一、项目背景及目标

在竞争激烈的市场环境中，银行对于能够快速、直观地获取数据洞察的需求日益增长。传统的BI工具操作复杂且仅仅提供数据可视化输出，难以满足企业对于一站式数据分析的需求。具体表现为：

业务响应不及时：传统数据分析工具往往需要经历“分析师提出需求-IT人员开发投产-表哥表姐制作报表-决策者决策”的冗长流程，导致企业无法迅速响应市场变化，错失决策良机。

数据洞察不全面：数据探索受限于预设报表，深度分析依赖个人经验，难以实现全面、深入的业务洞察。

战略传导不通畅：总部决策层战略意图到分支机构、一线人员的传导不畅，难以上下对齐，指挥效能层层衰减。

随着大数据技术的不断发展，数据的收集、存储和处理能力得到了显著提升，而人工智能技术的飞速发展，特别是大模型技术的突破，为水晶球ChatBI的产生提供了技术基础。使得计算机能够理解和生成自然语言，从而实现与用户的自然交互。

而北京银行水晶球ChatBI融合大数据技术和人工智能技术，通过对话式的交互方式，能够迅速生成分析结论、进行根因分析并给出决策建议，并将结果通过图表、文字、语音等形式自适应的直观展现，从而满足了企业对数据洞察的迫切需求。

二、创新点

在技术架构创新方面，水晶球ChatBI采用大小模型协同技术，让不同规模和功能的模型相互配合，能够发挥各自的优势，在复杂任务处理中，大模型可以负责全局性的分析和规划，而小模型则专注于专业性、局部性的执行和监控，从而实现更高效、更精准的任务处理。

在计算性能方面，水晶球ChatBI不光支持传统MPP的数据架构，还在数据层引入多维大数据计算引擎，通过行列混合计算与内存计算优化的方式满足维度、指标分析的数据实时处理高性能，其亿级数据量可实现秒级响应。同时通过自研动态解析的语义映射，保障指标分析的灵活性，其支持动态计算指标维值过滤、时序对比、指标间加减乘除、复杂函数，并实现一次定义全局使用。

在智能分析深度方面，水晶球ChatBI搭载了智能归因分析能力，通过集成蒙特卡洛树搜索（Monte Carlo Tree Search，简称MCTS）。MCTS通过模拟随机策略来探索可能的决策路径，并利用统计方法评估各个节点的潜力，从而逐步构建和优化搜索树，在解决状态空间巨大的多维度、多因素的归因分析领域中实现了效率的代际式提升。这种算法的应用，使得智慧水晶球能够更准确地识别影响业务的关键因素，为决策者提供有力的支持。

交互体验创新方面，水晶球ChatBI引入自然语音对话式交互，融合领域知识（包含5亿+结构化知识，3万篇非结构化知识）实现93%的意图识别准确率，并支持图表+文本+语音的多模态交互，覆盖各类应用场景，为用户提供了更加便捷、高效的交互体验。

水晶球ChatBI使用主流先进的应用框架，其核心设计理念在于通过分层解耦实现系统的模块化和灵活性，同时依托数据驱动机制确保从原始数据到指标分析全链路贯通，支持实时与批量混合计算。该架构强调智能融合技术，AI能力与业务系统深度融合，以洞察业务深层规律。此外，其弹性扩展能力能够灵活应对业务增长和变化，确保系统始终保持在最优运行状态。这一系列技术设计共同作用于业务架构，高效支撑并优化各类复杂场景需求，推动业务创新与持续发展。水晶球ChatBI核心技术创新点：

1.大模型+小模型技术

旨在通过不同规模和功能的模型相互配合，发挥各自的优势，从而实现更高效、更精准的任务处理。系统集成基础大模型，结合金融领域知识图谱与强化学习能力，构建垂直金融大模型基座，通过自然语言处理（NLP）实现对话交互式检索数据。基于大模型的推理能力，自动识别业务现象与核心变量的潜在关联，生成可解释性强的动态指标模型。同时系统搭载动态指标解析、蒙特卡洛树搜索算法、时间序列算法、实体识别模型等多种小模型，实现指标解析、快速最大路径归因分析、预测等特殊任务。

