1.金融机构客户画像与风险防控（专业数据赛，此赛题尚未开启报名，请持续关注）

在数字经济与实体经济深度融合的背景下，科技、绿色、普惠、养老等领域的中小企业面临融资渠道狭窄、服务适配性不足等核心挑战。公共数据的开放共享与大模型的深度学习能力，为破解上述难题提供了新路径。通过整合政务数据（如税务、环保、社保）、行业数据（如科技研发、碳排放监测）、企业经营数据（如供应链、用电情况），构建智能化企业画像与动态风控体系，实现金融风险的实时监测和精准预警。基于模型结果，优化信贷审批流程，提高审批效率和通过率，助力破解中小微企业融资困局。本赛题旨在构建智能化企业画像与动态风控体系，实现金融风险的实时监测和精准预警。基于模型结果，优化信贷审批流程，提高审批效率和通过率，助力破解中小微企业融资困局。

2.公共数据驱动的金融客户画像与风险防控（专业数据赛，此赛题尚未开启报名，请持续关注）

围绕北京“四个中心”定位和“五子”联动布局，为持续提升金融服务质效和金融风险防控水平，需要对北京辖内的企业进行准确划型，评估分析企业经营情况及信贷资金需求。本赛题需要利用工商登记、税务、政府采购、专精特新等公共数据，一是建立企业金融画像模型，提升客户识别和营销对接效率，为金融机构提升金融服务质效提供支持，助力产业转型升级和经济高质量发展。二是完善风险防控模型，构建智能化风险防控体系，实现金融风险的实时监测和精准预警，优化风险防控流程，提升金融机构风险应对效率。

3.绿色金融赋能建设服务项目（数据验证赛，此赛题尚未开启报名，请持续关注）

北京市作为全国数字经济发展的标杆城市，正面临深度老龄化与金融服务创新的双重挑战。在此背景下，如何通过“金融+健康”数据要素协同创新个性化养老金融产品，成为破解养老服务供给不足、金融产品同质化的关键命题。金融市场饱和发展催生个性化金融产品定制需求。以养老金融产品为例，要求整合医保数据、个人养老金账户数据、智能穿戴设备健康数据、社区服务数据等，开发个性化养老金融产品推荐系统，同时建立隐私保护机制，实现跨领域数据安全融合。推动“金融+健康”数据要素协同，创新养老第三支柱服务模式。本赛题的答题目标包括：（1）机制创新突破。构建跨部门、跨行业的数据安全流通框架，形成 “金融 +  数据”的合规操作指南，推动北京金融公共数据专区与多领域数据专区实现可信互联，为全国提供可复制的制度范式。（2）技术生态构建。引入隐私计算、区块链等技术，对数据脱敏处理，降低数据流通成本。

4.智能投顾系统设计及评估（专业数据赛，此赛题尚未开启报名，请持续关注）

随着人工智能技术的发展，智能投顾系统逐渐成为投资领域的重要工具。智能投顾通过机器学习和大模型技术，能够分析用户的财务状况、投资目标、风险偏好及市场行情，提供个性化的投资建议，降低投资门槛，提高投资效率。然而，当前的智能投顾系统在不同市场环境下的适应性仍有待提升，可能会出现推荐不合理、过于保守或激进的情况，影响用户的投资收益。本赛题要求在不同的投资场景下，通过输入用户的基本信息、财务目标及资咨询对话数据，给出投资组合。系统利用人工智能技术，根据用户的投资偏好、风险承受能力及市场动态，自动推荐适合的投资组合或金融产品。

5.车险智能推荐及客户服务模型（专业数据赛，此赛题尚未开启报名，请持续关注）

保险经纪公司目前面临着客户需求匹配低效：依赖人工经验推荐车险产品，难以精准匹配客户风险特征与不同保司产品条款；通过整合客户行为数据及理赔数据，构建智能服务系统，提升客户粘性与服务价值。本赛题的答题目标包括：（1）解决产品推荐同质化问题：绝大多数客户被推荐相同2-3款“热门产品”，无法满足长尾客户（如新能源车主、高风险职业驾驶人）的个性化需求。（2）数据资产复用：历史服务积累的客户行为数据（如咨询记录、比价偏好）通过结构化分析驱动服务优化。

