财富管理实质是客户关系，随着技术更新迭代，客户需求升级，面临的难题是如何以合理的成本去高效服务亿级全量客户。AI 数智化使得普惠财富管理成为可能，为亿级客户提供的全客户、全产品、全渠道精准适配。

整合大财富管理向下的产品，服务，内容，权益，活动，借助 AI 能力升级包括数据采集标准化，智能推荐精准化，流量分发自动化，策略迭代最优化，数据评价科学化在内的客户旅程闭环经营能力，打造线上五位一体综合金融服务方案。

通过“AI赋能“、”体验至上”、“流量”+“生态”、“基础设施”，环环相扣，相互促进，构建非线性增长的财富管理业务模式，实现效率跃迁。

演讲提纲：

1. 财富管理的内在含义及未来走向
2. “AI+财富管理”的全景视图
3. AI 赋能全量客户经营的案例分享
4. 财富管理的数字化能力建设

你将获得：

• 财富管理数字化体系建设
• AI 赋能下的亿级客户运营体系
• 提炼业务中台核心能力

数据仓库发展了近三十年，数据分析却渐渐陷入一些困境。一方面业务的需求越来越多，应用的交付速度却不够敏捷，指标口径不统一的问题日益尖锐；另一方面，数据团队承担了巨大的工作压力，消耗大量资源效果却不理想。这背后究竟是什么地方出了问题？关键在于当今的数据环境已经发生了重大变化。一方面是随着业务创新，需求越来越丰富、变化越来越快；另一方面数据量越来越大，而且增长越来越快。而我们当今的数据分析模式，依然是过去的以数据模型为核心，采用的依然是陈旧建设理念。

Kyligence 基于资深专业团队多年的实践经验和业界实施案例的沉淀，结合资深先进产品技术，提出以指标为核心的分析体系建设思路，涵盖了从指标、模型、自动化指标工厂到全面指标服务，形成端到端的指标管控和运营体系。

演讲提纲：

1. 当前金融行业数智化转型特点
2. 企业级指标体系的设计
3. 企业级指标平台定位及价值优势
4. 头部金融机构指标平台建设的成功案例

你将获得：

• 了解指标平台的价值
• 了解基于指标的数据闭环价值
• 了解头部机构实践经验

金融数据体系极其复杂，内部关系错综复杂，伴随业务数据越来越多、数据全民意识越来越强，体系化的数据治理已成为不得不交的作业；而现实告诉我们，面对难找、难理解、不敢用、用不起的海量数据，传统的治理措施面临难以落地、落地效果不佳、效果难以量化等困局。海量敏感数据、质量管理、监控和告警等治理，以及数字化转型过程中稳定高效的对外高质量的提供数据服务，都成为了关键问题。

构建金融级数据研发DataOps一体化平台将会是一个破局点，将数据治理体系落地到研发流程中，保证数据价值最大化，降低数据应用成本，结合DMMA方法论与工具，让治理工作潜移默化到每个数据研发工作成员的日常工作流程中。始终以业务价值最大化为目标，对数据研发全生命周期进行管理，更好的服务业务需求，并且能将全行核心数据资产沉淀到平台上。

本次分享将从数据研发全生命周期管理角度，从数据采集、数据建模、数据加工、数据测试、数据发布、数据应用等阶段出发，来达到沉淀金融核心数据资产，介绍整体DataOps架构设计，介绍如何解决安全、提效、降本等方面的行动，以及一些已有的成效，给出与会者一些已有的成效借鉴。

演讲提纲：

1. 金融数据的问题与挑战
2. 金融DataOps体系介绍
   • 数据研发全生命周期介绍
   • 指标研发
   • 数据应用
   • 数据治理及数据安全
3. 未来展望

你将获得：

了解实现金融级数据研发DataOps落地经验，如何保护金融敏感数据安全，如何将数据治理方法论落地在数据研发全流程，如何实现流批一体，保证离在线数据口径一致，如何提升数据研发效率，降低数据使用门槛，降低数据成本。