感知层——多维数据的采集与信任建立
1.1 技术基石：替代数据与物联网
1.2 案例实战：车辆/设备金融服务（映射：通盛租赁、广西租赁）
1.3 案例实战：小额信贷/普惠金融（映射：广源小贷）
从“业务数字化”到“数字原生”——金融科技架构与全业态落地实战
从“业务数字化”到“数字原生”——金融…适合带着现有问题进入课堂，通过认知层——大模型与智能投研把做法和跟进节奏校准清楚
授课讲师：
艾钧 · 企业数字化转型与人工智能应用专家
课程大纲
认知层——大模型与智能投研
2.1 技术基石：自然语言处理与知识图谱
2.2 案例实战：证券投研/基金投资（映射：国海证券、国海富兰克林基金）
2.3 案例实战：风险资产处置/AMC（映射：金控资管、桂顺达资产）
决策层——智能风控与自动化流程
3.1 技术基石：智能决策引擎与全流程监控
3.2 案例实战：核心银行/信贷业务（映射：北部湾银行）
3.3 案例实战：担保/保理与供应链金融（映射：中小企业担保、广投保理）
底座层——数字化转型的基础设施
4.1 技术基石：云原生架构与数据中台
4.2 案例实战：集团数字化底座（映射：数字金服）
适合对象
建议由业务负责人、项目骨干、内训师和正在试点AI工具的团队共同参加，把任务场景、提示词设计、输出校验和风险边界转成课后可继续推进的动作
课程定位与主要问题
任务场景、提示词设计、输出校验和风险边界进入具体案例后，团队能同时确认方向和下一步做法
核心收益
- 理解金融科技从数字化到原生化的演进路径
- 提示与校验更稳定：IoT、NLP、知识图谱、区块链在金融风控与运营中的核心逻辑
- 学会如何构建云原生底座与数据中台，支撑全业态业务创新
- 📅 课程大纲（详细版）
- 模块一：感知层——多维数据的采集与信任建立
- 核心逻辑：解决信息不对称，从看报表到看全息画像*
课程背景与交付信息
团队把AI能力接入日常工作时，最先卡住的是场景边界和结果复核。训练会串起感知层——多维数据的采集与信任建立、认知层——大模型与智能投研和决策层——智能风控与自动化流程，先把可落地路径说清楚。
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感知层——多维数据的采集与信任建立
02认知层——大模型与智能投研
03决策层——智能风控与自动化流程
04底座层——数字化转型的基础设施
讲师介绍
艾钧
企业数字化转型与人工智能应用专家
清华大学博士、副教授，专注企业数字化转型与AI应用，兼具学术与商业实践。阿里云全球认证咨询讲师，年均授课超600课时，累计培养学员近万人，服务电力、金融等多行业头部企业
查看讲师主页课程差异说明
本课程页面围绕《从“业务数字化”到“数字原生”——金融科技架构与全业态落地实战》重点呈现课程定位、适合对象、核心收益和 4 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？
适用于业务负责人、项目骨干、内训师和正在试点AI工具的团队，也适合承担AI任务拆解、流程嵌入和输出复核支持工作的关键岗位。
学习这门课可以获得什么收益？
理解金融科技从数字化到原生化的演进路径；掌握IoT、NLP、知识图谱、区块链在金融风控与运营中的核心逻辑。
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