2.智能指标引擎

平台采用了自主研发的指标计算引擎和指标展示组件，实现了指标的实时计算和快速展示。实现指标的智能建模、自动加工计算，大幅降低指标数据开发的工作量，加快指标开发和上线的效率；用户可基于原子指标实现衍生/派生指标的从创建、试算、发布、检索、维护、下线等全生命周期一站式管理。

3.统一语义层

基于集市模型实现上下口径统一的数据语义层，基于维度实现指标的穿透式分析。通过这一层实现指标的一次定义、多处使用。统一语义层为大模型的意图识别、拖拉拽式数据可视化，业务工作流和高级分析操作等应用提供坚实保障。

4.多模态技术

系统可根据用户需求通过多模态的方式输出可视化图表、文字、语音满足用户需求，实现数据与信息的融合，并通过丰富的人机交互形式，使得用户可以获得更加自然和人性化的体验。5.项目技术方案

水晶球ChatBI项目是金融业“数智化”转型的里程碑实践，通过技术创新与业务赋能的深度耦合，推动银行从“经营驱动决策”向“数据驱动决策”跃迁，从“被动识别问题”向“主动归因问题”跃迁，从“手动督办管理”向“精细化全流程敏捷管理”跃升，从“全员表哥表姐”向“全行数据分析师”跃迁，为行业树立了“数据、智能、敏捷、普惠”的数字化标杆。

水晶球ChatBI使用主流先进的应用框架，其核心设计理念在于通过分层解耦实现系统的模块化和灵活性，同时依托数据驱动机制确保从原始数据到指标分析全链路贯通，支持实时与批量混合计算。该架构强调智能融合技术，AI能力与业务系统深度融合，以洞察业务深层规律。此外，其弹性扩展能力能够灵活应对业务增长和变化，确保系统始终保持在最优运行状态。这一系列技术设计共同作用于业务架构，高效支撑并优化各类复杂场景需求，推动业务创新与持续发展。

系统采用分布式微服务架构与前后端分离设计，对服务进行隔离分层，通过容器化编排与API网关实现业务逻辑层与基础设施层的解耦。技术架构深度集成AI技术、实时指标计算引擎及动态可扩展服务框架，构建起支持智能归因分析、决策推演的数字化体系，为用户提供全场景智慧经营分析，支撑从数据洞察到精准决策的业务闭环。

数据层，实现数据一体化管理。结构化、非结构化数据的统一贯标、统一处理、统一调度、统一存储，并实现数据质量的持续监控。

指标能力层，实现指标管理与计算，支撑业务分析。多数据源插拔式接入，通过多维预计算技术实现大数据量的数据高性能实时计算，通过语义解析和血缘管理，确保数据自动识别性和可信度，并为上层AI和可视化提供高质量数据基础，搭载的20余中BI控件，为用户提供最直观、最合适的数据呈现。

AI能力层，为业务提供智能化支持。整合多种AI技术，支撑各场景的智能决策、指标预测和个性化服务。

应用层，基于容器化技术实现金融应用的快速部署、弹性扩缩容及资源隔离，支持高可用和微服务架构。

可视化层，实现用户界面渲染、数据可视化及业务逻辑处理，为用户提供直观的操作体验。

水晶球ChatBI为用户搭载以下核心能力：

指标引擎语义层：

亮点概述：以指标引擎为核心，将用户输入的自然查询语言进行意图识别,转换成指标引擎可调用的方法指令，再由指标引擎与基础数据库进行交互并返回结果，通过指标引擎的语义解析提升数据查询的准确性与适用场景的广泛性。

具体优势：这一功能极大地提升了查询准确性；可覆盖各类数据分析场景，并可简单的实现多维归因分析；基于指标引擎加速，可实现秒级响应；通过指标引擎语义层识别指标与底层数据关系，使得训练成本较低；指标引擎可内置和隐含权限管理，方便进行权限管控。

