基于大模型的企业架构建模助力银行数字化转型应用研究报告

北京金融科技产业联盟2025 年 2 月

版权声明

本报告版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其他方式使用本白皮书文字或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。

编制委员会

编委会成员：

聂丽琴刘雷朱道刚冯春龙柳元鑫王文强

刘刚郑江奎李锋裴亚民汪宗斌

编写组成员：

马祥远张建华尹剑翀臧亮坤刘亚张文怡

殷伟王崇成周星耀杜昆鹏沙伟方宇伦

张少敏石文娟姜帆王哲宋昊暘赵晋强

高宇张笑冬陈国中赖欣黄彪石聪

编审：

黄本涛刘昌娟

参编单位：

北京金融科技产业联盟秘书处

交通银行股份有限公司

中国银联股份有限公司

中国农业银行股份有限公司

国家开发银行

兴业银行股份有限公司

中国光大银行股份有限公司

上海浦东发展银行股份有限公司

华为技术有限公司

北京信安世纪科技股份有限公司

北京同创永益科技发展有限公司

第1章研究背景：洞察时代脉搏，探寻企业架构发展之源...... 1
（一）银行数字化转型的迫切性 .
（二）企架是银行数字化转型的首选路径. 4
（三）大模型时代的到来. 5
第2章现状剖析：银行企业架构的现状审视与问题透视 ..
（一）企业架构模型介绍.
（二）同业实施现状..
（三）企业架构存在的问题 . 25
第3章方法探索：大模型赋能，探索企业架构建设新路径..... 27
（一）实施思路. ........... 27
（二）技术路线. .......... .......... 29
（三）辅助规范业务资产 36
（四）辅助生成企架模型. 40
（五）辅助生成结构化需求 .. 44
（一）架构设计 .................................................（二）关键技术点 ...............................................（三）典型应用场景 ............................................. 54
（一）架构设计 54
（二）关键技术点.... 55
（三）典型应用场景 57
第5章总结展望：回顾与前瞻，绘制企业架构的未来图景.. 59
参考文献.. ........ 62

第 1 章研究背景：洞察时代脉搏，探寻企业架构发展之源

（一）银行数字化转型的迫切性

数字化转型，是通过深化应用新一代信息技术，激发数据要素创新驱动潜能，建设提升数字时代生存和发展的新型能力，是加速业务优化、创新与重构，创造、传递并获取新价值，实现转型升级和创新发展的过程。[1]

1.国家战略要求银行进行数字化转型

近年来，我国政府对数字化转型非常重视，相关部门连续出台各项政策引导数字化转型：

2019 年 12 月，原银保监会发布《中国银保监会关于推动银行业和保险业高质量发展的指导意见》[2]专门提出要坚持科技赋能，转变发展方式，为银行保险机构创新发展提供有力支撑。

2020 年 9 月，国资委发布《关于加快推进国有企业数字化转型工作的通知》 [3]，为国有企业提供了数字化转型的战略方向和行动指南，明确了转型的目标、路径和措施。通知特别强调了数字化转型对于提升国有企业竞争力的重要性，将数字化转型作为改造提升传统动能、培育发展新动能的重要手段，将数字化转型上升到了国家战略高度。

2021 年 3 月，全国人大常委会发布《中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要》[4]，文中专门指出，要加快数字化发展、打造数字经济新优势，优化金融体系结构，深化国有商业银行改革，加快完善中小银行和农村信用社治理结构，规范发展非银行金融机构，增强金融普惠性，稳妥发展金融科技，加快金融机构数字化转型。

2021 年 12 月，《国务院关于印发“十四五”数字经济发展规划的通知》[5]中，专门强调要充分发挥数据要素作用，要全面加快金融领域数字化转型，合理推动大数据、人工智能、区块链等技术在银行等领域的应用发展智能支付、智慧网点、智能投顾、数字化融资等新模式，稳步推进数字货币研发，有序开展可控试点。

2021 年 12 月，人民银行印发《金融科技发展规划（2022—2025 年）》[6]的通知，明确了金融数字化转型的总体思路、发展目标、重点任务和实施保障；原银保监会则发布了《关于银行业保险业数字化转型的指导意见》[7]，截至到 2025 年，银行业保险业数字化转型取得明显成效为工作目标，为银行业和保险业的数字化转型提供了明确的战略方向。

上海、北京、天津、河北、山西、黑龙江、辽宁、吉林、安徽、江苏、浙江、广东、四川、贵州、西藏、广西、青海、甘肃、内蒙等地，也纷纷出台相关数字化转型政策，大力推动数字化转型与数字中国的建设工作。

2.同业竞争驱动银行进行数字化转型

目前世界经济呈现高通胀、高利率、高债务、低增长、低贸易的“三高两低”态势；国内经济增长虽然相对稳定，但因全球经济增长放缓和不确定性的增加，企业信贷需求减少，个人消费支出下降，银行的贷款和零售业务受到了相当的影响。

受经济形势的影响，国内商业银行之间的竞争日趋激烈：

为响应政府鼓励普惠金融发展的政策号召，在低迷的经济形势下寻求新的增长点和发展机会，近年来国有大型银行不断下沉服务重心，将金融服务延伸到县级及以下市场，包括乡镇和农村地区，扩大对普惠小微群体融资供给“空白地带”的覆盖，为原先从未从银行获得贷款的客户提供金融服务。这些国有大行在下沉过程中往往面临获客成本高、服务成本高、风险成本高的挑战，为了应对这些挑战，为了更好地服务这些市场，保持自身市场地位，大行必须开发更适合当地需求的产品和服务，运用先进的金融科技手段降低服务成本，提高服务效率。

面对国有大行的“返乡” 中小银行则感受到极大的竞争压力，原先由地方性小型银行主导的市场面临着来自大行的巨大冲击，市场竞争日益加剧，部分小银行正在失去优质客户，市场份额被大行蚕食。如何通过差异化竞争、强化社区联系、提供更加个性化的服务、获得竞争优势成了这些中小银行的当务之急。

3.新金融业态驱动银行进行数字化转型

与此同时，新金融业态的产生也驱动着银行业加快变革商业模式和经营方式。随着互联网与金融科技企业、第三方支付等机构纷纷入局，在他们潜移默化的影响下，客户逐渐形成了“互联网思维”，对于互联网的依赖越来越大，对数字化服务的需求越来越高，特别是年轻一代客户，更倾向于使用数字化渠道进行银行交易。在“新政策”“新业态”“新技术”三重因素的叠加影响下，银行业变革商业模式和经营方式成了大势所趋——如果一家银行未能跟上这些创新步伐，可能会失去市场份额给那些已经采取行动的竞争对手。因此，如何提供更快捷、更方便的服务，从而吸引更多客户，同时降低成本、管理风险，有效管理资产质量，成了所有商业银行关注的重点。

对银行业而言，数字化转型已不是“选择题”，而是关乎生存和长远发展的“必修课”

（二）企架是银行数字化转型的首选路径

在数字化转型的过程中，银行更重视对自身业务流程、服务模式、组织结构和管理体系进行全面升级，以扩展业务覆盖范围、改善客户服务体验、提升风险管控能力、提高银行内部运营效率、降低公司运营成本、挖掘数据资产价值、探索全新商业模式为切入点，运用各类新兴技术，对传统金融行业的产品和服务进行创新和改进，尝试重构产品和服务流程、重塑银行体系，以持续提升信息时代企业的生存和发展能力，加速业务优化升级和创新转型。以上这些诉求，与企业架构工程的内容和价值高度契合。

实际上，金融监管部门连续出台的数字化转型政策，早已多次提及“企业架构”相关概念：

早在 2020 年，国资委在《关于加快推进国有企业数字化转型工作的通知》中即明确提出要“以企业架构为核心构建现代化

IT 治理体系，促进 IT 投资与业务变革发展持续适配”[2]，专门强调了企业架构的在数字化转型过程中重要性。

2022 年初，原银保监会的《关于银行业保险业数字化转型的指导意见》中提出“加快推动企业级业务平台建设，加强企业架构设计，实现共性业务功能的标准化、模块化”[5]，也与企业架构工程的内容和价值高度契合。

国资委发布的《关于加快推进国有企业数字化转型工作的通知》以及原银保监会出台的《关于银行业保险业数字化转型的指导意见》提出的要求均与企业架构工程的内容和价值高度契合。各家银行也逐渐认识到企业架构应当成为银行开展数字化转型的首选路径。如何通过企业级架构建模方法论从业务、IT、应用、数据和技术架构等层面打造银行企业级全能力地图，沉淀企业级架构资产，构建企业级工程方法，是金融机构进行差异化竞争的关键之举。

（三）大模型时代的到来

大模型技术，尤其是大型语言模型，近年来在技术领域取得了显著的进展。这些模型通过海量数据的预训练，在自然语言处理任务上展现出了卓越的性能。随着计算能力的增强和算法的不断优化，大模型的规模和参数数量急剧增加，从百万级别扩展到千亿级别，显著提升了模型的学习能力和泛化能力。此外，大模型正在逐步向多模态学习领域发展，能够处理包括文本、图像和声音在内的多种数据类型。

金融行业是大模型技术应用的前沿领域之一。在风险管理、信贷审批、市场分析和客户服务等方面，大模型已经开始发挥重要作用。例如，通过深入分析交易数据和用户行为，模型能够预测市场趋势并识别潜在风险。在信贷审批过程中，大模型能够辅助评估借款人的信用状况，提高审批流程的效率和准确性。金融机构也利用大模型来提升客户体验，通过智能客服和个性化推荐来满足客户需求。随着监管科技的发展，大模型也被用于满足反洗钱和客户身份识别等法规要求

大模型技术正在深刻地改变银行业务的形态。自动化和智能化的提升使得银行能够以更低的成本提供更高效的服务。个性化服务的实现，基于客户的历史数据和行为模式，为客户提供定制化的金融产品和服务。此外，大模型技术还能够增强银行的决策支持系统，通过深入分析市场数据和内部信息，帮助银行制定更精准的业务策略。在合规性方面，大模型技术的应用有助于银行更好地遵守法规，降低违规风险。同时，大模型技术还为银行带来了新的业务模式，例如基于区块链的金融服务，这将进一步推动金融行业的创新和发展。

随着技术的不断进步，大模型在金融行业的应用将更加广泛和深入，不仅成为提高效率和降低风险的重要工具，更是推动金融行业创新和发展的关键驱动力。金融机构需要不断探索和利用大模型技术的潜力，以适应快速变化的市场环境，保持竞争力。同时，也需要关注大模型技术可能带来的伦理和隐私问题，确保技术的应用符合社会价值观和法律法规的要求。这不仅涉及技术层面的挑战，也涉及对金融行业未来发展方向的深刻理解和预见。

