智能涌现：AI赋能行业研究与数据洞察实战

Q: 学习这门课可以获得什么收益？

思维重构： 掌握AI增强型研究思维，建立以分析师洞察为核心、AI为高效执行助手的人机协同新范式，并结合课程中的工具、案例和练习推动企业培训落地

课程大纲

认知重塑——行业研究的AI新范式

一、AI浪潮下的行业研究变革

（一）传统研究工作流的四大痛点

信息过载：海量数据难以筛选
效率瓶颈：重复性劳动耗时过多
洞察局限：易受限于个人认知边界
产出压力：高频报告撰写负担沉重

（二）人机协同的新型工作流

人类（分析师）：定义问题、构建逻辑、验证洞察、承担责任
AI（智能助手）：执行检索、清洗数据、生成文本、扩展思路

二、AI工具图谱与合规边界

（一）主流AI工具在研究领域的定位（DeepSeek, Coze等）

（二）研究院的红线：数据安全、信息来源与合规性要求

对话的艺术——精通AI提问的研究员模式

一、AI回答质量的决定性因素

（一）为什么AI有时会一本正经地胡说八道？

（二）提示词的五大核心要素：角色、任务、背景、规则、输出格式

二、行业研究的高阶提示词框架（R.C.O.A.F.）

（四） Action（行动链）：拆解复杂任务为AI可执行的步骤

三、实战

演练：优化糟糕的提示词
精选应用案例
案例（差）：帮我分析一下A公司
案例（优）
1. 角色：你是一位专注TMT行业的资深分析师
2. 背景：A公司刚刚发布了Q3财报，营收同比增长10%，但净利润下滑5%
3. 任务：请总结财报中的5个核心要点，并分析利润下滑的可能原因
4. 格式：请使用要点（Bullet Points）形式回答

智能信息流——全域公开数据的自动获取与监控

一、AI驱动的信息过滤与聚合

（一）传统搜索 vs AI搜索（RAG）

（二）设定监控主题与关键词，实现信息的定向推送

二、政策与公告的智能解读

（一）长文本（如行业政策、公司年报）的快速摘要

（二）跨文本对比：自动识别新旧政策或竞品公告的关键差异

梳理二、政策与公告的智能解读的适用场景、输入输出和使用边界
实操：快速总结一篇50页的行业深度报告或政策文件
案例：对比A、B两家公司最新年报中关于AI战略的表述差异

数据的炼金术——AI处理非结构化数据

一、非结构化数据的定义与挑战

（一）什么是行业研究中的非结构化数据（例：用户评论、访谈纪要）

（二） AI处理文本数据的优势

二、AI辅助电商/社媒数据的结构化

（一）数据清洗：自动识别并处理无关信息、水军评论

（二）信息提取：从评论中自动抓取关键属性（如：价格、功能、外观）

（三）情感分析与标签化：批量对用户评论进行正面/负面/中性的情感标记

三、实战：电商评论数据分析流程

梳理三、实战的适用场景、输入输出和使用边界
实操：导入100条（脱敏）电商评论，利用AI完成以下任务
1. 提取用户提及的核心优点和缺点
2. 统计正面与负面情感的比例
3. 将观点聚类为价格、服务、产品质量三大类

洞察加速器——AI辅助行业趋势与竞品分析

一、AI辅助生成分析框架

（一）快速生成行业SWOT/PEST分析初稿

（二）构建竞品对比矩阵：自动抓取并填写关键指标

二、AI辅助趋势总结与观点生成

（一）基于多篇研报或新闻，智能总结行业核心驱动因素与未来趋势

（二）观点的壁打ち：向AI提出初步观点，让其扮演反方进行质疑

三、投资观点的AI对抗性辩论（簡易版）

（一）设定命题（如XX行业未来一年将保持高景气度）

（二）角色扮演：AI作为空头分析师，提出反对证据和逻辑

梳理三、投资观点的AI对抗性辩论（簡的适用场景、输入输出和使用边界
实操：输入3家竞品的核心信息，让AI生成一份竞品对比分析表
案例：针对看多XX赛道的观点，利用AI进行压力测试，找出逻辑漏洞