6.普惠型小微企业的画像和认定（数据验证赛，此赛题尚未开启报名，请持续关注）

围绕北京“四个中心”定位和“五子”联动布局，为持续提升普惠金融服务质效，推动小微企业融资协调工作机制发挥作用，需要对北京辖内的企业，尤其是小微企业进行准确划型，评估分析小微企业经营情况及信贷资金需求。本赛题要求参赛者利用工商登记、税务、社保、医保、公积金等数据，建立小微企业的识别模型，将相同注册地址、共同企业主要人员的企业作为关联企业分析，同时剔除0纳税、0医保等无实际经营的疑似空壳企业，根据缴税情况合理评估小微企业的经营资金需求，避免大量信贷资金向小部分企业集中倾斜，更防止信贷资金被空壳企业、贷款中介等恶意套取。

7.基于公共数据的中小企业金融画像与智能风控模型设计（专业数据赛，此赛题尚未开启报名，请持续关注）

在数字经济深入发展的当下，中小企业被公认为经济活力的源泉，但融资难、融资贵、审批慢仍是其长期面临的“成长痛点”。通过以公共数据为基座，构建中小企业的高分辨率金融画像，可提升银行、金融科技平台对企业信用与风险的感知能力，降低放贷不确定性，提升审批效率与精准度。本赛题的答题目标包括：（1）构建中小企业多维度金融客户画像体系。（2）设计风险评分模型，输出“企业信用评分”或“风险等级标签”。（3）模型需具备动态更新机制（可引入时序建模、图结构）。（4）鼓励提出“审批推荐机制”方案，辅助信贷人员识别高潜在通过客户。（5）实现以数据驱动的“金融普惠智能化风控系统”雏形。

8.基于多源异构数据的养老金融推荐模型（专业数据赛，此赛题尚未开启报名，请持续关注）

在人口老龄化趋势与金融产品高度同质化的双重背景下，金融服务个性化转型已成行业共识。以第三支柱养老金体系为代表的养老金融正步入智能化、数据驱动的新阶段。本赛题的答题目标包括：（1）建立养老金融用户多维画像体系。（2）基于画像与产品特征，构建个性化推荐模型，实现精准匹配。（3）提出可行的数据融合与隐私保护策略，保障数据合规共享.（4）输出具备实际部署价值的产品推荐引擎模型。

9.投贷企业风险信号监测和预警（数据验证赛，此赛题尚未开启报名，请持续关注）

互联网环境下，企业负面舆情可能瞬间引发公司市值大幅波动，给金融机构和投资者带来巨大损失。这种波动不仅会对企业自身造成冲击，还会给金融机构和投资者带来巨大的损失。金融机构在投贷前需要对企业进行全面的风险评估，而在投贷后也需要持续监测企业的风险状况。然而，传统的风险监测手段往往存在滞后性和局限性，难以及时捕捉到负面舆情等潜在风险信号。因此，金融机构急需一种更加高效、精准的风险监测预警工具，以应对复杂多变的市场环境和日益增长的风险管理需求。本赛题要求参赛者面向金融机构投贷前后企业风险信号监测预警，推出基于大模型的智能风控解决方案，帮助金融机构及时感知风险信号，并根据预设规则生成预警报告，推送至风险管理人员，提高风险监测自动化水平，降低和化解投贷风险。

10.人工智能条件下的资本市场舆论环境治理（数据验证赛，此赛题尚未开启报名，请持续关注）

资本市场舆情涉及种类繁多，既有针对个别公司和股票的不实言论和负面消息，也有涉及国家产业政策、金融监管的“小作文”等。不同舆情的影响也有不同，有的可能影响某些股票短时间的价格走势，有的则可能导致大盘指数产生一定的波动，严重影响投资者的判断，甚至还涉及操纵市场、内幕交易等违法违规问题。随着人工智能、大数据等技术的进步，应对舆情不再只是被动的辟谣或封堵，利用新兴技术能够更早发现、更快锁定、更好处理相关信息。本赛题要求参赛者结合资本市场不同舆情特点与趋势，利用大数据、自然语言处理、人工智能等新型技术手段，建立资本市场负面舆情应对系统或机制。