第 2 章现状剖析：银行企业架构的现状审视与问题透视

（一）企业架构模型介绍

1.整体介绍

企架业务模型是一种多维透视的业务需求表达方式。类比建筑行业中的不同绘图方式，从简笔画到线描图再到透视图，所表达的精确度和结构化程度依次加深。业务模型采用结构化的描述方式，如同透视图一般，可以从不同视角展现企业业务运营体系。

经过十多年的实践检验，企业架构作为银行数字化转型有效路径的价值已经得到了业界的广泛认可。在战略落地层面，企业架构能够打破部门壁垒，塑造企业级视角，建设企业级能力平台，从而实现战略的高效拆解与精准落地，同时做到项目资产的复用，避免重复建设。在业技融合层面，企业架构能够统一业务与 IT沟通语言，优化协同机制，从而推进复杂需求的结构化管理。

2.重要概念

业务模型：对银行业务进行抽象，采用一定的方式（图形、符号、文字等）对业务过程、业务概念、产品、用户体验的结构化分类、分层描述。

战略目标：是企业一定时期内，根据其资源和能力，为实现长远发展和竞争优势所设定的一系列的目标，这些目标通常与企业的使命和愿景紧密相关。

能力模型：用自上而下的方法分析业务战略目标，拆解为可执行并可落地实现的能力。

流程模型：用标准化的方式对业务过程中事件、活动、角色、任务等进行分层结构化描述。

数据模型：从数据视角对业务过程中的业务信息进行抽象，根据一定的规则得到逻辑化的、分层化的数据视图。

产品模型：对银行产品的功能、限制约束等业务特征信息的结构化描述。

业务架构：从企业级视角规划支撑业务经营要素的整体结构、相互关系和原则标准，为实现企业战略目标和战术需求的匹配，对企业当前和未来状态的设计、框架和行为等内容结构化表达，抽象业务模式，最终实现业务标准化、组件化。

业务领域：紧密关联的业务活动的集合，该集合向各业务角色提供完备的业务价值。

业务规则：业务规则是业务服务过程中必须遵守的约定，既包括常见的业务制度，如银行中大量的内部经营管理制度，也包括产品服务承诺。业务规则一旦建立，就会形成对业务的指导和对岗位的约束。

业务组件：功能内聚的业务能力分组，具有相似资源、人和专业技能的任务的组合，是独立的业务模块，拥有独立运营的潜力。

业务对象：反映业务本质的、一组关联实体的集合。遵循高

内聚松耦合的原则，关联的实体没有重复没有缺失。

IT 架构：指导 IT 设计决策的 IT 框架，是承接业务架构的容器，与业务架构结合为企业打造适合业务的IT 信息化建设综合蓝图。

传统需求：指未经过建模的、非结构化的，以行内传统格式书写并以传统方式提出的业务需求。

研发过程：指产品或服务等业务需求功能化、具象化的过程，一般从业务需求设计开始，到上线后版本迭代结束。

3.模型定位

传统方法中，从业务需求到开发呈现垂直式体系结构，易造成系统孤岛。在传统过程中加入企业级建模后，整体起到承上启下的作用。

（1）向上梳理业务收敛需求，将不断变化的场景需求通过业务建模转换为模型的参数变化，以相同的组件支撑多变的需求，规划出稳定又灵活的业务架构；

（2）向下以业务架构指导 IT架构的承接，将结构化组件化的业务特征映射到系统，使业务目标真正落到实处。

企业级建模横向贯穿从业务到技术的整个实施路径，纵向贯穿整个企业所有业务领域，作为一种标准化的方法、标准化的语言贯彻整个企业前中后台。

企业级建模过程中，也将企业级三个视角的旅程贯穿始终。

（1）客户旅程，站在客户视角体现全流程的客户体验管理，

洞察痛点问题，发现改善机会；

（2）用户旅程，站在行内用户的视角全面评估用户任务执行流程，做到岗位精简，效率提升；

（3）管理旅程，立足于管理者视角，提供高阶的灵活配置，将业务与管理融合。

通过企业级建模，将三个旅程从业务中提炼出来，并落实到具体的IT 系统。

4.建模内容

（1）业务模型

业务模型由能力模型、流程模型、数据模型、产品模型及相互关系构成。

能力模型：

能力模型的目标是帮助人们理解现状的业务、发现存在的问题、并提出改进的方案。

通过分解企业整体战略目标、发现行内核心业务现状痛点，明确企业核心能力并对这些能力，进行定义和描述，在此基础上进行能力分解与分级，按照业务模型的层级、粒度和视角进行识别、细化。

流程模型：

流程模型的目标是精准描述业务需求，说明流程、数据、产品的结构衔接关系。

通过业务现状梳理、业务现状建模、引入能力需求、业务目标建模和业务组件聚类等工作，对业务流程及产品功能进行梳理，将业务流程进行领域、价值流、活动、任务和步骤的五级拆分、并进行归类合并和标准化。

产品模型：

产品模型的目标是通过对产品现状信息及产品功能的梳理，支撑银行产品组件化、模块化、参数化的需要。

产品模型包括产品线、产品组、基础产品、产品组件、产品条件等内容，根据不同的业务领域自身特点，采取自上而下、自下而上或者自上而下和自下而上相结合的三种方式来识别归纳出基础产品、产品组件及产品条件。

数据模型：

数据模型的目标是对业务概念进行逻辑化的、致的表述，用数据语言说明业务需求，体现业务规则，从根本上、系统性解决数据不一致等数据问题，指导各应用数据模型统一设计。

数据模型采用自上而下确定主题域模型；再自下而上从流程和产品模型、业务需求及存量库表中抽象出实体及属性，不断迭代完善，建立各主题域包含的业务对象、关键实体及实体间的关联关系。

作为业务建模的核心内容，流程、产品、数据模型共同承接各个层级的业务战略视图。业务战略视图由上至下分为四层，最高层是战略层视图，主要描述全局的、整体的高阶架构内容；第二层是管理层视图，描述了重点架构内容，关注其中的关联性、可控制性；第三层是设计层视图，主要描述各个解决方案的架构内容，注重于可实现性；最后一层是实施层视图，描述的是具体的落地内容，关注可操作性。流程、产品、数据模型本身就具有由上至下的分层结构化特征，各个层级的产出物内容与各层业务视图相映射，形成“四横三纵”的整体框架。

（2）模型与架构

业务架构是企业级建模产出物的一种集成形式，整体遵循高内聚松耦合的原则把各个模型按照特定模块进行拆分，使得集成后的业务架构能够完整表达业务战略，同时也能灵活地承接未来的业务调整变化。

业务架构由业务领域、业务对象、业务组件构成。业务领域是流程建模中紧密关联的业务活动的集合，业务对象是数据模型中紧密关联的实体的集合，业务组件整合了流程建模中的任务、数据建模中的实体，不同业务组件之间形成高内聚松耦合的关系。

业务组件与业务领域是支撑关系，一个业务组件可以被不同的业务领域使用，但不属于任一业务领域，应单独管理；业务组件与业务对象是归属关系，一个业务组件至少对应一个业务对象，一个业务对象只能映射到一个业务组件。

（3）模型与传统需求

通过企业级建模可以精确、完整地还原和表达传统业务需求，将传统业务需求通过企业级建模的方式传导给 IT设计和开发。

通过能力模型、产品模型、流程模型、数据模型承接传统需求中产品参数类需求、流程规则类需求、业务信息类需求。

此外业务模型还需要体现与其他需求的关系，其中查询类需求、屏幕类需求、接口类需求、关联系统需求、会计核算需求、报表需求、凭证打印需求、非功能性需求需要完成与业务模型对接，对接工作包括业务模型与各类需求的关系、业务模型承接各类需求的层级、颗粒度及对接规则和示例。

（4）模型与开发

IT 实施过程应完全承接前序建模产出结果，以业务架构指导IT 架构， IT 架构支持业务架构的落地。

IT 架构包括应用架构、数据架构、技术架构、安全架构，其中受业务架构影响的主要为应用架构和数据架构。业务领域的活动会指导 IT 设计中系统用例里事件流的串接，业务组件指导联机服务、批处理服务、数据服务的设计，其中的输入、输出信息和控制逻辑来自业务组件中任务的输入、输出，C 和D 模型（即IT 库表设计）承接和扩展了业务对象中的实体结构。另外，产品建模的产品条件能指导微服务设计参数化，微服务可接受产品工厂的可售产品配置文件，当所有的产品条件确定后，每个微服务的内部控制逻辑可根据产品条件的取值执行既定的分支处理。

IT 实施时除了承接企业级建模中的业务架构外，也应当考虑技术侧的问题，增加技术端对于应用、数据、安全等问题的考量和解决方案，融入IT 架构中。

（5）模型与工具

产品工厂是在企业级建模的基础上特有的提供给产品经理使用的、能够快速组装配置产品、使产品快速更新迭代响应市场的工具，产品工厂一方面在建模过程中从资产管理平台同步产品建模的结果，一方面在实际生产上将产品配置结果信息同步给各个系统。

除了产品工厂，资产管理工具作用于整个企业级建模实施过程，一方面作为建模人员实际使用的建模工具，具有创造、维护模型资产的功能；方面能够呈现出完整的模型产出物以及各个模型之间的关系，提供企业级的模型资产视图

（6）模型与研发过程

企业级架构建模的引入也引起了研发过程的改进。企业级架构建模将改变传统的各经营管理部门按各自想法随时提出业务需求的方式，形成从企业经营管理战略出发，自上而下的有规划的能力需求建设模式，预判性地进行业务能力建设，以产品的快

采用企业级架构建模方法后更加需要能够支撑大规模组织的高效沟通协作、协调各部门各角色和环节的流程办法，使得大规模的设计和软件实施工作能够迭代、有序、高效、持续地进行，各阶段交付物能够逐层递交、反馈和确认，确保业务需求、业务模型、应用实现能够贯彻落实。

5.建模路径

（1）确认业务目标

企架建模的第一步，即确认战略目标。战略目标既包括高阶的指导性全局战略，又包括具体领域层的细化业务痛点。

战略目标可以来自外部或领导视角的整体战略规划，也可以来自实际工作中的经验总结，这是整个建模工作的纲领。

（2）能力建模

第一步，通过自上而下的战略解析，自下而上的痛点分析来识别所需要的企业级或领域级能力需求。

第二步，然后将能力需求按照项目维度，从可实现可落地产生实际价值的角度形成能力主题。

第三步，根据能力主题设计能力主题解决方案，将能力需求细化到业务需求，并落实到流程模型的四级任务和五级步骤、产品模型的基础产品和产品条件及取值、数据模型的业务实体和属性。

