top100summit.com 亮点介绍 创想 设计 迭代 转化 研发 应用 学 习 研 发 数 字 化 成 熟 度 评 估 模型BDM的设 计思路和方法 如何应用该模型的报告、 指数、策略库、指标库 等快速建设金融机构数 字化转型能力 探讨开放性模型与其 他产品的衔接可行性 加速数字化智能马达 BDM数字化成熟度 评估模型2.0 www.top100summit.com 基本概念 加速数字化智能马达 TOGAF®企业架构：The Open Group TOGAF®标 准是一种企业架构方法，它为企业软件开发提供了高 阶框架，帮助企业将IT目标与整体业务目标相统一。 • 指标体系：指将多个指标按照一定关系构成一个整体， 借助指标体系把业务逻辑化，可以精准的定位问题分 析问题，洞见商业。 www.top100summit.com • 案例背景介绍 • 案例设计及实践 • 案例复盘及启示 推动创新成果在银行内部全范围的落地。 明确定义数字化转型的目标和指标，确保对资源和投资的正确分配，并跟踪实施过程中 的进展和成果。 1 2 3 战略 组织 机制 策略落地 “通过数字化转型评估模型建设，落实行 动指标与战略目标的关联，推动转型落地” www.top100summit.com 核心实践 基于企业战略寻找数字化转型的“北极星指标”，并最终实现决策引领 ✓ 综合衡量产品的用户价值

头条驾驶舱 35 份报告 215 个指标服务的订阅 全域数据无缝集成 140+ 分析资产沉淀 14786 个分析页面支撑决策 1000+ 会议议题全面覆盖 指标治理 数据管理 决策效果 数智领导力 008 007 数智领导力 CHALLENGES 管理挑战 传统汇报方式耗时耗力，缺乏便捷可视化手段 0 1 如何呈现企业真实的运营状态，不同人对指标的理解并不一致 02 多数据源、多加工链路难以保证数据准确性 数据质量平台 数据质量规则 数据质量度量 数据质量报告 数据资产平台 分类管理 价值管理 流通管理 风控管理 主数据平台 主数据管理 模型管理 质量管理 标准管理 指标管理平台 指标管理 生命周期管理 运营分析 数据开发平台 数据入湖管理 多维模型开发 数据整合开发 数据服务开发 数据能力平台 数据人员管理 数据资源管理 数据评价管理 顶层会议 数据质量平台 数据质量规则 数据质量度量 数据质量报告 数据资产平台 分类管理 价值管理 流通管理 风控管理 主数据平台 主数据管理 模型管理 质量管理 标准管理 指标管理平台 指标管理 生命周期管理 运营分析 数据开发平台 数据入湖管理 多维模型开发 数据整合开发 数据服务开发 数据能力平台 数据人员管理 数据资源管理 数据评价管理 顶层会议

从一方欺诈演变成更加隐 蔽、实时的三方欺诈。 营销 从个人 / 团体行为薅羊毛，到 职业化的漏洞挖掘与利用。 贷前信审 信贷产品竞争加剧，机器学习可以 挖掘边界客户，实现精准授信。 贷中风控 数据指标变化快，需要实现实时 化的再审核与放款。 贷后管理 贷后管理难度大，需要多种新技 术发现隐性风险，提高管控度。 操作风险 随着银行线上化能力的增强，操 作风险识别从预防人员不合规操 作转为线上流程漏洞和异常行为 支持低代码开发，快速部署实施 • 弹性架构支持三大类场景 ModelOps • 模型全生命周期线上化 ， 提升 风控模型可管理性 平台化 • 统一的 FlinkSQL IDE • 统一实时指标、特征开发管 理 实时化 • 毫秒级 : 事中风控 <50ms • 秒 级 : 准实时风控 < 5s 智能化 • 规则引擎 • 机器学习 • 联合编排 实时风控体系能力模型 决策表 预计算 聚合计算 灵活窗口 实时指标库 实时计算技术 数据清洗 数据加宽 实时维表 窗口计算 指标引擎 规则引擎 模型引擎 实时风控技术选型 Connector Kafka

