摘要：在數(shù)字技術(shù)變革的背景下，商業(yè)銀行數(shù)字化經(jīng)營逐漸擴(kuò)大應(yīng)用范圍，競爭進(jìn)入深水區(qū)。用好大數(shù)據(jù)資源，成為贏得經(jīng)營競爭的關(guān)鍵。本文以非結(jié)構(gòu)化數(shù)據(jù)分析為切入點(diǎn)，通過焦點(diǎn)問題發(fā)現(xiàn)、商機(jī)洞察挖掘等方法，分析非結(jié)構(gòu)化數(shù)據(jù)分析應(yīng)用中存在問題，提出非結(jié)構(gòu)化數(shù)據(jù)分析應(yīng)用建議，為后續(xù)非結(jié)構(gòu)化數(shù)據(jù)的全面運(yùn)用提供可行模式。

關(guān)鍵詞：大數(shù)據(jù)；非結(jié)構(gòu)化數(shù)據(jù)；案例分析

DOI：10.12433/zgkjtz.20241518

2015年，國務(wù)院印發(fā)《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》，系統(tǒng)部署大數(shù)據(jù)發(fā)展工作。2022年，中國人民銀行印發(fā)《金融科技發(fā)展規(guī)劃（2022—2025年）》，提出強(qiáng)化金融科技治理，全面塑造數(shù)字化能力；深化數(shù)字技術(shù)金融應(yīng)用等八個(gè)方面的重點(diǎn)任務(wù)，銀行業(yè)數(shù)字技術(shù)應(yīng)用已經(jīng)被提升到金融供給側(cè)結(jié)構(gòu)性改革抓手的政治高度。能否用好大數(shù)據(jù)，實(shí)現(xiàn)經(jīng)營、管理和服務(wù)的創(chuàng)新，將影響未來銀行的可持續(xù)發(fā)展。商業(yè)銀行大數(shù)據(jù)分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。以客戶基本信息、交易流水信息等為主要內(nèi)容的結(jié)構(gòu)化數(shù)據(jù)在商業(yè)銀行數(shù)字化經(jīng)營中已經(jīng)得到廣泛的應(yīng)用，而非結(jié)構(gòu)化數(shù)據(jù)還處于應(yīng)用階段。

一、非結(jié)構(gòu)化數(shù)據(jù)概述

（一）非結(jié)構(gòu)化數(shù)據(jù)的內(nèi)涵

非結(jié)構(gòu)化數(shù)據(jù)是數(shù)據(jù)結(jié)構(gòu)不規(guī)則或不完整，沒有預(yù)定義的數(shù)據(jù)模型，不便用數(shù)據(jù)庫二維邏輯來表現(xiàn)的數(shù)據(jù)。包括所有格式的辦公文檔、文本、圖片、HTML、各類報(bào)表、圖像和音頻/視頻信息等。根據(jù)IDC的一項(xiàng)調(diào)查報(bào)告，企業(yè)中80%的數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)每年都以指數(shù)增長60%，使得非結(jié)構(gòu)化數(shù)據(jù)成為商業(yè)銀行重要的數(shù)據(jù)資源，用好非結(jié)構(gòu)化數(shù)據(jù)，找準(zhǔn)客戶痛點(diǎn)、流程斷點(diǎn)，推動(dòng)產(chǎn)品、服務(wù)和系統(tǒng)針對(duì)性改進(jìn)，改善客戶體驗(yàn)，進(jìn)一步提升數(shù)字化經(jīng)營精準(zhǔn)度，將有效增強(qiáng)商業(yè)銀行數(shù)字化經(jīng)營的競爭優(yōu)勢。商業(yè)銀行的非結(jié)構(gòu)化數(shù)據(jù)主要來源于客戶動(dòng)態(tài)瀏覽路徑、社交網(wǎng)絡(luò)留言和客服交互數(shù)據(jù)等。其中，客服交互數(shù)據(jù)由客服數(shù)據(jù)（包括智能客服數(shù)據(jù)、在線人工客服數(shù)據(jù)、電話客服數(shù)據(jù)和短信交互數(shù)據(jù)等）和工單數(shù)據(jù)構(gòu)成。本文選擇客服交互數(shù)據(jù)探索商業(yè)銀行非結(jié)構(gòu)化數(shù)據(jù)分析應(yīng)用路徑。