第四步，确定实施范围，分析能力解决方案对现有系统的影响，指导规划的业务能力建设落地。

（3）流程、数据、产品建模

根据能力模型的拆解分析，进行数据、流程、产品的具体建模工作，使用建模工具创建/更新业务模型资产，调整业务架构。

建模工作一般分为现状建模和目标建模两个阶段：

第一阶段，现状流程梳理，保证现有的业务模型梳理工作完整全面，然后按照业务建模方法和原则将现状业务通过结构化、标准化的方式抽象整合；

第二阶段，将能力需求解决方案内容、痛点问题形成的需求在模型中正确完整地体现，实现高阶战略至底层执行方案的逐级分解。在某些情况下可以考虑直接做目标建模，比如已经对业务目标与痛点有了全面分析，通过梳理后得到了目标需求，则可以直接参照目标需求进行目标建模。

三个模型的建设顺序一般遵从以流程为主线的并行模式：人员组织形式上通常根据模型设置不同的工作小组，各小组分配不同人员专门负责相关模型建设工作，流程、产品、数据三个工作小组同时启动，在建模的关键节点不断进行模型间对接。一般三个模型会先进行高阶设计，比如产品模型先识别产品分类，流程模型先识别前三级，此节点完成基础产品和活动的对接工作，确保活动划分的颗粒度和完整度是否与行内产品相符；在流程模型识别到四级任务时，数据模型同步识别到关键实体，此节点进行任务与实体的对接、任务与基础产品的对接；在流程模型识别到五级步骤时，数据模型同步识别到属性，产品模型同步识别到产品条件，此节点进行步骤与实体和属性的对接、步骤与产品条件的对接。同时产品条件也受到数据模型中域和实例组的管控，存在映射关系。各个节点对接的过程，其实也是一个跨组核验的过程，据此不断调整优化整体模型结构。

实际建设时可以根据具体项目情况对上述模式进行相应调整，比如在没有存量库表提供给数据模型作为输入，且流程模型五级步骤已充分建模的情况下，可以根据步骤的业务规则来抽象实体、属性，再根据数据模型对整个实体结构的分析反向验证流程模型任务、步骤划分维度是否合适。无论哪种模式，只有保证各个组在建模过程中不断进行对接和沟通，才能最大程度保证模型间一致性，使得三个模型在不同层次上划分维度一致、对同一元素语义理解一致、对同一元素命名标准一致。

业务架构的划分整体应遵循高内聚松耦合的原则：首先把数据建模中的实体划分为不同的业务对象，根据业务对象下包含的业务实体被哪些任务创建或更新，将这些任务进行聚合，从而得到业务组件，业务组件可以支撑不同的业务领域供其使用，协助完成活动的串接。除了根据业务建模产出物自下而上地划分外，也可以在高阶层面的整体规划上对业务对象、业务组件进行预设，后期再根据建模产出进行验证和调整。

（二）同业实施现状

早在 2011 年，建设银行就率先开展了企业架构转型项目，取得了显著的效果。在建行成功效应的带动下，各类金融机构都纷纷展开了企业架构转型的实践，如交通银行、工商银行、中国银行、邮政储蓄银行等国有大行都启动了企架改造的相关工作。

目前，企业架构的浪潮，正由大型银行向中小型银行、由银行向非银金融机构，在整个金融业拓展开来，如杭州银行、上海银行等也都积极投入其中。据不完全统计，目前在业界，已经实践或开始计划企业架构项目的，包含 6 家大型国有银行、5 家股份制银行、2 家头部城商银行、1 家省级农信社和 2 家非银金融机构。

1.建设银行[8]

建设银行新一代核心系统建设工程自2010年12月启动实施，历时 6 年半、投入约 9500 人、版本变更超 2 万次，是中国金融业有史以来最为庞大的系统建设工程，是包括业务转型、IT转型、实施转型在内的全方位数字化转型。

在系统建设之前，建设银行先从企业级视角进行业务建模，把建设银行集团，包括海内外、子公司所有的业务、产品、流程全部进行了梳理，围绕产品管理、营销支持、产品运营、业务支持、风险管控、决策与报告等六大价值链，分析现有问题，明确发展目标，进行针对性设计。通过实施标准化建模，建设银行将自身的战略能力需求以及日常操作性需求，通过结构化、层次化、标准化的方法，转化为流程模型、数据模型、产品模型和用户体验模型来描述，自主构建成覆盖总分行、境内外及子公司的企业级业务模型，涵盖所有业务流程；应用研发方面，自主开展IT架构设计，系统自主研发率超过 90%。

通过进行业务建模，建设银行共计提炼出 26 个业务方向，102 个转型举措，形成了114 个业务组件；特别值得一提的是，建设银行的业务流程由当时的11000个三级活动大幅降低到969个，并且其中近一半活动可以跨部门共享复用。

建设银行的业务流程再造打破了原有机制和既有流程，业务建模过程曾经遇到相当大的阻力。与之相对的，企业级建模成功以后，成效也非常显著：通过搭建统一企业级业务模型，建设银行由于过去部门级、竖井式需求所引起的内部IT系统重复建设、外部系统客户体验差等问题从根本上得到了解决。

2.工商银行[9]

工商银行参考IBM持续价值创新方法，吸收Open Group TOGAF等主流企业架构的框架理念，结合自身实际形成了工行特色的企业架构方法论，包括业务架构设计方法、IT架构设计方法、新技术创新方法。

工商银行从 2015 年开始启动IT架构转型，并在 2017 年全面实施“智慧银行ECOS工程”建设，企业级业务架构是ECOS工程建设过程中的核心内容：

工商银行业研中心基于“一张视图、一套原则、一条路径”的“三个一”思路，建立了全行境内外业务领域整体视图，将全行业务划分为33 个产品领域、30个管理领域；

业务架构则为“三横三纵”：纵向由业务领域、业务组件、业务对象构成，横向由产品模型、流程模型、实体模型构成，运用该体系对《中国工商银行 2021—2023 年发展规划》进行战略解析，形成战略能力库，包含 385 条战略能力，3220 条业务需求；

在 2021 年末，全行已经积累了 13万条涵盖业务架构资产、标准化需求用例、IT架构资产的业务资产，其中可复用标准用例8000 余条，涉及 49个业务领域。

在此基础上，工行在业内首创基于业务架构的业务研发落地实施，推行业务架构与IT架构双向对接、双轮驱动，推进需求设计与业务架构分析同步、IT服务设计与业务架构对接同步，形成相关资产在设计、研发过程中的闭环与动态更新。

工商银行在构建企业建模的过程中投入了巨大的成本，而且刚开始时只做了部分领域，可见传统的企业架构建模的成本之高。

3.交通银行

2022 年，在全行数字化转型的大背景下，交通银行提出建设企业级架构，以系统化、数字化的思维进行破局，统筹规划、循序渐进，一方面通过高阶建模强化顶层设计，一方面对特定领域进行深耕，构建企业级系统，逐步完善全行企架业务版图。实施层面，先行选择客户体验迫切、价值贡献较大、复用性较强的零贷、B2B支付两个领域进行探索，在此基础上在对私存款、借记卡、对公存款、对公贷款、风险等多个业务领域进行推广。

作为企业级架构建设的组织架构支撑，交通银行组建专项团队，根据企业级建设要求，结合“集中管理、分层实施、交叉融合”设置了总体组、架构组、任务组的组织架构，涵盖了前中后台等 13 个总行部门，邀请试点分行参与建设，树立全行参与，总分共建的企业级思维扎实推进项目建设。

交通银行结合自身实际，基于标准企架方法论，提出了“微建模”的概念，针对不同的场景，可以对三大模型进行灵活定制，如标准化建模、轻量级建模、“4+X”建模等等，以满足不同领域的需要。同时，围绕三大建模方法，拆解各个标准化的单一产品，形成组件化、参数化、共享化可配置的产品组装能力，打造乐高式搭配的产品创新模式。数据模型方面，参考业界实践，交通银行自主研发双“T”数据模型架构，构建“轻量化”“智能化”“开放化”的企业级逻辑数据模型：其中倒“T”模型中的公共模型，基于企业架构视角的方式将业务数据划分为五大主题分类，再自下而上抽象形成各主题分类的逻辑模型，业务分析模型是对公共模型内容进一步细化加工，打造面向具体分析场景的数据模型。

依托建模方法论，交通银行落地产出一套科学完整可复用的建模资产，建立业务资产管理、应用和迭代的完整工作机制，确保企业级架构有效延续。同时，基于目前业务建模的成果，延伸探索交通银行特色的企业级架构工作方法论和跨部门协同模式，不断强化自身的企业级思维和数字化素养。

4.邮政储蓄银行[ 10]

2024 年 1 月 27日，中国邮政储蓄银行新一代公司业务核心系统全面投产上线。该系统是邮储银行历时两年半、举全行之力进行科技攻坚共同完成的重要成果。

在建设系统时，邮储银行引入了企业级建模方法：基于企业级视角，以客户为中心，将交织缠绕的流程进行解耦，重塑业务和服务流程，以简驭繁，大幅提升客户体验；同时，邮储对其实施工艺进行了敏捷创新，将业务模型与应用构件逐一映射，设计出 5000 多个可灵活装配的标准化“零件”，以技术敏捷驱动业务敏捷，满足个性化、差异化、定制化的产品创新需求。

5.兴业银行

兴业银行于 2022 年 8 月启动企业级架构规划工作，明确企架实施路线图，以“夯实基础、公共先行” “逐步推广、重点突破”等实施策略，稳步推进企业级应用架构落地。在企业架构转型过程中，优先完成基础性、先导性、战略性工作，为兴业银行数字化转型奠定扎实的基础。

