、数据洞察与业务联动不足等问题，实现高效决策与业务快速优化。

外部需求：匹配行业数字化转型趋势，响应监管对风险实时防控、普惠金融服务效率的要求，同时满足小微企业“快速获贷、灵活调额”的市场需求。

2.立项背景

（1）内部痛点：传统数据模式难以支撑高效决策

数据“孤岛”问题突出：业务、行为、运营数据分散于几十个系统，跨系统整合清洗，单次归集耗时2-3天，无法支撑实时决策；

数据分析门槛高、周期长：依赖数据分析师写SQL、制报表，需求响应平均周期5-7天；

多端协同与主动预警缺失：仅支持PC端固定报表，高管外出无法实时掌握动态；需人工巡检指标异动，曾发现某区域小微贷款集中度接近阈值而未能及时关注；

数据价值转化率低：数据多用于“事后统计”，业务优化流程（如产品放款量下降后的调整）耗时超2周，难以快速响应市场。

（2）外部需求：行业转型与监管要求的双重压力

金融科技发展下，中小银行需从“规模驱动”转向“精细化运营”，但受技术、人才限制，多数机构面临转型落地难，亟需低成本易落地的数字化工具；

监管要求加强风险实时防控、提升普惠金融效率（如《关于进一步深化小微企业金融服务的意见》要求缩短小微贷款审批时间）；小微企业对“快速获贷、灵活调额”需求迫切。

3.目标简介

构建“数据-决策-行动”一体化智能体系，分三阶段推进：

阶段一：整合全行数据资源，实现“多端实时查数、自然语言问数”，将数据分析响应时间从5-7天缩短至小时设置分钟级，覆盖80%以上日常数据需求。

阶段二：建立“数据监测-智能预警-待办跟进-结果反馈”闭环，实现风险指标实时监控、业务策略小时级迭代，小微贷款审批时间至小时级，关键指标准确性达100%。

阶段三：形成“AI+业务流”生态，将能力输出至合作机构，同时打造中小银行数字化转型标杆，沉淀可复用的技术与方法论。

二、项目方案

智能决策系统以“数据驱动业务”为核心，构建“数据生产-传输-消费-行动”全流程闭环。

图：产品架构

（1）数据生产环节：构建“数仓+模型+看板”基础层

各种数据按需归集到数据仓库，通过敏捷BI工具加工成数据看板，根据个性化需求生成数据内容。

（2）数据传输环节：建立“管道+场景+分发”配送层

将数据内容以适时、适当的方式进行分发，以满足用户特定场景下的用数需求。支持“实时推送+按需拉取”两种分发模式，实时推送（如指标异动时自动推送至钉钉）、按需拉取（如业务人员通过网页端/手机端主动查询），日均数据分发量达3.2万次。

（3）数据消费环节：打造“多端+智能”交互层

多终端适配：实现“网页端+手机端（钉钉/企微/OA）”全适配，网页端支持复杂看板分析，手机端支持轻量化数据查阅（如“投放趋势变动”），满足高管外出、业务人员外勤场景需求。

图：网页端和手机端实现业务数据“一眼清”

AI数据问答：融合生成式AI、NLP技术，用户输入自然语言问题（如“2025年7月15日vs6月30日贷款余额变化及原因”），系统10秒内生成可视化报告（含关键结论、明细数据、行动建议），还可对“决策场景订阅”，AI持续监测数据变动并主动预警。实现从“被动应对”向“主动决策”转型，加速构建“AI+业务流”生态。示例如下：

图：AI数据问答实例

（4）业务行动环节：实现“待办+跟踪+反馈”闭环

自动创建待办：预警消息推送后，系统基于业务规则自动创建待办（如“不良率预警”分配至风控专员，“客户转化率降低”分配至运营人员），待办信息同步至OA系统，超时未处理将升级提醒，为业务流程优化提供数据支撑。

三、创新点

1.交互模式创新：打破“技术壁垒”，实现“人人用数”

传统数据分析依赖技术人员，智能决策系统通过“自然语言问数+拖拽式看板”双重交互模式，大幅降低使用门槛：

自然语言“即问即答”：无需编写SQL或熟悉报表逻辑，业务人员输入日常语言（如“本月小微放款量前5的区域”），系统10秒内生成可视化报告，2025年累计处理问数需求8.6万余次，准确率达98%。

