专题演讲嘉宾：岑润哲

全球金融科技行业迅猛发展，经营分析领域是核心场景。然而，金融行业数字化经营分析面临众多痛点和难点，且传统分析工具的“可用性”和“业务价值”一直受到挑战。大模型和 Agent 的出现，给数据分析与决策带来了颠覆性变革：从过去面向数据的分析到现在面向问题/目标的洞察。

本场分享将探讨大模型增强的智能分析 AI Agent 在金融科技中的具体应用场景、技术实现和实用性挑战解决方法。从企业“管理者”、“技术分析团队”和“业务团队”用数的场景和痛点切入，结合真实落地案例，探讨包括传统银行、券商和基金以及互联网金融在内的众多金融机构如何以智能分析 AI Agent 解决数据分析准确性、数据源全面性、分析逻辑黑盒不可信以及数据计算查询效率及性能等问题。

最后，我们还将总结当下技术难点、展望未来发展趋势，尝试为金融机构在经营分析场景的数字化创新提供思路。

演讲提纲：

1. 金融行业经营分析领域的现状和痛点
2. 当前行业内通用解决思路及主要问题：
   • 数仓+BI
   • 仓内语义 LLM Agent 方案：NL2SQL——准确性低
3. 智能分析 AI Agent 相较传统解决思路的技术创新：
   • 仓外语义：数据建模右移，更贴近数据消费endpoint，更便于LLM Agent 规划推理；基于虚拟层做数据编织，口径管理更灵活、便捷
   • 仓外语义 LLM Agent 方案——NL2semantic2API
   • 数势科技 SwiftAgent——NL2semantic2Metrics+LabelAPI：
     • 打造统一语义层
     • 数据计算加速引擎
     • 多源异构数据链接
     • 用户可干预
     • 持续反思学习，自主进化
4. 智能分析 AI Agent 的应用场景与价值：以银行和证券真实案例展开
5. 总结与展望

听众受益点：

• 金融机构的管理层、技术和业务人员如何实现智能数据分析，降本提效；
• 了解大模型增强的智能分析 AI Agent 的构建方法；
• 金融机构 + 大模型 + AI Agent 的落地经验和业务效果；