报告自动化——AI驱动研报撰写与图表生成

一、AI辅助研报框架搭建与撰写

（一）根据核心观点和数据，快速生成研报大纲

（三）文本润色与合规性检查：优化行文风格，检查敏感词汇

二、AI辅助图表生成与解读

（一）数据可视化：根据表格数据，推荐合适的图表类型

（二）图表解读：自动生成图表的核心结论（看图说话）

（三）跨语言辅助：快速翻译和总结英文财报和海外研报

梳理二、AI辅助图表生成与解读的适用场景、输入输出和使用边界
实操：提供一份数据表格和核心观点，让AI撰写一段300字的投资逻辑
实操：让AI将一段中文分析结论，快速、专业地翻译成英文摘要

智能体（Agent）——构建专属的行业监控助手

一、什么是AI Agent及其在研究中的价值

（一）从单次问答到自动执行

（二） Agent的应用场景：舆情监控、数据日报、竞品动态跟踪

二、Coze平台基础操作

（一）工作流（Workflow）设计：触发器、工具节点、LLM节点

（二）知识库（知识页）与插件（Plugin）的应用

三、实战：搭建一个行业动态监控Agent

拆解三、实战的工具配置、提示词设计和结果校验步骤

适合对象

证券公司研究院的行业研究员 ● 助理研究员与数据搜集岗 ● 需要处理海量信息与撰写报告的数据分析师

课程定位与主要问题

AI办公试点、数字化流程优化或团队效率提升项目需要的不只是方法介绍，还要处理现场动作不稳定的问题

核心收益

思维重构：掌握AI增强型研究思维，建立以分析师洞察为核心、AI为高效执行助手的人机协同新范式
精准提问：精通面向行业研究的提示词工程（Prompt Engineering），实现与AI的精准、高效、可控的对话
数据赋能：掌握利用AI工具对公开信息、行业新闻、乃至电商与社媒等非结构化数据进行快速抓取、清洗与结构化的核心技巧

查看更多收益收起更多收益

效率跃迁：将AI深度应用于竞品分析、趋势预测、报告撰写等高频场景，显著提升研究工作的产出效率与质量

课程背景与交付信息

传统的行业研究正处于一场深刻的效率革命与范式转型之中。面对海量的非结构化数据、高速迭代的市场动态以及对深度洞察的迫切需求，分析师亟需摆脱重复性的数据搬运与整理工作。本课程专为券商研究院的行业研究团队设计，聚焦于通用行业研究的核心痛点，从根本上解决如何问对问题到如何高效处理特定数据（如电商、社媒数据），最终实现如何快速生成高质量研报的全流程赋能，构建人机协同的新型研究工作流

课程时间

1天

授课方式

讲师讲授、案例研讨、情景演练、互动答疑

课程内容重点

01认知重塑——行业研究的AI新范式

02对话的艺术——精通AI提问的研究员模式

03智能信息流——全域公开数据的自动获取与监控

04数据的炼金术——AI处理非结构化数据

05洞察加速器——AI辅助行业趋势与竞品分析

06报告自动化——AI驱动研报撰写与图表生成

讲师介绍

卢敏行

银行智能化转型专家

卢敏行，银行智能化转型及AI应用方案咨询专家。曾任联想控股子公司COO及报喜鸟HRD，深耕金融AI应用落地。项目落地转化率90%以上，获中信银行等头部机构多次返聘

银行保险邮政金融能源广电

查看讲师主页

课程差异说明

本课程页面围绕《智能涌现：，训练AI赋能行业研究与数据洞察实战》重点呈现课程定位、适合对象、核心收益和 7 个主要模块，便于快速判断培训匹配度

课程常见问题

这门课适合哪些学员参加？

适合● 证券公司研究院的行业研究员 ● 助理研究员与数据搜集岗 ● 需要处理海量信息与撰写报告的数据分析师等需要系统提升相关能力的人群

学习这门课可以获得什么收益？

思维重构：掌握AI增强型研究思维，建立以分析师洞察为核心、AI为高效执行助手的人机协同新范式，并结合课程中的工具、案例和练习推动企业培训落地

课程通常安排多长时间？

当前样板提取的课程时间为：1天（标准授课6小时）。实际交付可根据企业培训目标和学员基础进行调整

企业可以基于这门课做定制吗？

可以。正式交付时可结合企业行业、岗位对象、当前问题和培训时长，对案例、练习和重点模块做适配