IT架构演进升级 平台运维现代化 极简性 运维体验 极简信息汇聚 极简运维操作 极简管理决策 预见性 风险治理 风险预防管理 变更风控管理 混沌工程演练 确定性 故障恢复 可用性指标构建 全链路可观测 故障感知与快恢 云网定位定界 应用运维现代化 高可用 架构设计 高可用SLA规划 应用高可用设计 高可用治理 端到端 应用运维 应用数据治理 运维故障分析 能力、自动化能力、可视化能力四个维度设置合 理的成熟度指标，对运维体系的发展阶段进行数字化衡量。 2.2 混合云现代化运维体系建设思路 混合云现代化运维体系建设应当设置明确的目标， 聚焦运维带来的价值以及能够沉淀的运维能力两个 方面进行考量，使得运维产生的收益最大化。基于 目标设计运维体系的成熟度模型，设置不同维度的 考核指标，评估运维体系建设目标的达成情况以及 效益 图2.2 评价维度 评价标准 指标举例 业务感知能力 应用请求成功率 应用请求平均时延 运维人效比率 平台资源使用率 运维自动化率 变更成功率 资源统计报表 运维可视化程度 通过云上业务系统经营指标、运维指标、服务可用性指标等指标判断业务感知能力，指标 覆盖越全面，业务感知能力越好 分析决策能力 通过资源使用率、运维人效比、运维投资收益率等一系列指标为分析决策提供输入，指标 覆盖越全面，分析决策偏差越小

发展阶段进化到精细化管理阶段，从过去强调网络建设、应用建设和系统建设，逐步认识到增强 管理能力的重要性。 传统的运维管理虽然具备一定的设备管理能力，但从实践中有发现了很多弊端。这些弊端包 括管理设备究竟该管那些关键指标（KPI）？确定 KPI 后运维管理给出的具体数值又代表什么含义？ 设备是正常的？故障的？还是只是需要注意下？最痛苦的是用户会发现管设备节约的人力都投入 到使用运维管理系统中，那么运维管理系统带给用户的价值在哪里呢？ 对系统进行检查的方式来发现系统中存 在的问题。随着系统复杂性和建设规模不断增大，各种复杂设备对人的要求越来越高。初级的运 维管理系统应运而生，这类系统是以“工具”的形式出现，即“我不知道该看什么指标，该管什么设 备，反正我都可以管，具体怎么管用户自己定”。系统投运后，大量的工作都需要用户自己完成， 转变不外乎从登录设备操作改变到登录运维系统进行操作。这样的运维管理系统一旦部署，用户 的工 对于不同等级资源进行不同角度的统计和报表分析  能便捷的调整等级，并应用相应等级的管理规则 智慧运维平台以等级为核心进行管理区分，内置不同等级的管理解决方案，从下到上贯彻等 级化，差异化管理模式。 1、 预置不同的指标采集方案和策略，落实差异化采集方式，按需采集提供技术基础，同时 为大节点管理提供理论可能； 2、 预置不同等级的不同风险阈值的设定，落实差异化管理和考核要求； 3、 为高级别设备自动生成统计报表，使用户能方便的关注报表数据；

............................................................................................176 监控指标..................................................................................................177 ...................................................................................256 15.2.1 效率提升指标............................................................................258 15.2.2 客户满意度提升.... 交易识别准确率较现有系统提升 15 个百分点，异常交易响应速度 从分钟级优化至秒级；最后，通过智能流程自动化重构后台运营体 系，预计可减少 45% 的人工复核环节，年节约运营成本约 2800 万 元。 关键技术指标的具体要求如下： 维度 当前基准值 目标值 达成周期 客服响应速度 4.7 分钟 ≤30 秒 Q3 2024 工单转人工率 32% ≤8% Q4 2024 风险误报率 18% ≤5% Q2