（二）非結(jié)構(gòu)化數(shù)據(jù)的特點(diǎn)

1.形式多樣性

非結(jié)構(gòu)化數(shù)據(jù)可以采取多種形式，包括文本、圖像、音頻、視頻和其他。這些形式具有高度多樣性，例如，文本包含各種語言和主題，圖像包含各種物體和場景，音頻包含各種聲音。

2.缺乏表格結(jié)構(gòu)

與結(jié)構(gòu)化數(shù)據(jù)（如數(shù)據(jù)庫中的表格）不同，非結(jié)構(gòu)化數(shù)據(jù)不容易以行和列的結(jié)構(gòu)進(jìn)行組織。例如，在文本數(shù)據(jù)中，句子和段落沒有明確的字段，圖像中的像素不以表格形式存在，這使得數(shù)據(jù)的組織和管理更為復(fù)雜。

3.大容量

非結(jié)構(gòu)化數(shù)據(jù)通常以大量的方式存在。社交媒體上的用戶生成內(nèi)容、衛(wèi)星圖像、傳感器數(shù)據(jù)、醫(yī)療記錄、音頻記錄等都可以是非結(jié)構(gòu)化數(shù)據(jù)。這些數(shù)據(jù)快速積累，因此需要強(qiáng)大的存儲(chǔ)和處理能力。

4.信息隱藏

非結(jié)構(gòu)化數(shù)據(jù)中包含著豐富的信息，但信息通常散布在大量數(shù)據(jù)中。例如，一篇文章中包含重要事實(shí)和觀點(diǎn)，但它們不一定以明顯的方式呈現(xiàn)。因此，從非結(jié)構(gòu)化數(shù)據(jù)中提取信息需要高級(jí)的數(shù)據(jù)分析和挖掘技術(shù)。

二、選擇客服交互數(shù)據(jù)作為分析對(duì)象的原因

一是涉及的問題較為復(fù)雜。一般情況下，客戶的咨詢問題首先會(huì)交由智能客服，簡單問題由智能客服解答，智能客服無法解答的問題會(huì)轉(zhuǎn)為人工客服處理，而人工客服也無法處理的問題會(huì)生成工單。在線人工客服和工單涉及的問題大部分較為復(fù)雜。

二是問題定位準(zhǔn)確?？蛻糇稍冊诰€客服時(shí)，在線客服通常會(huì)與客戶產(chǎn)生多輪交互，能夠準(zhǔn)確了解客戶有哪些問題，存在哪些需求，工單也詳細(xì)描述了客戶的問題和訴求。

三是隱藏的價(jià)值較高?？蛻粼谟龅綇?fù)雜問題時(shí)，是隱藏著深入需求的，對(duì)這方面需求的分析，可以從中獲得有用的信息資源，帶來額外的價(jià)值。

三、非結(jié)構(gòu)化數(shù)據(jù)應(yīng)用案例

非結(jié)構(gòu)化數(shù)據(jù)分析應(yīng)用是系統(tǒng)性工程，如何全面、深入、妥當(dāng)?shù)姆治鲞\(yùn)用，需要長期探索，形成完善的方法論和實(shí)踐模式，也需要目標(biāo)明確的試點(diǎn)推進(jìn)。在探索試點(diǎn)階段，中國建設(shè)銀行采取焦點(diǎn)問題發(fā)現(xiàn)、商機(jī)洞察挖掘等分析方法，旨在與結(jié)構(gòu)化數(shù)據(jù)分析相融合，將分析結(jié)果應(yīng)用于數(shù)字化經(jīng)營實(shí)踐，進(jìn)一步改善用戶體驗(yàn)，增強(qiáng)銀行的競爭力。

