银行数据智能进入AI时代，天阳科技如何把数据转化为业务决策

人工智能加速进入银行业务流程之后，数据平台的角色也在发生变化。

过去很长一段时间，银行数据建设的重点是解决数据分散、口径不统一和报表效率等基础问题，数据仓库、数据中台和数据治理平台承担了重要作用。但随着大模型、智能体和智能决策逐步进入信贷、营销、风控、运营等场景，仅仅把数据集中起来已经不足以支撑下一阶段的智能化转型。

新的问题变成了：银行如何让经过治理的数据能够持续进入模型，再由模型进入真实业务场景，最终形成可以被业务人员使用的洞察、判断和行动依据。

银行数据平台正在从“存数据”走向“用数据”

这一变化已经反映在银行IT市场结构中。

中关村互联网金融研究院发布的《2025年中国银行业务软件市场竞争分析研究报告》认为，银行数据智能正在从传统的数据中台和数据治理进一步向“AI原生”和“决策自动化”演进，数据智能将与人工智能深度融合，并逐步迈向AI驱动的智能决策。

与此同时，信创也在推动银行数据平台进入新的升级周期。随着国产化替代由外围系统逐渐向关键业务和数据基础设施延伸，大数据平台迁移、湖仓架构升级以及数据治理体系重构，都成为银行新一轮科技建设的重要组成部分。

赛迪顾问在《2025中国银行业IT解决方案市场份额分析报告》中也指出，银行数据智能建设重点正在由传统报表和数据仓库，向湖仓一体、实时数据平台、企业级指标体系和数据资产运营升级，并进一步强化数据质量、分类分级、数据血缘以及大模型知识库等能力。

这意味着，银行的数据基础设施正在承担两项任务：既要继续解决数据治理问题，也要开始为AI规模化进入业务流程提供稳定的数据底座。

84.04亿元与94.68亿元，两种口径指向同一个变化

两家研究机构对2025年银行数据智能市场给出了不同的统计结果。

按照中金院的银行业务软件统计口径，2025年数据智能业务软件市场规模达到84.04亿元，是运营管理类业务软件中规模最大的子市场，同时也是整个银行业务软件市场中规模最大的细分市场。天阳科技在这一市场排名第五，对应收入3.95亿元，市场占有率4.70%。

按照赛迪顾问的银行业IT解决方案统计口径，2025年数据智能（商业智能）解决方案市场规模为94.68亿元。天阳科技在该市场排名第八，对应收入2.95亿元，市场占有率3.12%。

两个数字不能直接比较，也不应合并使用。原因在于两家机构对市场范围、解决方案边界以及收入归属采用了各自的研究口径。

但如果暂时放下排名差异，可以看到一个更值得关注的共同结论：无论按照哪一种统计体系，数据智能都已经成为银行科技投入中体量最大的重点市场之一，而且市场建设重点正在由传统数据处理向AI、实时分析和业务决策方向迁移。

对金融科技厂商而言，竞争也因此从“能不能建设数据平台”，进一步转向“能不能把数据平台变成AI应用和业务价值的基础设施”。

AI数据底座与传统数据平台的区别正在显现

天阳科技2026年半年度报告中，对数据业务的表述已经体现出这种变化。

报告期内，公司持续推进AI数据底座迭代升级与规模化落地，并完成“粒度模型”平台工程化优化。在这一体系下，数据能力开始被进一步组织为“数据供给—模型生产—场景调用”的完整链路。

这与传统数据平台主要解决数据汇聚、加工、治理和报表分析有所不同。

在AI应用环境下，数据不只是被查询和展示，还需要持续为机器学习模型、大模型、智能体及其他业务应用提供可以理解和调用的数据基础。模型生成结果之后，又必须重新进入营销、信贷、风控或者运营流程，才能真正形成业务价值。

从这一角度看，所谓AI数据底座并不是简单在既有数据平台上增加一个大模型接口，而是要解决数据如何被模型使用、模型如何与业务场景连接，以及最终结果如何进入业务流程的问题。

天阳科技正在推进的粒度模型和AI数据底座，其工程化方向正是将上述环节进一步贯通。

天津银行“对公客户全景视图”：数据开始直接服务客户经营

天津银行的实践提供了一个更具体的观察窗口。

天阳科技参与共建的天津银行“对公客户全景视图”项目，获得了中国信通院与大数据技术标准推进委员会第八届大数据“星河（Galaxy）”行业数据智能应用专项典型案例。

该项目并没有停留在把不同系统的数据集中到一个平台，而是围绕对公客户全旅程整合银行内外部数据，形成对公客户数据的集中统一管理，并进一步建立面向实际业务人员使用的客户全景。

公开资料显示，该系统形成了25组视图卡片和1500余项视图信息，以对公客户信息和标签体系为基础，帮助银行进行客户识别、客户洞察和客户生态数据协同。

更值得关注的是数据平台与业务系统之间的连接。

系统建成后，天津银行通过API服务、数据推送等方式对接了10余个行内系统，支持数据应用及服务需求近30项，并挖掘近15万户潜在客户。

这组数据所反映的，并不仅仅是一个数据展示项目。

原本分散在不同系统中的客户、账户及经营相关信息，在经过统一治理和组织之后，开始转化为一线营销人员能够直接使用的客户视图和经营线索。数据平台的价值因此从后台的数据管理，进一步延伸到了客户识别、营销服务和经营决策环节。

这也是银行数据智能从“建设数据”走向“使用数据”的一个典型变化。

从全国性股份制银行到省级农信，数据底座正在走向企业级建设

进入2026年之后，天阳科技的数据业务仍在沿这一方向扩展。

天阳科技2026年半年度报告披露，公司在报告期内先后中标某全国性股份制银行、两家省级农信联社以及多家区域性银行的企业级数据底座与场景用数项目，同时进入央企金融板块新的应用场景。

这一项目结构值得关注。

与过去围绕单个报表、数据集市或者独立分析场景开展建设不同，“企业级数据底座+场景用数”更强调底层数据能力与上层业务应用之间的统一建设。其目标不只是完成一个数据平台，而是让数据能够在不同业务场景中持续被调用。

半年报还提到，天阳科技全链路智能运营模式已在多家合作银行完成业务闭环验证。

从天津银行对公客户全景视图，到2026年企业级数据底座和场景用数项目，可以看到天阳科技数据业务的一条演进路径：从数据整合和客户视图，逐步延伸至数据供给、模型生产和场景调用，并进一步向银行业务流程内部渗透。

这种变化也与整个银行数据智能市场的发展方向基本一致。

AI时代的数据竞争，最终仍要回到业务价值

AI正在改变银行数据平台，但它并没有改变数据建设最基本的评价标准。

银行真正需要的并不是更多的数据，也不是单纯部署更多模型，而是能否将可信、统一的数据持续转化为可以用于客户经营、风险识别、营销、信贷和运营管理的实际能力。

因此，下一阶段的数据智能竞争很可能不再只是数据仓库规模、数据治理工具或者技术架构之间的比较，而会越来越取决于三种能力能否真正连在一起：稳定的数据供给能力、面向业务的模型生产能力，以及让模型进入真实业务流程的场景调用能力。

从2025年两家研究机构对数据智能市场的判断，到天津银行对公客户全景视图等具体实践，再到2026年企业级数据底座项目的推进，天阳科技的数据业务也在沿着这一方向继续演进。

数据本身并不是最终价值。能否让数据进入模型，再让模型进入业务，最终形成可以持续使用的经营与决策能力，才是银行数据智能进入AI时代之后更值得关注的竞争焦点。