进行静态学习，投喂短期模型逻辑以及底稿等核心信息，训练 DeepSeek ； 二是让 DeepSeek 进行动态纠偏，挖掘历史数据中“先验权重”与“真实走势”的差异，迭代优化； 三是让 DeepSeek 进行推理应用，基于宏观指标预测值完成 2025 年全年的指数外推 优化结果：等权重平均组合五个短期模型结果，降维后胜率 38.52% ； AI 赋能权重优化（ DeepSeek-V3 ） ，胜 率提升至 60 资料来源： Wind ，国信证券经济研究所整理 资料来源： Wind ，国信证券经济研究所整理 短周期 判定核心：基于美林时钟、周期叠加、 货币信用、信贷库存、政策组合等框架， 结合综合通胀指标，研判近月股债强弱 应用价值：对短期股票盈利与估值提 供指引，捕捉交易机会，把握市场短期 波动节奏 中周期 判定核心：关注“资产价格”向“内 在价 值”回归的路径，分析经济周期、企业盈 信贷库存框架（票据余额增速 + 贷款余额增速）：类比实体库存周期从金融角度来刻画库存周期的波动 产能库存嵌套框架（ PMI+ 产成品存货 + 产能利用率）：关注库存周期和产能周期两类周期性指标 图 7: 周期降维的思路框架 请务必阅读正文之后的免责声明及其项下所有内容 短周期：大类资产配置框架的加法（统筹）和减法（降维） 资料来源： 国信证券经济研究所绘制 请务必阅读正文之后的免责声明及其项下所有内容

......................................................................................144 8.1 效率提升指标................................................................................................... ......................................................................................150 8.2 质量提升指标................................................................................................... 口达 37%。最后，实时审计需求与滞后分析能力的矛盾突出，特别 是在区块链、云计算等新技术应用场景中，传统审计方法难以实现 交易链路的全流程穿透。 以下数据直观反映了审计效能瓶颈的关键指标： 指标维度 行业平均值 监管期望值 差距率 异常交易识别时效 72 小时 ≤24 小时 200% 全量数据分析覆盖率 12% ≥90% 650% 审计调整事项回溯准确 率 68% ≥95% 40%

..................................................................................136 6.2.1 效率提升量化指标................................................................................................... 推荐精准度提高 40%；最后，利用实时风险监测模型，将欺诈识别 准确率提升至 98%以上。 关键数据指标对比如下： 指标 传统模式 DeepSeek 方案目 标 核保时效 48 小时 2 ≤ 小时 理赔自动化率 35% 90% ≥ 产品转化率 12% 17%（+5%） 指标 传统模式 DeepSeek 方案目 标 欺诈识别准确 率 85% 98% ≥ 技术实施路径分为三个阶段： 控全覆盖 ，但行业现状显示：①反欺诈识别准确率普遍低于 65%；②合规审查自动化率不足 20%；③监管报送数据错误率高达 8.7%。 为量化转型需求优先级，我们对头部险企的调研结果显示以下 关键指标差距： | 能力维度 | 当前水平 | 行业标杆水平 | 差距倍 数 | |——————|———-|————–|———-| | 核保自动化率 | 28% | 75% | 2

为系统评估全球电力数智化进程，助力各国融入 智能化浪潮，华为推出全球数智化指数（GDII）报 告，选取 25 个代表性国家，从“感知、联接、平 台、应用、服务、可持续发展”6 个维度，构建起 电力行业智能化指标体系，清晰呈现各国发展现状 与阶段性特征，并提出“传统电网—智能电网—新 型电力系统”的演进路径，为全球电力行业转型升 级提供参考依据和实施框架。 清华大学与华为长期保持深度合作，围绕电力 - 通过宽带可访问性、云服务和物联网的早期应用等 在内的 40 项指标，对全球 79 个国家进行了评估。 这一时期突显了网络连接在推动经济增长中的关键 作用。 数字化时代（2020 年 –2024 年） 随着数智经济初具规模，数字化开始赋能各行各 业，数据也逐渐成为一种关键资产。 全球数字化指数（GDI）通过 42 个指标对 77 个国 家的数字化进程进行了评估。GDI 的结果表明，数 全球数智化指数（GDII）2025 新指标 为引领 GDII 演进升级，我们在这七大支柱领域对 部分指标进行了优化，并新增了多项指标。基于 此，GDII 能够更精准地反映各国如何构建以数智 基础设施为依托的智能价值创造生态。与此同时， 指标升级有助于评估各国从基础的网络接入与带宽 阶段，迈向借助人工智能放大数据全生命周期价 值，步入信息化转型新时代的能力。 新指标开发遵循“4+1”原则 ：