（一）焦點(diǎn)問題發(fā)現(xiàn)

1.信用卡產(chǎn)品功能優(yōu)化分析

銀行遠(yuǎn)銀中心客戶來電咨詢信息顯示各類業(yè)務(wù)中，客戶咨詢信用卡業(yè)務(wù)占比最高（如圖1所示），涉及內(nèi)容包含信用卡申請、信用卡賬單、每月還款、調(diào)整額度、信用卡分期等方面。

一是將在線人工客服數(shù)據(jù)和工單數(shù)據(jù)接入大數(shù)據(jù)工作平臺(tái)，通過系統(tǒng)分析，生成熱詞表，根據(jù)熱度挑選與業(yè)務(wù)相關(guān)且熱度較高的詞，如還款、申請、額度、辦理、賬單、查詢等進(jìn)行人工分析，對(duì)文本進(jìn)行回溯，查找問題，歸納總結(jié)形成熱點(diǎn)問題表，從熱點(diǎn)問題表中發(fā)現(xiàn)焦點(diǎn)問題包括信用卡賬單看不懂、對(duì)賬單有異議、信用卡消費(fèi)后無短信通知、信用卡額度調(diào)整等。

二是將焦點(diǎn)問題進(jìn)行定位、分析、驗(yàn)證、判斷。

三是對(duì)于用戶咨詢量大但是沒有明確原因或者解決方案的問題，采取可行性研究的方法深入分析原因，推動(dòng)問題解決。例如，客戶反饋忘記手機(jī)銀行密碼不知道怎么辦，用可用性研究發(fā)現(xiàn)手機(jī)銀行端已經(jīng)部署了這一功能，但是因?yàn)椴渴鹞恢貌幻黠@影響客戶使用，優(yōu)化忘記密碼的顯示位置后問題得到解決。

四是通過銀行內(nèi)部相關(guān)部門專題會(huì)議的方式，協(xié)同多部門資源，共同推動(dòng)焦點(diǎn)問題的解決。

五是對(duì)上線產(chǎn)品和功能的客戶反饋進(jìn)行監(jiān)測，發(fā)現(xiàn)改進(jìn)機(jī)會(huì)，進(jìn)行產(chǎn)品和流程優(yōu)化，解決焦點(diǎn)問題。經(jīng)過數(shù)據(jù)分析，業(yè)務(wù)部門進(jìn)一步優(yōu)化產(chǎn)品功能，增加信用卡交易提醒、還款短信提醒、客戶主動(dòng)調(diào)整永久額度等功能，問題的有效解決使客戶咨詢量下降40%。通過問題發(fā)現(xiàn)、驗(yàn)證判斷、可用性研究、問題解決和持續(xù)監(jiān)測，打造用戶體驗(yàn)閉環(huán)流程，客戶從優(yōu)化后的服務(wù)中滿足需求，客戶體驗(yàn)得到改善。客戶來電咨詢業(yè)務(wù)分類如圖1所示。

2.存量首套住房貸款利率調(diào)整

2023年8月31日，國家金融監(jiān)督管理總局發(fā)布《關(guān)于降低存量首套住房貸款利率有關(guān)事項(xiàng)的通知》，9月25日起，銀行下調(diào)存量首套住房商業(yè)性個(gè)人住房貸款利率水平。9月7日，工、農(nóng)、中、建四大國有銀行分別發(fā)布公告，明確存量首套住房貸款利率調(diào)整有關(guān)事項(xiàng)，對(duì)調(diào)整范圍、調(diào)整后的利率水平、調(diào)整方式等進(jìn)行解答。9月4日至9月17日期間，存量房貸利率下調(diào)成為全行咨詢熱點(diǎn)。

