指标语义层+Agent架构+反问机制+加速引擎+主流国产模型适配，数势科技脱颖而出

• 指标和标签语义层让SwiftAgent输出更精准的结果。许多企业试图通过大模型直接与企业内部数据对话，本质上是Text to SQL，由于大模型可能产生幻觉，反馈的结果往往不够准确。数势科技通过构建企业的标准化语义层，预设数据指标和标签的定义与管理，避免业务理解对不齐，让大模型可以更准确地理解用户需求。

图表1：SwiftAgent通过增加指标和标签语义层帮助企业实现自主取数的工作原理

• Agent架构让SwiftAgent可以解决复杂任务。SwiftAgent采用Agent架构，具备任务拆解和工具调用能力，能够自动解决复杂问题，无需过多人力介入。用户提问会由Agent基于问题目标，基于此类问题的最佳实践进行任务拆解，然后再去对应到具体的工具，到底是指标查询还是图表生成，还是归因分析。具体来说，某支行长告诉SwiftAgent：“帮我看一下最近7天理财产品销售情况，哪个渠道最多以及为什么，最后再来个总结。”传统方法下，该支行长通常需要先获取数据，核实数据情况，进行归因分析，最后以报告形式呈现结论。这涉及到多方面的技能，包括解释数据、归因分析、报告撰写等。而通过双方合作，他可以直接应用SwiftAgent产品高效、自动应对此类分析场景，为后续决策提供更加精准的分析支持，推动银行数字化进入更为智能、高效的阶段。

• 反问机制让SwiftAgent生成更可用的结果。人与人之间工作交流时常常出现语义不清的情况，需要“进一步沟通”或“对齐”，人与大模型之间同样需要这个步骤。当前，多数大模型产品不具备反问能力，而是直接回答，答案往往是不可用，很可能答非所问。SwiftAgent在产品设计环节，增加反问模块，让大模型更好地理解用户需求，一步一步把需求“精细化”，提升正确结果概率，生成更可用的结果，而不是先生成一个错误答案，再沟通修改。例如用户提问：“帮我看下资产情况。” SwiftAgent会进行反问：“希望查询哪个时间段的总资产情况?例如，是最近7天、最近1个月，还是今年年初至今的统计数据?您也可以自定义时间窗口。”SwiftAgent的反问问题也不是基于固定模板生成的，而是根据该用户过往的使用习惯，由大模型生成。

• 加速引擎让SwiftAgent交互体验更好。用户能不能用起来，有一个关键点，就是结果生成的用时。用户问完一个问题，“干等”数十秒必然降低使用体验。数势科技自研指标加速引擎，可以让生成用时降低至10秒左右。又准又快，才能让用户真正用起来。

• 主流国产模型适配让SwiftAgent更安全。多数银行采用私有化部署大模型，即使采用API调用的方式，也是优先主流国产模型。部分数据分析厂商推出自己的基础模型，或者偏向适配国外模型，不能满足该城商行需求。SwiftAgent已适配主流国产模型，包括智谱GLM、Baichuan、百度文心一言和阿里千问等。

03 

数势科技基于SwiftAgent为该城商行打造智能分析解决方案

数势科技为银行提供智能分析解决方案，以SwiftAgent产品为核心，利用行业知识和数据分析模型，理解策略目标，将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分：

图表3： 银行智能分析解决方案技术架构

• 基座大模型：数势科技选择了经过实际应用验证的国产大模型，并对其进行了进一步的Prompt微调和模型微调，以确保其在银行数据分析场景中的高效应用。这样的定制化处理不仅满足了银行对数据安全性的高标准要求，还会显著降低大模型可能产生的幻觉问题，提高数据分析结果的准确性。

• 企业数据源：待到项目实施过程中，数势科技首先对该城商行的各类数据源进行详细梳理和整合，包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化管理，为后续的指标语义层构建和大模型应用奠定坚实基础。

• 指标语义层：数势科技计划为该城商行构建统一的指标语义层，明确定义各类指标的计算口径和业务含义。这不仅提高数据指标的管理效率，还确保不同业务部门在数据使用上的一致性，避免了因口径不统一而导致的数据分析偏差问题。

• SwiftAgent产品：作为智能分析解决方案的核心，SwiftAgent通过与用户的交互式问答，能实现数据指标的灵活查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求，SwiftAgent便能智能识别并反馈精准的分析结果，可以明显提升数据分析的效率和准确性。

• 数据分析应用：在一期建设中，数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景，旨在为银行的各级管理层提供高效、精准的数据支持，助力其在决策和运营中更加灵活和敏捷。未来，数势科技将继续扩展更多的数据分析应用场景，进一步满足银行多元化的数据分析需求。

04 

用户意图识别率＞98%，复杂任务规划准确率＞95%，好用的智能分析应用让取数用数排队情况成为过去式

智能分析系统建成后，该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收，从多方面进行评估与打分，主要结果如下：

1. 准确性：用户意图识别率＞98%，复杂任务规划准确率＞95%。

2. 效率提升：分析工作处理时长减少80%，每人每周减少10+小时数据处理工作。

3. 用户满意度：使用者满意度9.3+分。

4. 交互友好度：用户界面友好度9.5分。

该城商行各相关方均对智能分析系统高度评价，系统正式上线。如今，基于SwiftAgent打造的智能分析应用，在该城商行中高层领导及业务团队中已常态化使用，取数用数排队情况成为过去式。项目收益具体如下：

未来，该城商行计划与数势科技深化合作，利用智能分析赋能私人银行理财师，强化用户洞察与营销能力，让数据价值在业务层面得到更多体现。