拖拽式自助分析：提供“维度+指标”拖拽功能，非技术人员可自助搭建看板，平均搭建时间20分钟，相比传统报表开发（10天）效率大幅提升，2025年用户自助创建看板达800+个。

图：BI自助分析

2.业务闭环创新：从“数据统计”到“数据驱动”

多数银行数据系统仅停留在“事后统计”阶段，智能决策系统构建“数据监测-智能预警-待办跟进-结果反馈”全闭环，实现“数据驱动业务优化”。

预警与行动直接联动：系统监测到指标异动（如“某产品不良率超3%”）后，不仅推送预警消息，还自动创建待办任务并分配至责任人（如风控专员），待办信息同步至OA、钉钉，确保“有人管、有人办”。2025年通过该闭环，成功处理预警事件7千余次，问题解决率达93%。

行动效果可追溯：待办处理完成后，系统自动记录结果，并关联原始数据，形成“数据-行动-效果”台账，为业务流程优化提供依据。

图：智能决策提升本行数字化经营水平

3.技术架构创新：兼顾“高性能”与“低成本”，规模化应用

对于富民等中小银行普遍面临“技术投入有限、人才储备不足”的问题，智能决策系统在技术架构上实现“高性能与低成本”的平衡：

分布式架构降本增效：采用开源技术栈（Hadoop、Spark、Flink），相比商业大数据平台成本降低60%，同时支撑亿万级数据实时处理（查询响应时间<3秒），满足全行高并发需求。

多Agent协同提升精准度：针对“业务场景复杂、数据规则多变”的特点，采用多Agent协同架构，相比单一大模型（如DeepSeek直接对接数据库），复杂问题错误率降低42%，确保数据查询的准确性与业务符合性。

图：多agent协同实现AI数据问答

4.知识沉淀创新：构建“自进化”知识库，系统越用越聪明

传统系统需人工更新规则与指标，难以适应业务变化。智能决策系统通过“闭环知识库管理”，让系统具备持续进化能力：

冷启动快速上线：支持导入历史取数模板、指标文档，1天内完成基础知识库搭建，相比行业平均上线周期（3个月）大幅缩短。

实时学习用户反馈：从用户对话中自动提取新知识（如用户定义“日均存款=月存款总额/当月天数”，系统更新知识库），标记错误回答（如用户反馈“某指标计算错误”，运维团队修正后同步至知识库），准确率从73%提升至90%以上。

图:知识库自迭代能力

5.场景适配创新：“多终端+多场景”，满足随时随地决策

多终端无缝衔接：支持网页端（复杂分析）、手机端（钉钉/企微/OA，轻量化查阅）满足移动办公需求。

全业务场景覆盖：从“高管决策”（总览看板、风险预警）到“一线业务”（客户经理查营销数据、风控专员查逾期数据），再到“运营优化”（运营人员分析流程效率），拓展数据应用范围。

四、项目过程管理

1.组织架构

为确保项目协同推进，重庆富民银行成立“智能决策系统专项组”，由运营管理部高级总经理杨先斌担任项目负责人，成员涵盖多部门核心力量：

牵头部门：运营管理部（负责需求统筹、项目协调）

技术支撑：金融科技部（负责系统开发、数据对接、运维）

业务参与：所有前台部门（负责需求提出、测试验证、使用反馈）

外部支持：BI厂商、AI咨询机构（提供咨询和调优服务）

2.项目各阶段的执行情况

（1）需求分析阶段

•时间范围：2024年10月

•主要内容：进行全面的需求调研，了解用户的实际需求和痛点；设计简单的原型页面，确保系统功能和需求被准确识别；形成详细的需求文档，为后续的设计和开发提供依据。

（2）方案设计与DEMO演示阶段

•时间范围：2024年12月上旬

•主要内容：根据需求文档设计系统架构和技术方案。设计合理的数据结构，确保需求能够被实现。在BI和AI中打造原型，并向用户进行演示和讨论。收集反馈，对设计方案进行优化调整。