自然语言数据查询：

亮点概述：水晶球ChatBI支持自然语言数据查询功能，用户可以通过自然语言与系统进行对话，获取所需的数据信息，实现人机交互无缝对接。

具体优势：这种交互方式更加直观和便捷，用户无需学习特定的查询语言或操作界面，只需用自然语言描述自己的需求即可。此外，自然语言查询还支持模糊匹配和智能联想，进一步提高了查询的效率和准确性。同时本方案可实现文字、数据、可视化控件、语音等不同样式的结果以最直观、最恰当的方式自适应输出给用户。

总结与预测：

亮点概述：水晶球ChatBI具备强大的数据总结和预测能力，能够根据历史数据自动生成分析报告，并预测未来的数据趋势。

具体优势：这一功能有助于企业及时发现数据中的规律和异常，把握市场趋势和机遇。同时，预测结果还可以为企业制定战略规划和决策提供有力支持。确保用户10秒以内洞察数据趋势，把握未来机遇。

AI归因分析：

亮点概述：AI归因分析是ChatBI的另一大亮点，它能够通过智能模型算法自动分析数据中的因果关系，精准定位问题的根源。

具体优势：这一功能有助于企业深入了解业务运营中的关键因素和影响机制，从而制定更加有效的优化措施和改进方案。

AI决策建议：

亮点概述：基于大模型与知识库技术结合的决策建议功能，ChatBI能够根据数据分析结果自动生成决策建议，为企业的运营和管理提供智能辅助。

具体优势：能够为银行提供科学、客观的决策依据，以及切实可行的改进策略，帮助企业提升运营效率和市场竞争力。

四、项目过程管理

1.需求分析和概要设计阶段

2024年8月至2024年9月，主要完成了需求分析、需求调研、数据调研、整体方案设计和概要设计等工作，形成了用户需求说明书、需求规格说明书、数据调研登记表、整体设计方案、概要设计说明书等材料。

2.系统详细设计阶段

2024年9月至2024年10月，主要完成了详细设计工作，形成了详细设计说明书、原型设计稿、UI设计稿、数据Mapping文档等材料。

3.系统编码、测试和上线准备阶段

2024年10月至2024年11月，主要完成了系统编码、SIT测试、UAT测试、准生产测试、性能测试和投产上线准备工作，形成了测试案例、功能测试报告、性能测试报告、代码走查文档和投产实施方案等材料。

4.试点上线阶段

2024年11月，主要完成了试点上线工作，形成了用户操作手册、运维手册等材料。

5.推广应用阶段

2024年11月到2024年12月，主要完成推广应用和主要用户培训工作。

五、运营情况

系统自启动建设以来，通过“迭代与推广同步、总分协同共进”的模式，实现了4次大版本升级，成功推广十余次，成为企业经营分析的核心平台。其显著成果体现在数据分析及管理效能的大幅提升，将原本线下的零散数据及分析工作系统化，实现了经营分析“零手工”操作，数据获取达到亚秒级，数据分析效率提升80%。同时，系统深度固化经营管理意图，在经营策略制定和分析中发挥关键作用。

