2023年5月，由山东大学计算机科学与技术学院院长成秀珍牵头，依托山东大学智能算法与软件实验室，“链动未来”团队进入了紧张的研发阶段。这支团队成员均来自山东大学，具备经济金融、数据科学、人工智能等多学科专业背景。致力于为银行业打造一款具有创新性和实用性的系统，助力银行业实现数字化升级。
在研发过程中，团队聚焦多个关键技术领域。在数据智能采集与深度融合方面，他们运用强化学习驱动的自适应爬取策略和 API 联邦数据架构，从多个渠道获取多源异构数据。这些渠道包括企业信用公示系统、政府公告平台、行业研究报告网站等，涵盖了企业的基本信息、财务状况、信用记录、行业动态等多个方面。为了确保数据的质量和完整性，团队借助大模型驱动的数据清洗与对齐算法，对采集到的数据进行全面清洗、去重、标准化处理，并将其转化为便于分析的格式。这一过程就像是对杂乱无章的信息进行精心梳理和整合，最终构建出全景式企业数字孪生，为后续的深度分析提供了坚实可靠的数据基础。
风险预测是金融领域的关键环节，“链动未来” 项目团队在这方面下足了功夫。他们采用 Transformer 架构的深度学习模型，结合时间序列预测与因果推断技术，构建高精度的企业价值评估引擎。这一引擎能够对企业的历史数据进行深度挖掘，同时考虑到市场动态变化等多种因素，精准估算企业的内在价值，并对各类风险进行实时监测和预警。为了让风险评估结果更加透明、可解释，团队还开发了可解释 AI（XAI）框架，通过这个框架，金融机构能够清晰地了解风险来源，从而更有针对性地优化决策策略，提升风险管理能力。
产业链知识图谱的构建与关联洞察也是项目研发的重点方向。团队基于大规模知识图谱自动构建技术，融合图神经网络与大模型的自监督学习能力，对企业的供应链、资金链、股权结构等关键维度进行深入挖掘。通过动态知识蒸馏与复杂关系推理，精准揭示企业在产业链中的角色、潜在合作伙伴以及潜在风险传导路径。这一功能不仅有助于金融机构构建更完善的产业链金融生态，还能为企业提供个性化的智能供应链优化建议，推动企业间的协同发展，实现业务模式的创新升级。
在客户服务方面，团队基于 RFM 模型建立企业客户宽表，对客户进行价值分层。通过分析客户的最近一次消费、消费频率、消费金额等数据，将客户划分为不同的价值层次，以便为其提供更精准的服务。同时，结合金融产品的特点，利用协同过滤算法，为不同客户推荐个性化金融产品及服务。为了提升营销效果，团队还通过企业微信 API 推送定制化内容，实时追踪点击率与转化路径，并借助 A/B 测试平台优化营销策略，不断提高客户触达效果和转化率。
为保证系统的质量和稳定性，“链动未来” 项目团队在研发过程中严格遵循软件工程规范，制定了详细的测试计划。从功能测试到性能测试，从安全测试到兼容性测试，每一个环节都进行了全面细致的检测。在测试过程中，团队成员认真记录每一个问题，及时进行修复和优化。尽管研发工作充满挑战，技术难题层出不穷，但团队成员始终保持着高昂的斗志和坚定的信心。他们表示将持续不断地优化系统功能，提升系统性能，确保项目能够按时完成研发并顺利投入使用，为银行业实现数字化升级提供有力支持，提高金融服务的质量和效率，为金融行业的发展贡献自己的力量。