一是规划企架蓝图。2022 年，兴业银行结合业务和系统现状，规划形成了 119 个业务组件、152 个物理应用组件、14 个物理交互组件，形成全行一张架构蓝图。二是进行公共基础组件建设。兴业银行以优先打造公共能力的工作思路，推进企业级组件建设。2023 年开展员工作业平台、场景流程平台等公共组件的建设。三是大力推进企架工程。从 2022 年开始，兴业银行以“企业级、标准化”为指导思想，实施“大营销工程”“大运营工程”“大投行工程”“大财富工程”“大风控工程”五大企架工程，持续开展企业级系统建设。四是加强企架总分协同。2023 年 3月份开始，根据“共性业务总行建设，特色业务分行建设”的总体策略，兴业银行以深圳分行先导试点，逐步扩大企架总分协同试点分行范围，并行推进上海、广州、杭州、昆明、济南等5 家试点分行项目建设，促进总分行共性组件复用。五是开展“新城建设、旧城改造”工程建设。2024 年初兴业银行启动新城旧城工程，旨在从企业级架构和服务全行的视角出发，通过新建、重构或整合等方式打造跨部门、跨条线的企业级系统或组件，对关键业务领域中的一些外购系统替换，实现自主掌控。五是建设标准需求库。兴业银行于 2024 年 5 月启动标准需求库建设工作，组织业务专家和技术专家对全行主要业务领域的重要系统开展业务对象和任务组件的梳理工作，形成全行标准需求库。六是建设企业级架构管控体系。2023 年，兴业银行通过总分行及同业调研，初步建立一套企业级架构管控的长效机制，从有部门级需求管理、竖井式开发模式，转变为企业级需求整合式管理、组件化开发模式，实现企业级架构及其制品的保鲜，保障企业级能力有序合规的落地。通过数字化手段提升企业级架构管控能力，建

设企业级架构管控平台。

6.四川农信[11]

为实现银行核心系统从传统大型主机向分布式云平台全量迁移，以及高质量、高效率地完成分布式核心设计及关键场景验证，四川农信开展了业务建模的相关工作，为分布式核心系统的应用设计、领域中心设计、应用数据模型设计等提供结构化、组件化和服务化的业务需求输入。

四川农信推进企架建设中最大的亮点是用定制化的业务建模方法梳理形成一套业务模型（涵盖流程模型、数据模型、产品模型），在建模过程中专注于对IT设计有指导作用的部分，对传统建模方法的建模范围和颗粒度进行了裁剪，同时为支持业务快速创新需求，对部分业务模型元素进行了细化。以此为基础，形成结构化业务需求资产，为IT设计提供有效输入；形成了从业务建模到中台和应用设计贯穿的设计方法，推进业技融合。

具体实施过程中，对个人核心系统的存款业务进行业务建模，心目标和时间要求，项目采用领域先行的实施方式以及轻量级业务建模方法对现状核心系统需求进行了梳理，完成了业务建模与产品、合约、账户等 10 个企业级能力中台设计、存款应用设计迭代印证并创新。

四川农信在企业架构过程中投入了巨大的人力物力，目前主要是做了零售领域。

（三）企业架构存在的问题

在银行数字化转型的背景下，企业架构（EnterpriseArchitecture, EA）的建设显得尤为重要。然而，在构建企业架构的过程中，我们面临一系列挑战，这些问题若不妥善解决，将直接影响数字化转型的进程和成效。

1.企架构建过程中的协同障碍

在企业架构的构建过程中，协同问题尤为突出。首先，缺乏有效、规范的沟通语言是导致这一问题的主要原因。业务专家倾向于从产品模型的角度出发，而IT 专家则更关注技术实现。这种以产品为中心的方法虽然有助于快速形成 IT 资产，但可能忽视了企业架构的整体性和战略性需求，造成设计对接上的障碍。此外，企业架构的标准化和一致性问题也不容忽视。由于缺乏统一的标准和规范，不同部门和团队在构建企业架构时可能会出现不一致的情况，这不仅增加了架构的复杂性，也影响了其在企业中的推广和应用。

2.企架模型的质量控制难以保证

模型质量不高是企业架构面临的另一个重要问题。流程模型颗粒度控制不足是其中的一个关键点。业务人员在定义流程模型时，往往难以掌握适当的颗粒度，太细的颗粒度容易导致 IT 设计过于复杂，而颗粒度太粗又无法精确满足业务需求。与此同时，业务人员对数据模型中业务对象和业务实体的理解不足也是一个问题，这可能会导致业务需求与IT 实现之间的不一致，影响

企业架构的准确性和有效性。

3.传统企架模型难以应对快速变化的需求

企业架构需要具备一定的动态适应性，以应对快速变化的市场环境和内部管理需求。然而，现有的企业架构往往过于僵化，构建的企架模型越大，越是难以动态、灵活地进行调整，以适应外部变化，其在实际应用中的效果大打折扣。如何使建模过程变得更敏捷、更高效，是摆在目前各商业银行面前的巨大难题。

4.企架模型建设需要大量资源投入

银行进行企业架构构建和业务建模，需要投入海量资源，包括人员、技术资源、经费以及大量的时间投入，且在短期内很难见到立竿见影的效果，只有在模型构建到一定规模、覆盖大量业务领域，形成规模效应之后，企业架构的作用才能真正得到发挥。大量的资源投入，即使是对大型商业银行，也是一个巨大的挑战；对于中小型商业银行而言，资源的限制也大大提高了进行企业架构改造的门槛。

5.模型的维护和保鲜难度大

即使银行投入大量人力物力完成了企业架构和业务模型的构建，企业架构的维护和保鲜也是一个很大的难题，资源分配、模型追踪、技术更新、人员培训、成本控制等都可能成为更新和维护的障碍，影响企业架构的适应性和前瞻性。

很多商业银行在企架建设过程中更多地将企架作为一个大型项目，项目执行过程中会构建专项团队，并投入大量的人员与经费，但是在模型建设成功后，相关团队即告解散，只保留少量人员进行后续的日常保障工作。但在目前快速变化的金融环境中，企业架构必须持续更新以适应新的业务需求和技术发展，过少的资源投入难以保证模型的保鲜，随着时间的推移，模型与现状偏差度越来越高，企架将无法再发挥出其应有的威力，甚至可能会变成“死资产”。

第 3 章方法探索：大模型赋能，探索企业架构建设新路径

（一）实施思路

企业架构模型是承接业务战略，指导 IT 落地的强大工具，然而构建一个全行级的业务模型成本高昂，动辄数亿的投入让中小型银行望而却步。在此背景之下，探索一种成本效益更高的企业架构建模方法意义重大。

本课题提出了一种创新的快速建模方法，我们利用大模型按照 SBVR 的范式梳理业务术语和业务规则，以实现企业架构的快速构建。业务术语和业务规则至关重要，统一的业务术语能够有效减少沟通过程中的误解，为团队成员间的协作提供清晰、一致的语言基础，业务规则是银行业务运作的指导和控制机制，规定了业务流程，是交易系统需求和约束的来源。然而由于业务术语和业务规则存在于纷繁的业务文档中，人工梳理起来耗时耗力，因此鲜有银行尝试先从梳理业务术语和业务规则入手进行企架建模。如今大模型技术的飞速发展，其强大的长文本分析能力和生成能力，为自动从业务文档中提取规范化的业务术语和业务规

则提供了可能。

我们将梳理业务术语和业务规则分成如下五个阶段（见图1）：

图1 业务规则五阶段

 原始态：业务规则分散于规章制度、业务需求、政策文件、专家脑海中，处于无序散乱状态。在这一阶段，规则缺乏统一的管理和整合，难以实现的知识共享与应用。

 阶段 1（显性化）：此阶段的目标是利用大模型，采取SVBR 范式将业务规则从繁杂的文档中提炼出来显性呈现，重点在于去除冗余、归纳总结以及补充遗漏，确保规则的完整性与一致性，形成业务资产知识库。

 阶段 2（资产化）：随着业务资产知识库的建立，企业架构数据模型中的实体、流程模型中的 L3（活动）和 L4（任务）充和优化，形成企架资产知识库。

 阶段 3（结构化）：企业知识库是一个企业级的框架，可将这个知识库通过RAG“外挂”到大模型中来生成结构化需求，帮助不同部门和团队在需求收集和分析过程中保持一致，避免需求冲突和重叠。

 阶段 4（数字化）：将结构化需求转化为数字化模型，使其能够被 IT 系统所识别和处理，比如配置表、规则引擎、服务调用等技术手段。本报告主要是业务层面建模，不涉及此阶段。

 阶段 5（IT 自动化）：将业务规则进一步融入 IT 中，通过软件指令实现智能识别与自动处理，减少人工干预，实现业务流程的自动化，指导 IT 开发。本报告主要是业务层面建模，不涉及此阶段。

通过这种利用大模型从梳理业务术语和业务规则入手企架建模的方法，我们不仅能够提升架构师建模的效率，还能够显著降低企业架构建模的整体成本。

（二）技术路线

技术路线包括原始态、显性化、资产化、结构化等几个阶段，技术路线示意如图 2。

图2 技术路线示意

1.文档拆分

文档拆分技术涉及将大型文档分解为更小的、更易于处理的部分。这可以通过自然语言处理（NLP）技术实现，如识别段落、句子或主题。文档拆分有助于提高处理效率，使得模型能够更专注于文档的特定部分，从而提取更准确的信息。

在银行业务文档的处理中，文档拆分技术可以被用来将复杂的合同或报告分解为更小的部分，如条款、子条款或段落。这样，大语言模型可以更有效地处理每个部分，提取出关键的业务术语和概念。例如，将一个复杂的贷款合同拆分为多个条款，可以帮助模型更准确地识别每个条款中的关键信息，如贷款金额、利率和还款期限。这种方法不仅可以提高信息提取的准确性，还可以帮助银行构建更全面的知识库。

2.大语言基础模型

大语言模型（Large Language Models，LLMs）是基于深度学习技术的先进工具，能够理解和生成自然语言。这些模型通过在大量文本数据上进行训练，学习语言的模式和结构，从而能够执行语言理解、文本生成、翻译等多种任务。基于复杂的神经网络架构，如 Transformer，能够捕捉语言的细微差别和复杂性。

在银行业务文档的处理中，大语言模型可以被用来识别和提取关键的业务术语和概念。通过训练模型识别银行业务文档中的特定语言模式，可以自动从大量文档中提取出有价值的信息。

3.Prompt 工程

Prompt 工程是一种通过设计特定提示（prompts）来引导语言模型执行特定任务的技术。这些提示可以是问题、指令或示例，能够使模型更好地理解任务需求并生成相关的输出。通过精心设计的 prompt，可以显著提高模型在特定任务上的表现和准确性。

在银行业务文档的处理中，Prompt 工程可以用于指导大语言模型专注于提取特定的业务术语。例如，通过设计一个prompt：“从以下贷款合同中提取所有与利率相关的条款”，模型可以被引导专注于识别和提取与利率相关的文本片段。这种方法不仅可以提高提取的准确性，还可以减少人工干预，提高处理速度。