9月7日當(dāng)日，在線人工客服渠道存量首套住房貸款利率調(diào)整客戶咨詢量在綜合銀行業(yè)務(wù)中占比達(dá)到20%，客戶咨詢的熱點(diǎn)問題包括：利率將調(diào)整至什么水平、利率調(diào)整是否需客戶提交申請、客戶房貸是否滿足首套住房政策等。

中國建設(shè)銀行遠(yuǎn)銀中心協(xié)同業(yè)務(wù)部門打通全國一級(jí)分行個(gè)人住房貸款“快處”智聯(lián)通道，新增存量房貸利率調(diào)整“快處”場景，明確受理范圍，推動(dòng)客戶問題及時(shí)解決。持續(xù)通過“中國建設(shè)銀行客戶服務(wù)”微信公眾號(hào)答疑解惑，發(fā)布《存量住房貸款利率調(diào)整客戶問答》，七天閱讀量近125萬人次，分享16.8萬次，得到客戶廣泛關(guān)注。運(yùn)用智能服務(wù)工具，在線客服渠道新增11個(gè)存量房貸利率調(diào)整微場景，將客戶公告、“建行客服”客戶問答圖文發(fā)布在智能機(jī)器人答案中，相關(guān)場景日均出發(fā)量約7萬次；同時(shí)在電話客服渠道新增“存量首套住房貸款利率調(diào)整政策咨詢”等智能導(dǎo)航場景問答，同步優(yōu)化“個(gè)人貸款”“商業(yè)貸款利率查詢”等存量導(dǎo)航場景答案，提升服務(wù)效率，觸發(fā)量約20萬次。

（二）商機(jī)洞察挖掘

以客戶營銷為例，結(jié)合非結(jié)構(gòu)化數(shù)據(jù)的特點(diǎn)，引入數(shù)據(jù)分析挖掘工具，分析客戶應(yīng)用場景，挖掘客戶在特定應(yīng)用場景下的需求，融合客戶基本信息、客戶交易流水、客戶風(fēng)險(xiǎn)評(píng)分等結(jié)構(gòu)化數(shù)據(jù)對(duì)客戶360°畫像，運(yùn)用數(shù)據(jù)分析模型，及時(shí)預(yù)測客戶需求，精準(zhǔn)識(shí)別營銷機(jī)會(huì)，疊加現(xiàn)有的營銷資源產(chǎn)生話術(shù)，通過合適的渠道推送給客戶，完成商機(jī)洞察和營銷推送的過程。目前，銀行已經(jīng)構(gòu)建熱點(diǎn)問題分析、來電原因分類分析、投訴升級(jí)預(yù)測分析、智能推薦一系列挖掘分析模型，從而洞悉客戶心聲、預(yù)測客戶需求，為優(yōu)化業(yè)務(wù)運(yùn)營、提升業(yè)務(wù)效益服務(wù)。

在選擇12家分行試點(diǎn)應(yīng)用期間，通過商機(jī)洞察挖掘，營銷客戶251萬人次，其中響應(yīng)客戶49萬人次，客戶響應(yīng)率達(dá)到20%，試點(diǎn)應(yīng)用推廣效果良好。同時(shí)，商機(jī)洞察挖掘也開拓了線上獲客新渠道，試點(diǎn)期間累計(jì)獲新客戶1439人，客戶自助簽約率達(dá)到75%；有效激活喚醒零登錄客戶，成功營銷客戶7795人，客戶累計(jì)響應(yīng)登錄次數(shù)達(dá)43921次；有效促進(jìn)非活躍客戶向活躍轉(zhuǎn)化，3844名客戶轉(zhuǎn)化為手機(jī)銀行活躍客戶，轉(zhuǎn)化率達(dá)30%。同時(shí)以打標(biāo)簽的方式將客戶商機(jī)按照不同的頻率精準(zhǔn)推送給網(wǎng)點(diǎn)，成功營銷客戶31.59萬人，整體營銷成功率達(dá)30%，有效提升客戶黏性。