目前，系统覆盖各层级管理者及分析师，全方位赋能经营管理，推动决策数智化与精细化。此外，系统在行业内积极宣传交流和活动中的专题分享，进一步提升了其影响力。

主要性能指标：

同时在线用户数峰值在200；

简单查询、系统功能模块响应时间小于1s，复杂查询响应时间小于2.5s；

系统登录、打开、刷新页面的响应时间在1秒内；

CPU占用率小于60%；

内存占用率小于70%；

AI模型召回率和精准度大于80%。

六、项目成效

1.经济效益

①直接经济效益：降低投入与运营成本

研发费用节约。系统仅需加工少量基础指标及标签，就可“零投入裂变”生成大量指标，满足差异化应用需求，节约研发费用。预计未来研发费用节约潜力巨大。

人力成本节约。主要体现在：

系统提供全景数据视图，替代过去人工查询整合数据再制作报表过程，每日节省至少总分支各层级经营分析人员人工劳动。

自动化流程：系统覆盖了各类功能点，将大量重复性、标准化的工作自动化，减少了人工干预。

错误率降低：系统通过标准化操作和实时校验，显著降低了人工操作中的错误率，减少了纠错成本。

随着系统使用率的提升和功能优化，单位成本将进一步降低。同时系统将不断迭代升级，提升自动化水平和智能化能力，进一步减少人工依赖。

②间接经济效益：效率提升与业务增长

重塑传导机制，业绩提速增效。系统优化经营分析体系，重塑管理传导机制，成为全行经营管理分析主阵地，有力推动经营业绩稳步增长，推动业务高质量发展。

流程优化升级，工作效能提升。系统提供原子、衍生、派生指标组合，为业务人员提供了全面的数据支持。系统上线以来已成为业务人员日常工作的重要工具，显著提升了工作效率。

资源动态调配，成本效益双赢。系统通过实时数据分析和可视化功能，帮助管理者更科学地配置资源，优化业务决策。例如，系统可以精准识别高潜力客户和高收益产品，从而引导资源向高价值领域倾斜，提升整体业务效益。

移动渠道接入，实现自由用数。多端渠道接入能够为用户提供更加灵活、多样的访问方式。无论是在PC端、移动端还是大屏端上，用户都能够轻松获取所需数据，并进行相应的操作。

2.社会效益

①培育复合人才与科学管理范式

项目建立"总部大脑-分支协同"的数字化作战机制，通过灵活分析工具与标准化管理模块，培养兼具业务洞察与数据思维的复合人才。其自动化看板、可视化工具将管理决策效率大幅提升，形成的"数据驱动+人才赋能"管理模式为行业提供了数字化转型样本，带动金融业管理科学化转型。

②优化资源配置与低碳运营模式

通过对话式交互与拖拉拽看板结合的模式，大幅降低了科技开发成本。通过低碳运营模式的引入，系统实现指标开发成本大幅降低。通过数据资源整合与流程再造，减少重复性系统建设投入，推动金融机构向绿色集约化运营转型。

③夯实金融安全与主动风险防控

实时监测关键风险指标，通过指标穿透分析提前识别业务异常，辅助管理层建立动态风险预警机制，防范信用风险、防范客户流失。

该项目通过技术创新与模式重构，在行业标准建设、普惠服务深化、人才生态培育等方面产生溢出效应，为金融业数字化转型贡献了"优秀样本"。

七、经验总结

1.核心经验

在项目启动与需求分析阶段，本项目成立了专项小组，通过市场调研和结合行内实际需要做出了合理的需求方案，并对项目范围、时间表、预算及关键里程碑做出了科学合理的评估。在设计与开发阶段，专项小组针对项目需求，进行了充分的技术攻关，进行了详细论证，完成了系统的整体技术方案设计和原型开发。期间进行了多次内部评审和迭代，确保设计满足功能、性能要求且成本可控和易于扩展。在测试和优化阶段，对开发出的产品进行严格的功能测试和性能测试，收集用户反馈，针对发现的问题进行了优化调整。在试点上线与推广应用阶段，项目组完成前期开发与测试阶段成果的可行性与稳定性的验证，收集真实环境下的用户反馈。为此，项目组精心挑选了具有代表性的一批用户作为试点对象，制定了详细的试点计划，包括试点范围、时间节点、预期成果以及风险评估与应对措施。基于试点用户的反馈意见，项目组完成了迭代优化，并制定了详细的推广策略。通过计划的执行，达到了既定的推广成效，并实际为业务创造了价值。

2.展望

通过水晶球ChatBI，我们建立数据分析的新范式，这种范式具备社会传播作用。传统数据分析的范式决策层或者数据分析师需要用数需要让“表哥表姐”去制作报表，表哥表姐给开发人员提需求开发报表或者通过拖拉拽的方式自主制作报表，这样会导致决策层决策数据少，分析师分析效率慢，表哥表姐意图理解难，开发人员开发任务多；而我行的数据分析新范式，是让“表格表姐”这个工种消失，每个人都是数据分析师，决策人员和分析师直接对话ChatBI，分析师能够及时认知，决策者可以及时决策。