传统的大数据基础平台，面对网络数据隐藏、信息对抗和多语种的复杂环境，无法实现多源异构数据智能感知集成的难题。传统大模型面对金融最容易变现的场景，有三个巨大的挑战：

1、传统的通用大模型数据具有时效性，很难回答金融里跟时间相关的信息，比如股票的走势、监管的政策，而金融这个场需要高质量的实时金融数据集，传统通用大模型很难解决这个问题。

2、生成式大模型容易产生“幻觉”——它可以自己编故事，但金融领域如果胡乱造谣就会影响股市，这时候就需要用超大规模的持续知识图谱对大模型输出进行真实性校验，即验真性。

3、金融领域对安全能力要求很高，所以需要大模型做私有化部署。

数据的确权、合规、质量评估以及资产评估等要素构成了全栈式数据资产管理运营平台的基础，为金融领域发挥数据的乘数效应提供了坚实的支撑。

“数据要素×”金融大模型实现场景包括：

1、数据资产运营助手，使用助手

2、风控助手

3、金融业务运营助手

“数据要素×”通过以上场景，能够充分释放数据的价值，为金融机构提供全面、高效的数据支持，推动金融行业的创新发展。