11.基于人工智能的资本市场负面舆情监测与预警模型设计（专业数据赛，此赛题尚未开启报名，请持续关注）

随着资本市场交易规模扩大与投资主体多元化发展，网络舆论对资本市场情绪波动、股价变动的影响日益加剧。尤其在人工智能时代，舆论传播速度极快，信息茧房、舆论操纵等问题日益突出，给金融稳定带来潜在风险。本赛题旨在通过整合公开新闻、社交媒体、财经论坛、公告披露等多源数据，设计一套负面舆情监测与预警系统。要求参赛者基于自然语言处理（NLP）、情感分析、文本分类等技术，构建可量化、可追踪的舆情风险评估模型，并探索如何通过模型优化舆论推荐算法，强化资本市场预期管理。

12.基于多源数据的绿色金融赋能建设服务（专业数据赛，此赛题尚未开启报名，请持续关注）

国家双碳战略下绿色信贷规模快速增长，绿色金融通过引导资金流向绿色产业，支持经济结构调整和生态文明建设，但部分项目存在“漂绿”风险。本赛题旨在要求参赛者整合企业能耗数据、卫星遥感数据、供应链碳足迹数据、多源公共数据及第三方认证数据，构建绿色项目真实性评估模型，并设计数据要素流通机制。

13.绿色金融项目风险识别与评级建模（专业数据赛，此赛题尚未开启报名，请持续关注）

绿色金融作为国家双碳战略的重要支撑路径，面临绿色项目认定难、风险评估难、信贷决策缺乏量化依据等问题。当前“漂绿”现象频发，倒逼金融机构建立更加精准的数据识别机制。本赛题聚焦绿色项目的结构化数据建模，旨在探索以金融交易与项目信息为基础的评级与风险识别方法，既可支撑政府制定绿色信贷政策与风险防控规则，也具备在金融机构风控系统、第三方ESG评级平台中落地应用的潜力，推动绿色金融从理念走向“可验证、可监管、可决策”的数智化实践。本赛题围绕绿色金融项目评价难、漂绿识别难、风险预判难等核心业务痛点，旨在构建基于结构化金融数据的评分与风险识别模型。

14.基于沪深两市跨市场联动的沪深300指数短期波动率预测模型设计及评估（专业数据赛，此赛题尚未开启报名，请持续关注）

随着中国资本市场双向开放进程的加速，沪深两市已形成紧密的跨市场联动机制。作为衡量中国A股市场整体表现的标杆性指数，沪深300指数覆盖了沪深两市规模最大、流动性最好的300只股票，其波动特征不仅反映宏观经济运行质量，更直接关系到金融衍生品定价、量化投资策略构建与系统性风险防控。在“沪港通”“深港通”及股指期货跨市场套利机制作用下，沪深两市在资金流动、信息传递、风险传导等方面呈现出显著的非线性协同效应。本赛题需要开展沪深300短期波动预测，为机构投资者提供风险价值计算工具，可以辅助监管机构构建跨市场波动预警系统，可以推动智能投顾产品创新。

15.预付费消费风险防控方案设计（专业数据赛，此赛题尚未开启报名，请持续关注）

预付费消费模式存在商户资金挪用、服务缩水及跑路风险，亟需构建数据驱动的风控体系保障消费者权益。要求参赛者运用商户经营数据、消费者画像、信用信息等多源数据要素，设计预付费消费全周期风险管理方案，降低预付费业务违约率，强化风险管理能力，提升资金监管效率，建立商户-消费者双向信任机制。本赛题针对预付费消费场景中商户资金挪用难追踪、经营风险难预警、消费者权益保障难等核心问题，旨在构建基于多维度数据的全周期风控解决方案，具体包括：（1）构建商户经营风险分层评估模型。（2）设计风险处置与信任增强机制。结合模型输出结果，构建动态风险处置方案，形成“风险评估-预警-处置-反馈”闭环管理框架。