4.大模型答案生成

大模型通过深度学习技术，利用预训练阶段在大规模文本数据上的学习，构建了复杂的词向量表。这些向量表将词汇映射到高维空间，每个向量点代表一个词或短语的语义特征，从而捕捉词汇间的细微差别和语义关系。在生成答案时，模型通过预测下一个最可能的词或短语，逐步构建回答。这一过程依赖于先进的算法，如 Transformer 架构中的注意力机制，使模型在生成每个词时能够考虑整个输入序列，确保生成的内容既符合语法规则，也符合语义逻辑。通过不断调整和优化预测，使模型最终生成结

银行文档包含复杂的业务术语和规则，大模型通过深度学习和自然语言理解能力，自动提取关键信息并转化为结构化的业务资产。该技术通过深入理解文档中的业务术语、规则和流程，能够自动提取关键信息并按照业务规范生成准确的业务资产，如业务术语库、业务规则摘要等。

5.实时/离线质检

实时质检技术通过在内容生成的瞬间进行审核，确保每一条回答都符合预设的格式和合规性标准。这种技术能够快速识别和阻止任何不符合要求的内容发布，从而保障信息的准确性和合规性。离线质检则更多地应用于对已经发布或存储的内容进行定期或按需的审核，通过回顾和分析历史数据，确保其持续符合银行的合规要求。

在银行业务中，大模型生成的业务资产和回答必须满足严格的格式和质量要求，同时遵守银行的合规性标准。为此，银行采用实时和离线质检技术，实时质检确保内容在生成时即符合格式规范和语言准确性，而离线质检则对已发布内容进行定期审查，确保持续合规。这种双重质检机制不仅提高了内容的生成效率和准确性，还增强了银行业务的合规性和客户信任度，保障了银行在处理大量业务文档和回答时的专业性与安全性。

6.RAG

检索增强生成（Retrieval-Augmented Generation, RAG）技术是一种结合了信息检索和自然语言生成的技术。允许大型语言模型（LLMs）在生成回答之前，从外部数据源检索相关信息，以此来补充模型的知识点，确保输出的准确性和时效性。RAG技术通过将用户的查询与索引的文档进行匹配，检索出最相关的信息，并将这些信息与原始查询一起作为上下文提供给语言模型，从而生成更加准确和丰富的回答。这种方法有效避免了LLMs 可能出现的幻觉问题，即模型在没有答案的情况下提供虚假信息的情况，并且可以解决模型知识截止日期的问题，让模型能够访问最新的数据。

值得注意的是，外部的数据源可以通过自动、手动两种方式进行更新。知识库可以对外部文档添加标签，设计自动化流程，定期触发知识库的更新操作。同时，在答案生成过程中，用户发现可检索答案调用的知识库信息，若发现信息错误，也可直接手动对该信息进行修订。

利用 RAG 技术，通过语义解析等方法结合企业架构建模的理论知识，生成企业架构资产库。例如，当业务人员需要查询特定业务实体、业务属性或流程模型中的元素时，RAG 系统可以通过检索增强的方式，从内部文档或知识库中检索出最相关的信息，并将这些信息结构化地呈现给业务人员。这样不仅可以提高检索的准确性和效率，还可以确保业务人员获取到的信息是最新和最相关的，从而更好地支持决策制定和业务流程的优化。

7.向量化技术

向量化技术是将文本转换为数值向量的过程，这些向量能够捕捉文本的语义信息。常见的方法包括 Word2Vec、GloVe和 BERT等。通过将文本转换为向量，存入向量数据库，后续可以进行进一步的文本分析和信息检索。

在银行业务文档的处理中，向量化技术可以被用来将提取的业务术语和概念转换为向量，从而进行更深入的分析。例如，通过计算术语之间的相似度，可以发现相关术语之间的关系，从而构建更全面的知识图谱。这种方法可以帮助银行识别和理解业务术语之间的复杂关系，提高知识库的质量和实用性。

8.向量检索技术

向量检索技术是一种高效的文本检索方法，通过将用户问题的文本内容转换为数值向量，并在向量空间中进行相似度计算来实现。这种方法利用了文本的语义信息，通过计算向量之间的距离来衡量文本之间的相似性。常见的向量表示方法包括 TF-IDF、Word2Vec、BERT 等。

在回答用户的问题时，系统首先将知识库中的文档转换为向量形式，并建立索引。当需要生成企业架构资产库时，系统可以通过向量检索技术快速找到包含相关业务信息的文档，从而提取出业务实体、属性和流程模型中的元素。这种方法不仅提高了检索的效率，还确保了生成的企业架构资产库的全面性和准确性。

9.重排序优化检索（Re-ranking）

重排序优化检索技术是一种先进的信息检索方法，用于改善搜索结果的相关性和准确性。这项技术基于初始的检索结果，通过进一步的分析和评估，重新对搜索结果进行排序。在这一过程中，Re-ranking 技术考虑了多种因素，包括但不限于语义相似度、文档的权威性，以及与查询的上下文相关性。通过机器学习模型对这些因素进行综合评估，Re-ranking 能够提升最相关文档的排名，从而优化用户的搜索体验。

企业在构建企业架构资产库时，需要从大量的业务文档中提取关键信息，如业务实体、业务属性和流程模型中的元素。初始检索可能会返回大量相关文档，但其中只有一部分与查询的语义紧密相关。应用 reranking 技术后，系统能够对这些文档进行深入分析，评估查询的匹配度，并据此重新排序结果，确保了最准确、最相关的信息被优先展示。

10.SFT/RLHF 持续反馈调优

RLHF（Reinforcement Learning with Human Feedback）即利用人类反馈进行强化学习，是一种通过人类评估者提供的信息来指导机器学习模型的训练过程的方法。SFT（SupervisedFine-Tuning）即监督式微调，是一种在预训练模型的基础上，使用标注数据进一步训练模型以适应特定任务的方法。RLHF 通常关注于评估和改进模型的输出质量，而 SFT 则侧重于调整模型以更好地执行特定任务。

当大模型生成的答案未能满足预期效果时，可以通过 RLHF和SFT 技术进行优化。首先，将用户对答案的反馈收集起来，形成反馈库。这些反馈可以是用户对答案准确性、相关性或满意度的评价。然后，利用RLHF 技术，根据这些反馈来调整模型的输出策略，强化那些能够产生更好答案的行为。同时，使用 SFT 技术，将反馈库中的数据作为训练集，对模型进行微调，使其更适应用户的具体需求和偏好。通过这种方式，模型能够学习如何更好地响应用户的查询，提高答案的质量和相关性。

（三）辅助规范业务资产

1.实践方法

为了将业务术语和业务规则从繁杂的文档中提炼出来，我们把业务管理办法、业务需求、规章制度等业务文档通过 RAG 外挂到知识库中，然后使用合适的 Prompt，利用大模型从这些业务文档中按照 Concept Speak 和 Rule Speak 的规范提取出业务术语和业务规则。Concept Speak 和 Rule Speak 是 SBVR（Semanticsof Business Vocabulary and Business Rules，业务词汇和业务规则的语义）下的两种规范，是由对象管理组（OMG）发布的标准，ConceptSpeak 可以看作是 SBVR 在概念模型设计方面的一个应用或扩展，专注于如何构建和表达业务概念模型。而RuleSpeak 则是 SBVR 在业务规则表达方面的一个实践，提供了一套具体的指导原则和模板，帮助业务人员和 IT 人员以一种清晰、一致的方式来表达和沟通业务规则。提取出的业务术语和业务规则再经过离线质检，形成一个初步的规范化的业务资产知识库。当有新的业务文档产生时，大模型能够通过对比的方式，检查出业务资产知识库是否需要更新，并提示出需要更新的内容有哪些，这样就最终形成一个可迭代的业务资产知识库。整体流程如图 3 所示。

图3 业务资产知识库构建流程

提示工程（Prompt Engineering）是解锁大模型能力的一把钥匙，在不需要对大模型进行重新训练或微调的情况下，针对特定的使用场景优化提示词能够大大提高的大模型的能力。经过测试，一份优秀的prompt 模板通常要包括以下三部分的内容（见图4），才能更好地发挥大模型的能力：

阐述问题：向大模型提出问题，尽可能描述清楚问题的需求。

 设定目标：给大模型设定一个目标，告诉大模型具体的任务，例如回答问题、生成代码，或润色文字等。

 补充要求：向大模型输入对任务的要求，例如规范输出格式、限制输出内容等。

图 4 Prompt 模板构成

大模型是根据用户的输入信息来完成推理的，因此用户的输入信息越充分，模型的推理效果越好，为了让大模型能够拥有动态地获取知识的能力，业界通常采用RAG协同大模型助力研发资产。不需要将所有的知识放在大模型中，而是通过“检索”的方式获取知识，然后将其加入大模型的输入中，这种方式不仅提升了大模型在专业领域的推理能力，同时用户也能通过这种“外挂”的方式避免了信息的泄露。RAG最核心的部分是“Embedding+向量数据库”，通过这种方式 RAG 可以无监督地对文本数据进行语义维度的匹配，典型结构如图5 所示。

测试平台：华为 LakeSearch 平台。

LakeSearch 平台可进行基于盘古大模型的语义搜索，内置文档拆分能力。该平台自带 UI，支持一键文档上传、解析、搜索，支持PDF、Word、XML 等多模态文档生成知识库。

 测试文档：《太平洋借记卡业务管理办法》中借记卡挂失部分内容。

以借记卡管理的业务管理办法中卡挂失部分进行测试，将其通过 RAG 的方式外挂到大模型中，卡挂失业务管理办法详细内容如下。

客户实体太平洋卡卡片丢失后可以申请挂失，挂失分为正式挂失和应急挂失。正式挂失和应急挂失均立即生效、长期有效。

无介质太平洋卡不提供卡片挂失服务，客户可通过手机银行或网上银行对此类账户进行锁定及解锁，锁定后，账户即为止付状态。

电子现金账户不挂失、不止付。

挂失手续：

（一）正式挂失。1.客户遗失卡片但未遗忘交易密码的，可持本人有效身份证件或委托他人通过全国任一营业网点柜面、手持终端、智易通办理卡片挂失。委托他人代办的，代理人需出示持卡人和代理人双方有效身份证件原件。儿童卡办理挂失需由开卡监护人持儿童卡持卡人身份证件以及开卡监护人身份证件办理。客户也可通过电子渠道（包括网上银行、手机银行、电话银行自助语音、自助通、智易通、云上交行等）凭交易密码自助办理卡片挂失。2.客户遗失卡片并遗忘交易密码，可特本人有效身份证件通过全国任一营业网点柜面、手持终端、智易通以及云上交行办理卡片及密码双挂失。