（3）开发实施阶段

•时间范围：2024年12月中旬-2025年4月

•主要内容：进行系统的详细设计和编码工作。完成核心功能模块的开发，并进行初步测试。

（4）测试优化阶段

•时间范围：2025年5月

•主要内容：进行全面的功能测试、性能测试和安全测试。根据测试结果进行系统优化，修复发现的问题。通过BI和AI快速开发主要板块内容。进行用户权限配置、体验测试，确保系统操作简便、易用。

5.上线及持续迭代阶段

•时间范围：2025年6月至今

•主要内容：系统正式上线运行，逐步开放用户使用。组织用户培训，确保各部门员工熟悉系统的使用方法。建立运维机制，进行日常维护和性能优化。根据用户反馈和实际运行情况进行持续优化升级。

五、运营情况

1.推广应用

截至2025年11月，智能决策系统覆盖重庆富民银行所有部门，用户涵盖高管层（100%覆盖）、核心骨干（95%覆盖）、普通员工（80%覆盖），活跃用户占比86%。

系统累计访问超27万次；自动化消息推送累计4万次；AI数据问答累计8万余次，成为业务人员日常工作不可或缺的“数据智囊”。

2.用户反馈

通过“满意度调查”收集用户评价，97%的用户认为“智能决策系统解决了日常数据需求，提升工作效率”；92%的用户认为“自然语言问数、多终端适配很方便，无需技术也可分析”；95%的用户认为“数据准确可靠，与业务实际一致”；净推荐值（NPS）：NPS达90，远超行业平均水平（约50），说明用户愿意推荐该系统。改进建议集中在“新增更多行业数据对比”、“优化预警消息内容”等，已纳入迭代计划。

3.系统运行

系统稳定性：采用高可用架构（集群部署、多活备份），2025年系统可用性达99.99%，未出现影响业务的重大故障；数据准确性方面，关键指标准确性达100%，数据及时性从传统的周/月级提升至天/分钟级。

运维保障：建立“7×24小时”运维团队，配备监控系统（实时监测服务器负载、数据库性能、接口状态），出现异常自动告警，平均故障响应时间<1小时，故障解决时间<4小时，2025年累计处理运维事件20+次，用户投诉率<0.1%。

（4）持续优化

•定期升级：采用“1周1个迭代”的敏捷模式，根据用户反馈进行定期优化。

•功能拓展：根据业务发展需求，逐步拓展新的功能模块。

•性能监控：持续跟踪系统的各项关键性能指标，如响应时间、吞吐量、错误率等，确保服务稳定可靠。

•维护日志：详细记录每次维护操作的具体内容及其结果，便于后续审查与参考。

六、项目成效

1.业务成效：提升决策效率，驱动业务增长

（1）决策效率大幅提升

决策周期缩短：传统决策依赖人工统计数据、撰写报告，周期长达1-2周，智能决策系统实现“实时查数、秒级分析”，决策周期缩短80%。

数据生产效率提升：传统报表开发需技术人员开发，平均5~7天完成1份复杂报表；智能决策系统通过“自助看板+AI问数”，业务人员自主完成80%的数据需求，数据生产效率提升10倍，全年累计节省报表开发工时8000+小时。

运营策略迭代加速：依托实时数据监测与预警，运营策略从“周级迭代”（如每周调整一次营销活动）缩短至“小时级迭代”，最快1小时内调整投放策略。

（2）风险防控成效显著

实时风险预警：通过实时监测不良率、贷款集中度等风险指标，全年成功预警并规避50+笔潜在违约，减少资产损失约上千万元。

风险处置效率提升：风险预警与待办任务联动，风险处置时间从7天缩短至3天，全年不良贷款处置效率提升43%。

（3）普惠金融服务升级

审批效率提升：通过实时调取企业经营数据、征信数据、交易数据，实现“数据驱动审批”，审批时间从数天缩短至几小时内，有效解决小微企业“融资难、融资慢”问题。

2.经济效益：降本增效，节省成本超千万元

（1）直接成本节约

采用开源技术栈（Hadoop、Spark），相比商业大数据平台节省建设成本60%，建设成本节省600余万元。

运营成本节约：避免各部门重复建设数据看板，整合后年节约系统维护成本约1000余万元；同时，自动化替代人工（如RPA处理数据推送、待办创建），全年节省人工工时8000+小时。