16.创新数据算法赋能产业金融，提升产业链授信能力（数据验证赛，此赛题尚未开启报名，请持续关注）

国家部委持续出台政策，鼓励进一步深化产融合作,加强推进新型工业化全过程各方面的金融要素保障，同时，也鼓励金融机构做好数字金融相关工作。本题目要求整合企业基础数据、产业基础数据和产业链数据，构建产业链链上企业综合评级模型，为重点产业链企业优化授信服务策略、提升信贷融资质效、完善融资增信策略。

17.银行价值客户流失风险预测与干预策略优化（专业数据赛，此赛题尚未开启报名，请持续关注）

在金融市场竞争日益白热化的背景下，银行业正面临前所未有的挑战。随着数字化转型的加速、金融科技的崛起以及客户需求的多样化，银行客户的选择范围不断扩大，忠诚度下降，客户流失现象愈发普遍。这一趋势不仅直接削弱了银行的收入基础，还显著增加了获取新客户的成本投入。据统计，获取一位新客户的成本往往是保留现有客户成本的5至10倍。此外，客户流失还可能引发连锁反应，例如品牌口碑下滑、市场份额缩减，甚至对银行的长期盈利能力构成威胁。因此，如何在海量数据中精准识别潜在流失客户，并采取有效措施加以挽留，已成为银行业实现经营稳定性和可持续发展的核心课题。本赛题旨在利用多维数据资源——包括客户基本属性、交易行为、产品使用情况、渠道互动记录以及服务体验反馈等，构建一个客户流失风险预测模型，预测可能流失的高风险客户群体。与此同时，参赛团队需深入挖掘客户流失的深层原因，例如服务质量下降、产品吸引力不足、外部竞争压力或客户生命周期变化等，并基于此提出针对性的干预策略。这些策略不仅需要具备个性化的特点，还要兼顾实际操作的可行性，例如通过定制化产品推荐提升客户粘性、优化数字化渠道体验增强便捷性，或通过主动关怀措施重建客户信任。

18.基于大模型的渠道还款金额预测（专业数据赛，此赛题尚未开启报名，请持续关注）

北京市作为国家金融管理和科技创新的核心，正在加速推进数据要素市场化配置改革。在金融行业，公共数据与私域数据的融合应用已成为发现运营瓶颈、提升决策效率、明确战略方向及优化营销效果的关键突破点。随着数据量激增和业务快速发展，传统的依赖经验和简单数据推理的决策方式已无法满足企业在快速响应、全面监控、即时决策及多因素分析等方面的需求。本赛题聚焦于大语言模型（LLM）在金融领域的深度应用，旨在为金融公司提供智能化的解决方案，帮助其解决头寸管理中常见的资金闲置或资金短缺问题，进而提高资金利用率，并推动金融领域的数据化转型。

19.基于产业图谱的中小微企业信用评估体系重构（专业数据赛，此赛题尚未开启报名，请持续关注）

传统信贷模型难以覆盖缺乏抵押物的中小微企业。要求利用产业链核心企业数据、税务发票数据、物联网生产数据等，构建动态产业图谱，开发基于数据要素的信用评分模型，重点解决专精特新企业融资难题。助力突破传统财务数据局限，实现“以链定信”的新型风控模式。本赛题的答题目标包括：构建多源数据融合与模型优质特征、授信额度模型，以及风险识别模型。

20.数据资产定价与收益分配机制设计（数据验证赛，此赛题尚未开启报名，请持续关注）

数据资产入表政策落地后，亟需通过构建数据资产分类分级体系，挖掘数据资产在金融业务中的应用场景，科学评估数据资产的价值，打造合规的数据交易模式。参赛者需针对信贷风控数据、客户行为数据等特定场景，设计数据确权、质量评估、定价模型及收益分配方案，并模拟数据交易所挂牌流程，推动形成可落地的金融数据要素市场化配置实践路径。