（二）应急挂失。客户遗失卡片并遗忘交易密码，且无法及时至网点办理书面挂失手续时，可通过电话银行人工客服办理应急挂失。应急挂失后，如需办理后续补卡或销卡的，须由持卡人本人或委托他人到全国任一营业网点办理正式挂失手续。

根据前文所示的 Prompt 模板，大模型的输入和部分输出如图所示。

##输入：

设

##角色：

你是一名有十年工作经验的银行业务人员，熟悉银行各种业务。

#问题：

我想通过对银行业务文档的分析，按照rule speak和concept speak的原则，从卡挂失的业务管理规范中提取出对应的业务术语和业务规则。

#

RuleSpeak：RuleSpeak是SBVR中用于以自然语言表达业务规则的指导原则。它不是一个语言或语法本身，而是一系列帮助清晰、明确地表达业务规则的实践指南。

ConceptSpeak：是SBVR中表述业务概念的语言或方式，这些概念可以包括业务活动中使用的术语，并提供该术语的详细信息，如定义、示例、来源、同义词等，目的是创建一种业务和技术专家都能理解的共同语言，以便于业务规则的沟通、分析和自动化处理。

#目标：设定语】。目标输出【业务规则】。	1.深入理解业务文档，按照语义从文档中提取出每段文字中的【业务术 2.熟练掌握conceptspeak和rule speak规范，能够以最抽象、简练的语言
#要求：补充要求	1.如果文档中输入不足，请查询银行同业相关文档进行补充。 2.如果用到了银行同业的知识，请提供真实合理的依据。
##输出:
的临时挂失。 ###业务规则	4.应急挂失：客户在无法立即到银行网点时，通过电话等紧急渠道申请 8 王

3.正式挂失规则：	-规则4：客户遗失卡片但未遗忘交易密码时，可通过多种渠道办理正式挂失。 -规则5：客户遗失卡片并遗忘交易密码时，需通过指定渠道办理卡片及密码双挂失。

可以看到，大模型能够从复杂的业务文档中，较为准确地提取业务术语，能够按照 SBVR 的标准对业务规则进行规范化输出，从而形成规范、统一的业务资产。

（四）辅助生成企架模型

1.实践方法

将业务术语和业务规则从纷繁的业务文档中整理出来后（显性化），就可辅助生成企业架构模型了。我们将 3.3 节整理出来的业务资产知识库通过RAG“外挂”到大模型中，然后利用3.3.1的 Prompt 模板编写适当的Prompt 提示词，来生成企架模型中数据模型的实体部分以及流程模型的L4-任务部分。其流程如图 6所示。

图6 构建企业架构资产知识库

2.初步研究成果 ###输入： ##角色：设定

##目标：

设标际

1.深入理解业务文档，按照语义从文档中提取出每段文字中的【业务术语】。

2.熟练掌握concept speak和rule speak规范，能够以最抽象、简练的语言输出【业务规则】。

##要求：

1.【业务实体】内容要求：包含实体名称、定义和属性。

格式要求：【名称】-定义-属性:

2.【流程模型】

#

内容要求：对我输入【L1领域】（借记卡）、【L2价值流】（借记卡管理)进行分析，通过同业经验和业务资产知识库中提到的业务术语和业务规则，判断文档属于哪个【L3活动】之下。同时，生成【L4任务】，将【业务规则】归类到对应的【L4任务】中，如果【业务规则】不能归类到【L4任务】中，请告诉我原因。

格式要求：【L3活动】活动名称必须为动词+名词格式，例如“开立借记卡”；【L4任务】任务名称必须以“动词+名词格式”，例如“受理借记卡开立申请”

###输出：

##业务实体：

##账户

-**定义**：银行为客户开设的资金存储和交易的账户

-**属性**:

-账户ID：账户的唯一识别码。

-账户类型：如储蓄账户、支票账户等。

-账户余额：账户的当前余额。

-账户状态：如正常、冻结等。

##流程模型

1.**受理挂失申请**

-任务描述：由银行工作人员执行，负责接收并记录客户的挂失申请。

-规则对应：

-规则1：客户可对丢失的太平洋卡申请挂失。

-规则6：客户在无法及时至网点办理书面挂失手续时，可通过电话银行人工客服办理应急挂失。

2.验证客户身份

-任务描述：验证挂失申请客户的身份信息，确保申请的有效性。

-规则对应：

-规则4和规则5：客户遗失卡片但未遗忘交易密码时，或遗失卡片并遗忘交易密码时的身份验证。

图7 大模型与业务专家建模成果对比

由上述对比可以看到，大模型根据业务资产生成的任务准确率约为80%（针对业务管理办法中涉及的部分），但是却能够节省85%左右的工时。我们通过分析发现影响建模准确率的关键因素就是提供给大模型的输入，上图生成的任务 1、任务 2 和任务3 和业务专家基本一致，但是任务 4、任务 5 和任务 6 却有所缺失，主要就是因为我们给大模型的业务管理办法并没有涉及这部分，可见大模型的输出十分依赖输入，如果我们能输入完整、规范的业务管理办法，就能够建立质量客观的企架元素。除了卡挂失以外，我们还做了集中制卡管理、对公存款和对公贷款等领域的流程模型建模，在输入完整、规范的前提下，其流程模型 L4-任务建模的准确率均达到了70%以上，工时都能够节省80%以上。

（五）辅助生成结构化需求

1.结构化需求的价值

在软件开发过程中，需求是极其重要的一环，向前与业务方案打通、向后承接 IT 设计，是业务和技术沟通的桥梁。但是由于业务和技术人员存在着目标、工作方式和思维模式等上的差异，技术人员常常难以清晰地理解业务的需求，这不仅给开发带来了困难，甚至可能会导致后续的返工，极大地浪费了开发的资源。为了打通业务与技术之间的壁垒，贯通企业战略、业务需求、IT实施这一条企业内部运营脉络，形成内部合力，“结构化需求”应声而出。结构化需求通过建立标准化的信息描述语言，实现跨越业务、需求、设计的需求结构化管理，确保业务需求的准确传递，最终形成研发过程的全链路打通。

而企业级业务架构（Enterprise Architecture, EA）作为一种战略工具，从客户需求出发，以企业的服务流程为主线，全面覆盖企业的所有业务场景，有效地消除了业务场景之间的差异性。在企业架构中，流程模型提供了一套统一的标准和框架。这些标准能够使得需求编写人员能够在统一的语言和一致的颗粒度下组织和表述需求架构。这种一致性不仅促进了跨部门的沟通，也提高了需求管理的效率和准确性。数据模型作为企业架构的另一关键组成部分，清晰地界定了业务活动所涉及的数据实体及其关系。这使得业务和技术人员能够直观地理解业务流程中的每一步如何影响数据状态，从而确保数据的一致性和完整性。产品模型则进一步细化了业务架构的应用层面，不仅指导了产品的功能设计，还确保了产品设计与业务目标和客户需求的一致性。通过产品模型，企业能够确保技术解决方案与业务战略紧密对接，实现业务价值的最大化。

因此，企业级业务架构是标准化信息描述语言的最佳实践，是实现结构化需求的基石。为需求管理提供了一个清晰的蓝图，确保了从概念到实现的每一个环节都能够精准地反映企业的业务目标和客户需求。将企业级业务架构资产沉淀到结构化需求中，实现企业级业务架构与结构化需求的紧密结合，能够不断地提升需求的质量和可执行性，打通业务与技术的壁垒，推动业务和技术的融合。通过这种方式，企业能够构建出既灵活又稳健的业务系统，以适应不断变化的市场环境和客户需求。

2.实践方法

1) 结构化需求模板设计

由于现在的大模型仍在发展中，能力上面还不够完善，我们的实践重点在于生成需求的业务层面。该模板如下图所示，主要包括两个方面，一个是需求概况，其中主要包括需求背景及目的、需求简述和术语定义；二是业务流程和业务交易。业务流程和业务交易这两个目录层级是需求的骨架，分别对应着企架流程模型的活动跟任务，这样需求编写人员就能够以统一的语言及颗粒度描述业务流程和业务交易，使需求章节标题逐步固定，促进了需求的结构化。有了这些清晰地“业务流程片段”之间的串接和依赖关系，当一个“业务流程片段”变更时，业务人员和技术人员能够快速定位到哪些“业务流程片段”受到了影响，这不仅保证了功能不发生遗漏，同时也能够有效地避免重复开发。

涉及的规则：

1.规则1

2.1.2业务交易2

2) 生成任务线性拆分

2022 年， Google 发布的论文《 Chain-of-ThoughtPrompting Elicits Reasoning in Large Language Models》中首次提出，通过将一个复杂问题分解为若干个子问题，并一步一步地进行推理，这种方式可以显著提升大模型的性能[12]。这种推理方法就被称为思维链（Chain of Thought）。CoT（思维链）的本质是将一个高度不确定的复杂任务，拆分成若干个确定性较高的子任务，以此提升整个系统的效果和确定性。当我们面对一个复杂任务时，仅对输入进行改造是不够的，我们还需要进行任务维度的分解，用 CoT 的方式进行建模。这样我们不再是单纯的“input-output”，而是通过一种“人机协同”的方式，人与大模型共同参与生产，这样更有利于大模型的落地。我们将上述的结构化需求的模板进行了任务拆分，如图 8 所示。先让大模型根据简短的一句话需求生成需求概况，然后让大模型从企架知识库中筛选出最符合该需求的活动和任务及这些任务设计的业务规则，最后将这些内容拼装成一个完整的结构化需求。

图8 生成任务拆分示意

3.初步研究成果

以借记卡管理的卡挂失为例，现有如下的“一句话需求”：

“为了提高卡挂失业务的处理速度和安全性，同时优化客户体验，需要对现有挂失流程进行升级和优化，增加客户通过网上银行发起挂失申请的功能，系统根据客户提供的身份信息，进行身份验证”。

我们先按照直接端到端的方式来生成结构化需求：

输入：

设定角色
	##角色：现在你是一名有多年工作经验的银行业务人员，熟悉银行各种业务。

描述问题	##问题：现有以下需求： “为了提高卡挂失业务的处理速度和安全性，同时优化客户体验需要对现有挂失流程进行升级和优化，增加客户通过网上银行发起挂失申请的功能，系统根据客户提供的身份信息，进行身份验证" 将上述内容按照《结构化需求》模板的格式改写成结构化需求，需求模板中的业务流程对应《企架知识库》中的“活动”，业务交易对应《企架知识库》口中的 “任务”。。请输出与我给你的一句话需求最相关的活动和最相关的任务，请不要
#目标：	输出不相关的。
设定目标补充要求	输出最终的完整版的结构化需求。