例如，ETC業(yè)務(wù)中將咨詢客戶標(biāo)注為車主客群，通過細(xì)化客戶在賬單查詢、注銷環(huán)節(jié)、使用環(huán)節(jié)、開通環(huán)節(jié)等階段反饋的問題，分析產(chǎn)品和流程優(yōu)化策略，進(jìn)一步挖掘客戶在洗車、養(yǎng)護(hù)、購車、保險(xiǎn)等方面的商機(jī)。同樣針對(duì)車主客群，運(yùn)用深度機(jī)器學(xué)習(xí)技術(shù)，對(duì)客戶行駛證圖像數(shù)據(jù)進(jìn)行自動(dòng)識(shí)別分析，獲取客戶的購車日期、車型等信息，精準(zhǔn)定位客戶車型續(xù)保時(shí)點(diǎn)，預(yù)測客戶換車需求，驅(qū)動(dòng)車險(xiǎn)、購車分期等信用卡產(chǎn)品精準(zhǔn)化營銷。

（三）客戶風(fēng)險(xiǎn)控制分析

以信用卡業(yè)務(wù)為例，選取6期內(nèi)有連續(xù)3期以上逾期記錄為目標(biāo)風(fēng)險(xiǎn)客戶，綜合多種客戶認(rèn)知標(biāo)簽，結(jié)合客戶資質(zhì)、信用情況、消費(fèi)行為等多維度表現(xiàn)，采用大數(shù)據(jù)算法，挖掘風(fēng)險(xiǎn)客戶特征，批量化識(shí)別篩選出風(fēng)險(xiǎn)客戶進(jìn)行排查，對(duì)高風(fēng)險(xiǎn)客戶采取降額、?？ǖ裙芸卮胧?，有效控制風(fēng)險(xiǎn)敞口，減少不良損失。在非結(jié)構(gòu)化數(shù)據(jù)分析的基礎(chǔ)上，融合客戶交易流水等結(jié)構(gòu)化數(shù)據(jù)，建立并改進(jìn)客戶的信用評(píng)價(jià)和風(fēng)險(xiǎn)預(yù)警模型，判斷客戶風(fēng)險(xiǎn)程度，實(shí)現(xiàn)風(fēng)險(xiǎn)客戶的“早發(fā)現(xiàn)、早排查、早管控”。

中國建設(shè)銀行建立外部數(shù)據(jù)資源統(tǒng)一引入和共享機(jī)制，數(shù)據(jù)倉庫在集成行內(nèi)125個(gè)系統(tǒng)數(shù)據(jù)的基礎(chǔ)上，引入業(yè)務(wù)場景需要的工商、法律、海關(guān)、中經(jīng)網(wǎng)等外部數(shù)據(jù)，實(shí)現(xiàn)企業(yè)級(jí)數(shù)據(jù)全面共享。以客戶開戶為例，在開戶信息核查環(huán)節(jié)，新一代核心系統(tǒng)開戶組件聯(lián)動(dòng)外部數(shù)據(jù)，對(duì)客戶手機(jī)號(hào)碼信息進(jìn)行驗(yàn)證，提示是否實(shí)名、是否在網(wǎng)等信息；同時(shí)展示風(fēng)險(xiǎn)信息，提示當(dāng)月開銷戶情況、司法凍結(jié)情況、是否命中風(fēng)險(xiǎn)客戶名單等，協(xié)助網(wǎng)點(diǎn)在開戶時(shí)判斷風(fēng)險(xiǎn)，從開戶前端有效防控。

四、非結(jié)構(gòu)化數(shù)據(jù)分析難點(diǎn)