21.金融领域城市可信数据空间建设方案（数据验证赛，此赛题尚未开启报名，请持续关注）

北京作为全国金融管理中心，聚集大量持牌金融机构总部，但数据孤岛导致跨机构风控成本高，亟需破解数据“不愿共享、不敢共享、不会共享”难题，支撑国际金融枢纽建设。本赛题旨在构建“技术+制度”双驱动的可信数据空间框架，实现金融机构、监管部门、企业数据“可用不可见”。开发智能合约风控模型，压缩数据核验时间，形成金融数据分级分类共享标准，推动机构接入试点平台，打造全国首个金融领域数据流通“北京模式”。

22.数字人民币跨境支付场景下的数据合规与反洗钱协同（专业数据赛，此赛题尚未开启报名，请持续关注）

数字人民币跨境支付试点加速，需平衡交易效率与合规风控。参赛者需设计跨境支付数据流通框架，融合央行数字货币系统、海关物流数据及跨境企业征信数据，基于隐私计算等技术支持下实现反洗钱规则自动化适配。推动探索跨境金融数据分级分类授权机制，构建符合RCEP等国际规则的数据合规方案。

23.基于供应链动态数据的期货价格波动风险建模（专业数据赛，此赛题尚未开启报名，请持续关注）

在全球供应链复杂化与市场波动加剧的背景下，期货市场对实体企业的风险管理和价格发现功能愈加重要。供应链数据作为连接生产、流通、消费各环节的关键信息源，反映了原材料供需、库存变化、订单动向等实体经济脉动。本赛题旨在通过融合供应链链条数据与期货交易数据，搭建价格波动风险评估模型，进而：（1）辅助监管部门识别潜在的价格异常波动及其上游产业链关联触发因素，提升对系统性市场风险的感知与响应能力。（2）支持期货交易所进行合约规则优化与风险缓释机制设计，例如更科学地设定保证金比率、限仓标准等。（3）为实体企业在风险频发的大宗商品市场中，制定套期保值策略提供建模参考。

通过本赛题，不仅推动数据要素在供应链金融与大宗商品市场中的应用，同时探索数据驱动的精准风险控制与价格预警机制，为服务实体经济、保障供应链稳定、助力金融市场高质量发展提供创新实践样本。

24.期货市场多源异构数据治理与风险管理（数据验证赛，此赛题尚未开启报名，请持续关注）

随着大数据、区块链等技术的深度应用，期货市场的数据来源日趋多元，涵盖宏观经济、行业动态、供应链信息等结构化与非结构化数据。然而，数据格式标准不统一、质量参差不齐、实时交互效率低等问题，导致期现货市场数据难以融合，严重制约风险识别、合规监管与合约设计的精准性。如何突破多源异构数据处理瓶颈，强化期货市场服务实体经济与风险防控能力，成为行业亟待解决的关键问题。本赛题的答题目标包括：（1）构建多源异构数据整合框架：针对宏观经济数据（如 GDP、CPI）、行业数据（如产业链供需、库存数据）、市场数据（如交易订单、持仓量）、非结构化数据（如政策文本、新闻舆情）等存在格式异构、语义差异和更新不同步问题，设计高效的数据清洗、转换、融合技术方案，解决不同数据源的格式兼容与语义对齐问题，实现期现货市场数据的深度交融。（2）创新风险管理数据应用场景：针对部分数据存在噪声干扰、缺失或异常值，传统数据清洗方法难以高效处理，市场情绪、供应链传导等非结构化数据整合难题，利用机器学习、自然语言处理等技术，挖掘非结构化数据中的风险信号（如政策敏感度、市场情绪指数），构建多维度风险评估模型，提升对价格异常波动、流动性风险、合规风险的预测精度。（3）优化风险监管与合约设计：基于整合后的多源数据，提出智能监管规则引擎设计方案，解决重点领域（如跨境交易、场外衍生品）的监管数据盲区问题；结合产业链供需数据优化期货合约标的选择与交割规则，增强期货工具对实体经济的适配性。（4）技术方案落地可行性：要求方案具备可扩展性和实时处理能力，兼顾数据安全与隐私保护（如区块链数据共享机制），形成可复制的多源数据驱动风险管理技术范式。