###输出：

结构化需求模板：

1.需求概况

需求背景及目的

为了提高卡挂失业务的处理速度和安全性，同时优化客户体验，需要对现有挂失流程进行升级和优化。

需求简述

增加客户通过网上银行发起挂失申请的功能，系统根据客户提供的身份信息进行身份验证。

术语定义

-挂失：指客户因卡片遗失或被盗而向银行申请的卡片失效操作。

-身份验证：指通过系统核对客户身份信息以确认客户身份的过程。

2.总体说明

2.1业务总体说明

描述业务概况；描述业务所适用的业务场景。卡挂失业务是银行为客户提供的一种安全服务，用于防止卡片遗失或被盗后被未授权使用。

2.2涉及的活动

活动简述：

-活动1：客户通过网上银行发起挂失申请。

-活动2：系统进行身份验证。

2.2.1任务1

2.2.1.1规则1：客户可对丢失的太平洋卡申请挂失。

2.2.1.2规则6：客户在无法及时至网点办理书面挂失手续时，可通过电话银行人工客服办理应急挂失。

2.2.2任务2

2.2.2.1规则4和规则5：客户遗失卡片但未遗忘交易密码时，或遗失卡片并遗忘交易密码时的身份验证。

2.2.3任务3

2.2.3.1规则1：挂失操作的执行。

2.2.4任务4

2.2.4.1规则1：挂失操作完成后的结果通知。

2.2.5任务5

2.2.5.1规则7和规则8：解挂和补卡或销户手续的办理规则。

2.2.6任务6

2.2.6.1规则10和规则11：新卡激活与业务转移的规则。

请注意，根据您提供的《企架知识库》文档，我已将相关活动和任务整合到结构化需求模板中。如果需要进一步细化或有其他具体要求，请告知。

可以看出，上述使用端到端的方式直接输出最终的结构化需求，无论是在输出的格式和内容的准确性上都十分欠缺。即使我们已经在 Prompt 中详细地告诉了他应该怎么做，但是在这么一个复杂的生成任务时，大模型的表现不能够令人满意。

下面我们根据 4.1.2提出的 Cot 线性拆分方法，将生成任务进行拆分，先根据该需求生成需求概况（步骤 1），然后分析该需求概况中涉及哪些活动（步骤 2），再明确涉及该活动下的哪些任务（步骤 3），最终生成完成的结构化需求（步骤 4）。

步骤 1（生成需求概况）：

输入：

设定角色描述问题	##角色： ##问题：	：现在你是一名有多年工作经验的银行业务人员，熟悉银行各种业务。
		现有以下需求：“为了提高卡挂失业务的处理速度和安全性，同时优化客户体验，需要对现有挂失流程进行升级和优化，增加客户通过网上银行发起挂失申请的功能，系统根据客户提供的身份信息，进行身份验证"
补充上述内容的需求概况，该需求概况有三个部分组成，分别是需求背景及目的 #目标：	（简述需求产生的背景、业务目前的开展情况以及想要达到的业务目标）、需求简述（简要描述需求需要实现的主要内容，需要覆盖的业务范围、业务边界及关键业务点）和术语定义（简要说明本文档中涉及的专门术语、容易引起歧义的概念、需求要操作的实体及其他需要解释的内容）。
设定目标	尽可能充分的补充需求概况，逻辑要清晰，方便IT具体实施。
补充要求	##要求：输出要以结构化的标题形式，比如：{1.需求概况1.1需求背景及目..}

1.需求概况

1.1**需求背景及目的**：

-当前，银行的借记卡挂失流程面临效率低下和客户体验不佳的问题。为了解决这些问题，需要对现有的挂失流程进行升级和优化，以提高处理速度和安全性，同时改善客户体验。具体目的是简化挂失流程，减少客户等待时间，确保挂失请求的合法性以防止身份冒用，并通过流程优化减少客户在挂失过程中的不便。

1.2需求简述：

-银行需要优化借记卡挂失流程，使其更加高效和安全。现增加通过网上银行发起挂失申请的功能。系统需要根据客户提供的身份信息进行初步的身份验证，确保挂失请求的合法性，同时提供快速响应和便捷的服务，以提升客户的整体体验。

1.3业务术语：

-**太平洋卡**：银行发行的具有存取款、转账等金融功能的借记卡，具有卡号、持卡人姓名、账户状态等属性。

-**客户**：银行服务的使用者，持有太平洋卡的个人或机构，具有客户ID、姓名、身份证件类型和号码、联系方式等属性。

-**业务渠道**：客户可以通过柜面、自助终端、网上银行、手机银行等渠道办理银行业务，具有渠道类型和状态等属性。

-**挂失记录**：记录卡片挂失的详细信息，包括挂失记录ID、挂失类型、挂失时间和挂失原因等属性。

-**补卡/销户记录**：记录补办卡片或销户操作的详细信息，包括操作类型、操作时间和操作结果等属性。

-**交易密码**：客户设置的用于验证交易的密码，具有密码状态等属性。

-**账户**：银行为客户开设的资金存储和交易的账户，具有账户ID、账户类型、账户余额和账户状态等属性。

步骤 2（分析涉及的活动）：

###输入：

设定角色	#角色：现在你是一名有多年工作经验的银行业务分析人员，熟悉银行各种业务，熟悉企业级业务架构，包括流程模型、数据模型和产品模型。
描述问题	#问题：请根据我上述需求概况中的需求简述，输出该需求最相关的活动（由企架知识库得出），请不要输出不相关的任务。
设定目标	##目标：输出最相关的活动。
补充要求	##要求：输出该活动及其简介。

###输出：

活动名称：

-处理卡挂失

简介： -由卡片遗失或被盗的事件触发，旨在防止未授权使用，涉及客户与银行之间的交互过程。

步骤 3（分析涉及的任务&规则）：

###输入：

###输出：

#角色：设定角色 ##问题：描述问题设定目标补充要求 AAATL #输出

纳科技现在你是一名有多年工作经验的银行业务分析人员，熟悉银行各种业务，熟悉企业级业务架构，包括流程模型、数据模型和产品模型。请输出上述涉及的活动下，与需求简述最相关的任务及其下面的业务规则（来自于企架知识库），注意，请不要输出不相关的任务。 ##目标：输出最相关的任务。 ##要求：输出任务以及任务简洁和其下的业务规则，以结构化的形式输出。

步骤 4（生成结构化需求）：

###输入：

设定角色	##角色：现在你是一名有多年工作经验的银行业务分析人员，熟悉银行各种业务，熟悉企业级业务架构，包括流程模型、数据模型和产品模型。
描述问题	##问题：将上述你输出的“需求概况”、“活动”和“任务及其涉及的业务规则”，按照 "结构化需求模板”拼装成一份完成的结构化需求。
设定目标	##目标：输出最终的完整版的结构化需求。
补充要求	##要求：严格按照模板规定的格式输出，不要输出无关内容，不要更改标题层次。

###输出：

1.需求概况

1.1需求背景及目的：

1.2需求简述：

1.3业务术语：

-**太平洋卡**：银行发行的具有存取款、转账等金融功能的借记卡，具有卡号、持卡人姓名、账户状态等属性。

-**客户**：银行服务的使用者，持有太平洋卡的个人或机构，具有客户ID、姓名、身份证件类型和号码、联系方式等属性。

**业务渠道**：客户可以通过柜面、自助终端、网上银行、手机银行等渠道办理银行业务，具有渠道类型和状态等属性。

-**挂失记录**：记录卡片挂失的详细信息，包括挂失记录ID、挂失类型、挂失时间和挂失原因等属性。

-**补卡/销户记录**：记录补办卡片或销户操作的详细信息，包括操作类型、操作时间和操作结果等属性。

-**交易密码**：客户设置的用于验证交易的密码，具有密码状态等属性。

-**账户**：银行为客户开设的资金存储和交易的账户，具有账户ID、账户类型、账户余额和账户状态等属性。

2.业务流程与业务交易

处理卡挂失

描述：由卡片遗失或被盗的事件触发，旨在防止未授权使用，涉及客户与银行之间的交互过程。

2.1.1受理挂失申请

-任务描述：由银行工作人员执行，负责接收并记录客户的挂失申请。

-规则对应：

-规则1：客户可对丢失的太平洋卡申请挂失。

-规则6：客户在无法及时至网点办理书面挂失手续时，可通过电话银行人工客服办理应急挂失。

2.1.2验证客户身份

-任务描述：验证挂失申请客户的身份信息，确保申请的有效性。

-规则对应：

-规则4：客户遗失卡片但未遗忘交易密码时，可通过多种渠道办理正式挂失。

-规则5：客户遗失卡片并遗忘交易密码时，需通过指定渠道办理卡片及密码双挂失。

通过对比可以看出，经过 Cot 线性拆分生成的结构化需求，无论是在格式还是在内容上的准确性上都已经基本令人满意，远比直接采用端到端方式生成的结构化需求质量更高。可见面对复杂任务时，进行任务拆分，让人与大模型协同工作，这样更加有利于提升大模型的性能。

第 4 章实施方案：融合大模型，构建企业架构资产平台

“企业架构建模”是一种专为大规模企业级应用而设计的业务梳理方法，以企业的经营战略和管理目标为出发点，全面规划和整合企业的业务流程。目前很多银行业务人员建模主要是通过Excel方式进行，这种方式存在着诸多问题，如模型数据共享困难、模型的配置管理困难、模型的质量难以校验等。为了促进业务建模资产的高效构建与管理，并确保这些资产的可复用性，我们提出构建一个集成的企业架构资产平台，并在其中嵌入大模型的诸多能力，这样在企架模型的建设、管理和使用的过程中，充分发挥大模型的效力。下面我们给出具体的实施方案。

（一）架构设计

模型的总体架构如图 9 所示。我们将由业务文档逐步辅助生成的业务资产知识库、企架资产知识库和结构化需求作为不同的模块，在其建设、质检和管理的过程中，充分调用大模型的能力，最大化地减少人力成本。

图9 模型的总体架构

（二）关键技术点

1.构建业务领域视图

基于大模型与现有业务架构，将存量需求按业务领域进行需求归类，形成全行级业务领域视图，形成高阶建模资产。

如发现有需求无法匹配到现有领域的，则提供更新业务领域的建议，供业务与开发人员进行评估。

2.识别业务术语、概念和规则

在银行业务文档的处理中，内嵌文本工具，基于大语言模型可以识别和提取关键的业务术语、概念和规则。通过训练模型识别银行业务文档中的特定语言模式，自动从大量文档中提取出有价值的信息。

