|
近日，2026帆软第八届智数大会数智金融分论坛圆满落幕。会上，帆软软件有限公司金融行业咨询总监张鲲发表了题为《AI时代的高质量数据集——语义层建设思路》的主题演讲。演讲中，张鲲提出，高质量数据集不是「收集」出来的，而是「定义」出来的，金融机构应以语义层为载体，让数据真正被AI理解。
重新理解高质量数据集：
AI缺的不是数据，是可理解的数据
张鲲认为，AI落地已进入深水区，而高质量数据集的内涵也必须叠加AI时代的诉求。他援引行业预测称，公域数据将在2028年前后趋于耗尽，未来AI的迭代将主要依靠占整个数据体量90%以上的私域数据。
当前高质量数据集建设普遍对标TC609国家标准，强调全生命周期闭环与评测体系。其中「说明文档」的内涵正在悄然变化：过去只需定义清楚表与字段，现在则要告诉AI这份数据该怎么用。
他进一步分析，人工智能的三大支柱中，算法已随开源模型走向平权，算力也可通过国产芯片、租赁平台等多元渠道获得，决定性因素重新回到了数据。「金融行业从来不缺数据，缺的是可以被模型高效理解的知识化数据。」因此，AI时代的高质量数据应具备三重内涵：语义可理解、口径可对齐、质量可评测。
语义层：既是生产模具，
也是质检标准
语义层与高质量数据集的要求一一对应。语义可理解对应内容一致性，即把字段定义成「是什么、什么关系、什么情形算异常」；口径可对齐要求沉淀统一的指标口径与标签规则，破解「同名不同义」——同样一笔存款余额，在监管口径、账面口径与考核口径下计算方式不同，就应当是三个指标。
质量可评测则意味着必须先有标准答案。张鲲指出，这个标准答案本身就是语义层的定义——没有定义，就无从评测。评测规范测的是「语义是否到位」，而语义层正是把语义显式定义出来的那一层，因此它既是高质量数据集的生产模具，也是质检标准。
对于本体的落地，张鲲认为无需纠结于新概念。本体论讲对象、关系、规则、动作，语义层讲上下文、执行与安全护栏，二者与描述性、诊断性、预测性、指导性分析的框架同构互通。金融机构本就以指标管理经营、考核与预警，指标离业务最近，以指标作为语义层的载体是最自然的选择。
五层架构：
从数据资产到经营指挥
基于上述思考，张鲲给出了AI时代金融机构应用架构的初步设计，自下而上分为五层。
数据资产层除了传统的关系型数据库，还应纳入两类被长期低估的资产。一类是日志、制度文档、客服录音等非结构化数据，过去受限于处理效率，如今在大模型加持下价值凸显；另一类是报表看板资产——某大型银行现存约9万张报表，每一张都沉淀着当年的口径。他举例称，某股份银行计财部门常年收到业务部门的取数需求，原因是同一指标历年口径不同，业务做可比口径的同比增速时，需要翻出历史报表还原当年定义。为此，帆软推出资产网关（BAG），对存量报表资产按热度与价值做语义抽取，而非全量转换。
其上，语义资产层由权威口径中心（指标中心）与指标树构成，对应本体论中的对象与关系；Agent智能层包括本地私有Agent与集成公检法、舆情等外部数据的平台；决策闸门与执行层则依据监管8号文要求，以权限、应用、复核、退出四张清单与多条数据红线兜底，按红黄绿三级划分自动化边界——查询摘要类可自动执行，派单触达类需人工确认，授信调额类必须复核。张鲲特别提醒，一线员工个人使用外部Agent同样在管控范围内，客户经理随手把客户信息拍照发给外部大模型，即属数据红线。最上层为经营指挥层，支撑经营监控、异常归因与行动追踪。
从「随机追问」
到「确定路径」
在问数场景上，张鲲观察到，不少机构用大模型直接对接数据库、加上字段中文解释即仓促上线，结果只能回答特定数据表的问题，范围一扩大准确率便不可控。症结在于缺乏语义层：大模型不具备幂等性，同一问题两次答案可能不同，而数据分析的准确率必须是100%。
语义层给出的是确定的分析路径：当用户询问某分支机构某指标为何下降时，Agent先到指标树中检索既有分析思路，再按指标中心的权威口径取数，沿维度下钻、公式拆解定位主要下滑项，最后生成报告返回。指标树支持任意维度下钻、公式一键拆解——如把人均贷款余额拆为贷款总额与客户数——以及「人货场」这类无计算关系但业务相关的关联指标挂载。
更重要的是结果到明细的穿透：贷款余额异常可沿授信、用信、放款转化三个维度拆解，再按机构、客户、产品、人员层层定位到具体客户经理，形成贷后跟进清单。张鲲强调，没有这层穿透，总行与分支机构的对话就永远不在同一个语境里。督办功能在技术上没有难度，真正的难度在组织——谁来牵头督办，涉及角色与权限的设计。
语义资产：
让AI学会业务的分析思路
所有指标树的拆解过程均可导出为Agent易读的Markdown格式，沉淀为语义资产库。相比传统数据模型中英文缩写字段、跨表拆分的长地址定义，用AI读得懂的方式记录分析口径、归因链路与行动建议，成本更低、偏差更小。
帆软内部的BI发展史印证了这条路。早期人人自助拖宽表交付指标，宽表数量指数级增长、口径各说各话；指标平台由此从1.0的需求登记、2.0的定义与开发统一，演进到3.0的定义、开发与消费全面贯通——不存结果表、只存逻辑，用户看到的指标一定是按登记口径跑出来的。
与标准本体论相比，当前方案的差异仅在对象层。张鲲认为，从数据分析视角出发，以指标替代底层业务系统对象足以支撑语义层落地；未来再渐进演进到业务对象语义层，沉淀业务关系与规则，构建企业级知识图谱，从「理解指标」走向「理解业务世界」。
死结与解法：激活业务部门
张鲲将金融机构三十年的技术演进归纳为「同一出戏的三代剧本」：第一代数字化转型，系统上线而流程未沉淀；第二代数据治理，制度发了而业务不认领口径；第三代大模型落地，业务语义断供，模型「无米下锅」。科技搭好台，业务不唱戏——三代技术，死结未变。语义层所需的指标口径、客户分群、归因链路，不在数字字段里，而在业务专家的脑子里。
他的解法是把语义层建设植入数据人才服务体系：通过培训与陪跑辅导业务人员产出分析作品，组织初赛、复赛、决赛并邀请高管颁奖。这在科层制的金融机构里，为一线员工提供了一条快速触达领导的路径。某银行首届数据分析大赛的冠军，正是四位支行一线客户经理组成的团队。业务在参赛中沉淀的每一份作品，都是指标口径、分析思路与业务规则的资产化，本质上是隐性知识的显性化、私有知识的组织化。
组织配套上，张鲲建议明确业务语义责任人，与指标口径Owner一脉相承；建设dataBP、AIBP人才梯队，并实行业务与IT双线考核。
演讲最后，张鲲总结道，高质量数据集不是收集出来的，是定义出来的，定义权一定在业务；从组织侧明确责任人与人才梯队，从技术侧选择轻量级、快速见效的路径，从治理侧建设长效机制。「太阳底下没有新鲜事，大多数问题归根结底都是组织问题。」语义层的建设也不例外——依然依靠业技数融合。
| 