（一）分析成本高

一是非結(jié)構(gòu)化數(shù)據(jù)體量大且形式多樣，從海量數(shù)據(jù)中篩選并處理重要信息的難度較大；二是在新興業(yè)務(wù)、小眾業(yè)務(wù)、復(fù)雜業(yè)務(wù)，以及方言表達(dá)、客戶情緒化表達(dá)等方面，語音轉(zhuǎn)譯準(zhǔn)確度還存在明顯短板，亟需進(jìn)一步提升；三是目前來電無法實(shí)現(xiàn)全量實(shí)時(shí)轉(zhuǎn)譯，平均轉(zhuǎn)譯率不足50%。

（二）智能化自學(xué)習(xí)不足

一是在識(shí)別準(zhǔn)確度方面，客戶問題洞察識(shí)別準(zhǔn)確性不足；二是在智能細(xì)分時(shí)效性方面，對(duì)新業(yè)務(wù)或者其他未分類業(yè)務(wù)快速細(xì)分的時(shí)效性不足。

（三）數(shù)據(jù)質(zhì)量問題

金融業(yè)在缺乏統(tǒng)一的金融數(shù)據(jù)治理體系下，部分金融機(jī)構(gòu)面臨著數(shù)據(jù)質(zhì)量不高，采集或者整理數(shù)據(jù)時(shí)存在操作不科學(xué)、不規(guī)范等問題，會(huì)導(dǎo)致分析結(jié)果不準(zhǔn)確，需要進(jìn)行數(shù)據(jù)清洗和校準(zhǔn)。

（四）數(shù)據(jù)隱私和安全

銀行儲(chǔ)存著大量客戶數(shù)據(jù)，包括個(gè)人身份信息、交易記錄、資產(chǎn)情況等敏感信息，數(shù)據(jù)容易成為黑客攻擊和惡意操作的目標(biāo)。數(shù)據(jù)安全問題不僅會(huì)對(duì)客戶造成重大影響，還會(huì)損害銀行的聲譽(yù)和信譽(yù)。

（五）多源數(shù)據(jù)整合

銀行通常有多個(gè)數(shù)據(jù)源，包括核心銀行系統(tǒng)、互聯(lián)網(wǎng)銀行、移動(dòng)應(yīng)用、社交媒體等。將這些不同源頭的數(shù)據(jù)整合起來以獲取全面的信息是一個(gè)復(fù)雜的任務(wù)。

（六）實(shí)時(shí)處理

銀行需要及時(shí)響應(yīng)市場變化和客戶需求，因此能夠?qū)崟r(shí)分析非結(jié)構(gòu)化數(shù)據(jù)以支持決策和風(fēng)險(xiǎn)管理。

五、非結(jié)構(gòu)化數(shù)據(jù)分析建議

（一）升級(jí)文本數(shù)據(jù)分析工具，提升數(shù)據(jù)分析能力

一是全面運(yùn)用自然語言處理和機(jī)器深度學(xué)習(xí)技術(shù)，實(shí)現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)的建模分析，以及模型的自我調(diào)優(yōu)；探索將大模型應(yīng)用于客服交互場景，準(zhǔn)確理解和獲取關(guān)鍵信息，并根據(jù)任務(wù)需求進(jìn)行分析和處理。

二是以自然語言模型為基礎(chǔ)，構(gòu)建起包括客戶標(biāo)簽、渠道標(biāo)簽、產(chǎn)品標(biāo)簽、業(yè)務(wù)行為標(biāo)簽等在內(nèi)的全維度標(biāo)簽體系，并支持標(biāo)簽多維分析和交叉分析，全面提升客戶分析的精細(xì)度。

三是打通個(gè)人客戶信息組件相關(guān)數(shù)據(jù)的運(yùn)用壁壘，通過對(duì)個(gè)人客戶標(biāo)簽的聯(lián)動(dòng)運(yùn)用，全面提升客戶分析的針對(duì)性。

（二）突破語音轉(zhuǎn)譯能力瓶頸，夯實(shí)分析工作基礎(chǔ)