例如，模型可以识别贷款合同中的关键条款、利率、还款期限等信息，并将其结构化输出。

3.构建完整业务模型

基于大模型，结合业务术语及概念，对业务需求进行提炼抽象，识别活动、任务，辅助建模人员构建业务模型。

例如，基于借记卡相关需求，识别标准活动“执行借记卡挂失”，及该活动的主要任务：“受理挂失申请”“验证客户身份”“执行挂失操作”“通知客户挂失结果”。

4.生成结构化需求

通过选择不同的知识库，使用提示工程的方式调用大模型的能力，支持生成业务资产和企架资产，将“一句话需求”自动补全成结构化需求；同时，对现有存量需求按企架思路进行拆分与整合，形成一份覆盖业务全生命周期的完整业务需求。

特别地，对于复杂需求，通过对内容进行线性拆分，通过识别段落、句子或主题，对需求内容进行提炼，与业务模型进行挂钩，通过思维链的方式生成结果，以提供生成内容的准确性。

5.进行质量检测

通过有效的质检，保证企业级架构的质量，降低相关建模人员的工作量。

实施过程中，使用传统工具（如使用代码对必输项进行检查）以及大模型的推理能力相结合的方式对生成内容进行合理性、一致性和规范性的检测。

主要流程包括：

（1）确定质检对象

（2）选择质量检查

（3）开展质量检查

（4）输出检查结果

（5）反馈及复检

（6）审核质检结果

（三）典型应用场景

1.生成业务资产

用户可在架构资产平台上选择相应的业务文档，然后调用大模型平台的推理生成业务资产，具体如图10 所示：

图10 生成业务资产流程图

2.生成企架资产

用户可在架构资产平台上选择相应的业务资产，然后确定要生成的企架元素类型，再通过调用大模型的推理能力生成企架资产，具体如图11 所示：

图11 生成企架模型流程图

3.生成结构化需求

用户可在架构资产平台上选择相应的企架资产，然后给出需求描述，调用大模型的推理能力自动生成结构化需求，具体如图12 所示：

图12 生成结构化需求流程图

第 5 章总结展望：回顾与前瞻，绘制企业架构的未来图景

企业架构模型的最终目的是统一全行业务和科技的语言，帮助业务人员快速定义IT 需求，帮助 IT 人员快速理解业务逻辑。而企架本身的“建模－使能－维护”的整个过程是工作量浩繁且极其依赖架构人员和使用人员自身能力的。

随着本课题深入开展和验证思路的过程中，诸多难点随之浮现，其中最突出的还是来源于大模型自身能力的不稳定，以及工程方法的不成熟，解决了这些问题，相信大模型辅助建模将会有质的飞跃。现就本课题中遇到的四大主要难点提出一些解题思路。

（一）大模型生成企架专业表述内容不稳定，构建专业场景模型是快速提升生成精准度的有效方式。

大模型 Transformer 架构本质是基于概率学的关联语义生成，因此，在模型参数精度调低的情况下（降低模型精度，以降低大参数量模型的推理算力消耗），生成结果可能不稳定，即输入相同提示词，多轮回话的内容表述结果无法保证完全一致。而企架建模又是一个相当“咬文嚼字”的工程，一字之差可能含义大相径庭，因此这是我们已遇到的最可能影响建模质量的问题之一。随着市场上“百模大战”的白热化，更大参数量、更高精确度的模型版本会不断涌现，企架语言生成的统一性和稳定性问题相信在不久的将来便能得到很大改善，甚至可能出现转为企架建模领域的专业场景模型（L2 层模型），以兼顾生成效果和推理资源效能，其使用体验将会更佳。

（二）大模型生成 tokens 数受限，长序列技术或将成为长文本需求文档生成质量提升的破题点。

当前受限于大模型普遍的单次生成 token 数限制（一般是40k-100k），我们在测试全量需求文档生成时，当单轮会话生成达到最大 tokens 时，需新建会话以继续生成，但会话之间无记忆，导致生成段落之间关联度低，甚至有内容相悖的情况。我们了解到，领先大模型公司们正在全力攻克无损长序列和多轮会话记忆的问题，大模型窗口正在快速增长，例如，kimi已支持 200万汉字上下文长度，Gemini-1.5-Pro 已支持达 1M tokens 长窗口；而正在研发中模型版本将支持更长窗口的生成，通义千问将支持 1000 万汉字上下文，文心一言和智脑模型将支持 500 万汉字。未来业务需求文档的大段落生成，甚至全文生成将成为可能，从而省去了大量提示词工程和人工核验成本。

（三）实体模型无法使用大语言模型单独完成，多类型大模型共存的架构是必然选择。

实体模型涉及大量 ER 图表达，本课题受限于大语言模型的能力，仅能够识别实体名称和粗略关系描述，在实际建模工作中直观性不足，且在知识库中难以探寻到所需的实体关系，后续伴随多模态大模型能力的完善，以及在图数据库结合向量数据库方案的突破，可以期待未来以更便捷的方式直接构建实体关系图，辅助提升数据建模人员的建模效率。

（四）企架模型资产知识库保鲜难度大，智能化知识管理是

资产有效运营的方向。

企业架构模型虽然总体相对稳定，但是新业务、新产品的推陈出新势必会带来业务流程的变更以及实体的迭代，而传统的模型看护模式是依赖架构专家人工维护的，即便银行建设了完备的企架资产目录或企架管理系统，依靠人工在目录中快速定位某具体流程和实体属性也是相当挑战的任务，特别是当一家银行的业务形态极其复杂时，此问题会更加突出。在我们的课题中，使用向量数据库维护企架知识资产，当有新业务知识补充或更新时，也需要人工定位替换，或进行时间标注。未来或许能够在知识库构建流程中引入新的智能体（或许是一个新的大模型或专业化的机器学习模型），由Agent 模式调用各个模型能力或配套工具，因此向智能体注入知识时，自动巡检和比对新老知识，经架构专家确认后自动更新知识库，最大化节省企架维护人员工作量。

本课题只是对企业架构建模工程中的部分环节智能化的可能性进行初次探索，在广袤的企业架构模型管理领域中点亮一点星星之火，希望能够给各方从事企架建模的同仁带来一些线索和启发。

参考文献

[1] 国家市场监督管理总局、国家标准化管理委员会，信息化和工业化融合数字化转型价值效益参考模型[EB/OL] [2022-10-12].

[2] 中国银行保险监督管理委员会，银保监发〔2019〕52号中国银保监会关于推动银行业和保险业高质量发展的指导意见[EB/OL] [2019-12-30].

[3] 科技创新和社会责任局，关于加快推进国有企业数字化转型工作的通知[EB/OL][2020-09-21].

[4] 全国人大常委会，《中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要》[EB/OL] [2021.3.11].

[5] 国务院，《国务院关于印发“十四五”数字经济发展规划的通知》[EB/OL][2021-12-12].https://www.gov.cn/gongbao/content/2022/content_5671108.html

[6] 中国人民银行，中国人民银行关于印发《金融科技发展规划（2022—2025年）》的通知[EB/OL][2022-01-04].

[7] 中国银行保险监督管理委员会，银保监办发〔2022〕2号中国银保监会办公厅关于银行业保险业数字化转型的指导意见[EB/OL] [2022-01-17].

[8] 李明富,新一代核心系统建设：建设银行数字化转型探索实践[EB/OL] [2019-07-31].

[9] 郝毅.工商银行企业级业务架构建设[J].中国金融电脑,2022,(02):39-42.

[10] 中国邮政储蓄银行,邮储银行新一代公司业务核心系统全面投产上线[EB/OL][2024-01-27].

[11] 中电金信, 某省农信银行通过轻量级业务建模为分布式核心系统提供需求及设计输入[EB/OL].

[12] Wei, Jason, et al. "Chain-of-thought prompting elicits reasoning in large language models." Advances in neural information processing systems 35 (2022): 24824-24837

基于大模型的企业架构建模助力银行数字化转型应用研究报告

版权声明

编制委员会

编委会成员：

编写组成员：

编审：

参编单位：

目 录

第 1 章 研究背景：洞察时代脉搏，探寻企业架构发展之源

（一）银行数字化转型的迫切性

1.国家战略要求银行进行数字化转型

2.同业竞争驱动银行进行数字化转型

3.新金融业态驱动银行进行数字化转型

（三）大模型时代的到来

第 2 章 现状剖析：银行企业架构的现状审视与问题透视

（一）企业架构模型介绍

1.整体介绍

2.重要概念

3.模型定位

4.建模内容

（1）业务模型

能力模型：

流程模型：

产品模型：

数据模型：

（2）模型与架构

（3）模型与传统需求

（4）模型与开发

（5）模型与工具

（6）模型与研发过程

5.建模路径

（1）确认业务目标

（2）能力建模

（3）流程、数据、产品建模

（二）同业实施现状

1.建设银行[8]

2.工商银行[9]

3.交通银行

4.邮政储蓄银行[ 10]

5.兴业银行

6.四川农信[11]

（三）企业架构存在的问题

1.企架构建过程中的协同障碍

2.企架模型的质量控制难以保证

3.传统企架模型难以应对快速变化的需求

4.企架模型建设需要大量资源投入

5.模型的维护和保鲜难度大

（一）实施思路

（二）技术路线

1.文档拆分

2.大语言基础模型

3.Prompt 工程

4.大模型答案生成

5.实时/离线质检

6.RAG

7.向量化技术

8.向量检索技术

9.重排序优化检索（Re-ranking）

10.SFT/RLHF 持续反馈调优

（三）辅助规范业务资产

1.实践方法

##输入：

设

##角色：

#问题：

#

（四）辅助生成企架模型

1.实践方法

##目标：

设标际

##要求：

2.【流程模型】

#

###输出：

##业务实体：

##账户

##流程模型

2.**验证客户身份**

（五）辅助生成结构化需求

1.结构化需求的价值

目录

第 1 章研究背景：洞察时代脉搏，探寻企业架构发展之源

第 2 章现状剖析：银行企业架构的现状审视与问题透视

2.验证客户身份

1.2需求简述：

1.3业务术语：

1.1需求背景及目的：

1.2需求简述：

1.3业务术语：

第 4 章实施方案：融合大模型，构建企业架构资产平台

第 5 章总结展望：回顾与前瞻，绘制企业架构的未来图景

2025年基于大模型的企业架构建模助力银行数字化转型应用研究报告 听光Vic

2025年基于大模型的企业架构建模助力银行数字化转型应用研究报告听光Vic