（2）间接收益提升

业务收入增长：决策效率提升带动市场机会捕捉能力增强，2025年零售贷款和存款规模同比增长10%以上，新增营收约千万元；同时，小微贷款服务升级带动中间业务收入增长10%。

风险成本降低：成功规避50+笔潜在违约，减少资产损失1500余万元，风险处置成本同比下降20%，2025年成本节约800万元。

3.社会效益：树立行业标杆，服务区域经济

（1）行业示范效应

在金融数字化发展联盟主办的“2025卓越数字金融创新案例征集活动”中,荣获“技术创新探索卓越案例”称号。该活动以“数智转型·质效跃升”为主题，汇聚了工行、建行、光大、兴业、浙商、微众等近60家机构的百余件案例。此次获奖充分体现了本项目在数字化运营管理领域的创新成果和行业认可。

同行交流学习：2025年以来，已有6家中小银行前来调研学习，重庆富民银行分享技术架构、实施路径、运营经验，为中小银行数字化转型提供可复制的范本，推动行业整体数字化水平提升。

（2）服务区域金融稳定

风险防控助力稳定：通过实时风险监控与预警，有效防范化解信贷风险，为维护重庆及周边地区金融稳定做出贡献；同时，协助监管部门开展数据统计，为区域金融政策制定提供数据支撑。

（3）支持实体经济发展

小微贷款审批时间缩短至小时级，服务覆盖面扩大30%，助力小微企业解决“资金周转难”问题，为区域实体经济发展注入金融活水。通过数据洞察，精准支持绿色产业、科技创新企业，助力区域产业结构优化升级。

七、经验总结

1.坚持“业务导向”，让技术真正解决痛点

智能决策系统成功的核心在于“以业务痛点为出发点”，而非单纯追求技术先进。项目初期，通过访谈各个部门、收集230+条需求，明确“数据分散、分析慢、决策滞后”是核心痛点，因此将“多端实时查数、自然语言问数、智能预警闭环”作为核心功能，确保系统“实用、好用”。例如，针对“风险预警不及时”的痛点，开发“实时监测+待办联动”功能，大幅提升风险处置效率；针对业务人员“不会查数”的痛点，开发“自然语言问数”功能，实现“人人用数”。

2.注重“用户体验”，推动“全员用数”习惯养成

传统数据系统“复杂、难用”，导致员工不会用、不愿用。智能决策系统从设计之初就重视用户体验，通过“简化操作、多端适配”推动全员用数。

简化操作：自然语言问数、拖拽式看板，降低使用门槛，让非技术人员也能快速上手；

多端适配：网页端、手机端全覆盖，满足不同场景需求（如高管出差、业务外勤）。

3.采用“敏捷迭代”，快速响应业务变化

银行业监管政策、市场需求变化快，传统“瀑布式”开发难以适应。智能决策系统采用“敏捷开发”模式，1周1个迭代，快速响应需求变更。采用“小步快跑、快速迭代”的方式，根据业务变化不断优化系统，逐步实现从“局部数字化”到“全面数字化”的转型。

4.构建“知识沉淀”机制，让系统具备“自进化”能力

传统系统需人工更新规则与指标，难以适应业务变化。智能决策系统通过“企业级知识库闭环管理”，让系统能够自主学习、自我优化，实现长期价值最大化。

5.平衡“成本与性能”，适配中小银行资源现状

智能决策系统在技术选型上平衡“成本与性能”，与BI工具厂商、AI咨询机构合作，降低研发成本。通过选择“性价比高、易落地”的技术方案，“开源+合作”的实施方式，实现“低成本、高成效”的目标。

6.建立“跨部门协同”，打破“数据孤岛”和“部门壁垒”

数据分散、部门协同难是数字化转型的常见障碍。数字化转型不仅是技术转型，更是组织与流程的转型。只有打破部门壁垒、建立跨部门协同机制，才能实现数据、业务的深度融合，真正释放数据价值。

综上，重庆富民银行“BI和AI双驱动下的智能决策系统”通过“业务导向、用户体验、敏捷迭代、知识沉淀、成本平衡、跨部门协同”六大经验，不仅解决了自身数据应用痛点，更为中小银行数字化转型提供了可复制的实践范本，未来将继续拓展“AI+业务流”生态，推动从“数据驱动决策”到“数据驱动业务”的智能化演进。