一是突破目前不足50%的語音轉(zhuǎn)譯比例瓶頸，實(shí)現(xiàn)客戶來電的全量轉(zhuǎn)譯和實(shí)時(shí)轉(zhuǎn)譯，夯實(shí)分析基礎(chǔ)。

二是研發(fā)語音轉(zhuǎn)譯文本的自主、實(shí)時(shí)調(diào)優(yōu)校準(zhǔn)工具，不斷提升系統(tǒng)的語音轉(zhuǎn)譯準(zhǔn)確率。

三是融合客戶問題資源管理平臺(tái)和語音分析平臺(tái)，實(shí)現(xiàn)語音轉(zhuǎn)譯數(shù)據(jù)的復(fù)用；進(jìn)一步接入官方網(wǎng)站、企業(yè)微信號(hào)、手機(jī)銀行等渠道的在線客服服務(wù)記錄，提升數(shù)據(jù)的全面性。

（三）打造客戶分析人才梯隊(duì)，聚焦數(shù)字化經(jīng)營賦能

一是加大分析人才培育力度，加強(qiáng)有大數(shù)據(jù)相關(guān)專業(yè)背景、數(shù)字化工作經(jīng)驗(yàn)的人才儲(chǔ)備。

二是聚焦手機(jī)APP、數(shù)字人民幣等重點(diǎn)工具或產(chǎn)品，建立適應(yīng)“敏捷”和“全面”兩個(gè)報(bào)告維度的分析師、建模師隊(duì)伍，實(shí)現(xiàn)數(shù)字化經(jīng)營賦能的“軟件”升級(jí)。

（四）明確數(shù)據(jù)的權(quán)利界定，保持?jǐn)?shù)據(jù)分析合規(guī)性

一是尊重客戶數(shù)據(jù)權(quán)利，規(guī)定數(shù)據(jù)采集、使用和保護(hù)的寬度和深度，并對(duì)數(shù)據(jù)采取適當(dāng)?shù)臄?shù)據(jù)脫敏和保護(hù)措施。二是與法律和合規(guī)團(tuán)隊(duì)密切合作，以確保數(shù)據(jù)分析活動(dòng)合法合規(guī)。

（五）推動(dòng)數(shù)據(jù)資源共享，提升金融服務(wù)效率

通過技術(shù)手段解決數(shù)據(jù)共享的安全問題，實(shí)現(xiàn)信息的可追溯和不可篡改，打通多渠道的信息交互通道，將數(shù)據(jù)分析成果對(duì)接到應(yīng)用組件、短信平臺(tái)、微信公眾號(hào)，推動(dòng)數(shù)據(jù)共享，減少資源浪費(fèi)。

（六）增加數(shù)據(jù)可視化分析工具，助力決策快速敏捷

使用數(shù)據(jù)可視化工具和儀表板，將非結(jié)構(gòu)化數(shù)據(jù)的洞察以可理解的方式呈現(xiàn)給決策者，幫助其快速作出決策。

參考文獻(xiàn)：

[1]中國人民銀行.金融科技發(fā)展規(guī)劃（2022—2025年）[EB/OL].[2022-01-05]（2022-01-05）.https：//www.gov.cn/xinwen/2022-01/05/content_5666525.htm？eqid=89843e7e0017530900000004646f0174.

[2]侯本忠，張永強(qiáng)，等.基于自然語言的云數(shù)據(jù)庫非結(jié)構(gòu)化數(shù)據(jù)提取[J].信息技術(shù)，2023（3）：57-63.

[3]尹正，周圣文，張剛.基于非結(jié)構(gòu)化的數(shù)據(jù)管理探究[J].信息通信技術(shù)與政策，2022（3）：92-96.

[4]張莫，劉鴻秀. AI大模型助力金融業(yè)數(shù)字化轉(zhuǎn)型[N].經(jīng)濟(jì)參考報(bào)，2023-09-01.

[5]胡萍.金融大模型應(yīng)具備三大關(guān)鍵核心能力[N].金融時(shí)報(bào)，2023-08-07.