以下为演讲内容摘录：

近年来，以ChatGPT为代表的基于大模型的AIGC产品成功引发了生产力革命，关注数字化转型或正在数字化转型过程中的企业，纷纷围绕大模型领域进行规划和布局。对于银行业来说，大模型同样具有极高的应用价值。

有专家曾指出“数据质量和数据量将是下一阶段大模型能力涌现关键中的关键。”“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键。”

大模型在落地过程中，其语言模式、泛化能力、预测性能、伦理和公平性四个方面均需要高质量数据的支撑。而银行的其他数字化应用亦是如此，无论是数字化营销、数字化风控、数字化运营，还是数字化决策，都离不开高质量数据的支撑。

所以，企业需通过数据标准管理、数据质量管理、主数据管理、元数据管理和数据安全管理等流程，进行有效的数据治理，并以用带治，以治促用，从而形成高质量的数据。

在银行业，基于自然语言处理技术的智能问答式数据分析工具——ChatBI（大模型+BI）具有极大的应用价值。它可以通过自然语言处理和人工智能技术，将复杂的数据分析过程简化为与智能助手的对话，使得用户可以通过自然语言查询和交互来获取和理解数据，为用户提供高效，便捷的问答服务，可大大提高数据分析效率，降低数据分析门槛。

银行业金融机构数字化转型的标志之一是数据决策替代经验决策，进而催生了大量的数据分析需求。ChatBI使得用户可以通过自然语言查询和交互来形成洞见和归因，大大提高数据分析效率，降低数据分析门槛，最大化地促进数据价值释放。

构建ChatBI需要多层次的数据管理与应用能力。在指标层面关注内容和安全，需建设数据内容，筑牢安全底线。在BI层面关注分析和可视化，需丰富分析场景，沉淀领域语料。在ChatBI层面关注大模型和领域知识，需增强交互模式，降低使用门槛。

筑牢数据底座。企业需完善数字化基础能力，夯实企业级数据架构管理，强化企业级数据标准管理，优化升级元数据智能管理，强化闭环的数据质量管理，提供可靠的数据安全保障。

加强数据服务效能。企业要构建数据资产管理体系，提升中台化数据服务和敏捷数据开发的能力，打造智能化数据应用场景。

提升数字化业务赋能能力。企业应深入优化以下六个方面：数字化营销、数字化风控、数字化决策、数字化运营、数字化产品和服务以及数字化生态。

在数据驱动的时代，大模型技术有望引发新一轮的生产力革命。对于大模型，高质量的数据是前置条件，通过数据治理提升数据质量至关重要。在大模型的诸多应用领域里，ChatBI有望带来分析民主化，降低企业透过数据实现降本增效的门槛。

为了深入发掘大模型的应用潜力和价值，企业还需要合理分配数字化注意力，夯实数字化转型基础设施，为新一轮的数字化生产力提升打好坚实基础。唯有综合考虑、全面布局，企业才能在大模型时代的数字化转型中取得成功。