为进一步强化金融科技专业学生的数据思维、技术实践能力与合规意识，推动人工智能技术融入专业人才培养全过程，2026年5月25日，广州工商学院金融科技专业在教学楼105教室举办《AI时代的数据获取：大模型如何重塑金融数据工作流》专题讲座。本次讲座由金融科技专业专任教师、高级工程师吴员福博士主讲，2025级金融科技专业学生参加。讲座由邓思敏老师主持，金融科技教研室主任程飞、副主任于英含、任静老师、谭红叶副教授对讲座选题设计、内容组织和专业能力培养导向给予指导意见。

讲座围绕“金融科技项目为什么要先找数据、再谈智能”这一核心问题展开。吴员福博士以量化投资中的科技股观察场景切入，引导学生理解价格、成交量、财报、新闻情绪、资金流向等数据如何共同构成投资分析的证据链，帮助学生从“看见市场机会”进一步转向“构建可计算、可验证、可复现的数据工作流”。这一导入既贴近学生兴趣，也突出了金融科技专业“金融场景+数据技术+智能工具”的复合型培养特色。

在传统数据获取方法部分，讲座系统介绍了公开API、网络爬虫、SQL数据库查询和问卷调查等经典路径，并结合量化投资、监管公告监测、金融行为研究、学生竞赛项目等场景进行说明。讲座强调，金融数据获取不是简单“找数据”或“下载表格”，而是要围绕业务问题进行数据源选择、字段设计、质量核验和过程留痕。针对金融行业常用数据源，讲座还梳理了央行、证监会、交易所等官方公开数据，Wind、Choice、同花顺、企查查、天眼查等商业授权数据，以及AKShare、Tushare等开源工具的适用边界，引导学生建立“官方优先、授权合规、开源核验、自建留痕”的专业意识。

在AI时代数据获取新范式部分，讲座重点介绍了大模型工具在读文档、写脚本、清洗数据、生成报告和构建可复现项目中的作用，展示了AI爬虫、多模态数据提取和合成数据生成等新方法在网页、公告、PDF年报、模拟贷款样本等场景中的应用。讲座指出，大模型正在降低数据工程的技术门槛，体现出一定程度的“技术平权”，但专业判断、数据质量、来源核验和合规责任仍然必须由人把关。通过多个代码片段展示，学生直观理解了从数据获取到清洗、校验、分析和说明的完整流程。

讲座还专门设置金融数据伦理与合规环节，围绕《个人信息保护法》《数据安全法》及金融数据安全管理相关要求，提醒学生高度重视身份信息、金融账户、交易流水、征信信息等敏感数据的处理边界。讲座强调，技术可行不等于法律允许，公开可见不等于可以无限制批量采集，模型有效也不等于伦理正当。对于金融科技专业学生而言，合规意识应当与编程能力、数据分析能力同步培养。

本次讲座是金融科技专业推进人工智能赋能专业建设、强化学生实践能力培养的重要举措。通过专题讲授与案例演示，学生进一步认识到，AI时代的金融科技人才不仅要会使用工具，更要能够把金融问题转化为可获取、可清洗、可解释、可复现、可合规说明的数据项目。后续，金融科技专业将继续围绕行业发展趋势和应用型人才培养目标，深化数据分析、量化投资、智能风控、金融科技合规等方向的课程与实践建设，持续提升专业建设质量和人才培养成效。

稿件来源：商学院金融科技教研室

撰文：谭红叶

图片：于英含

初审：邓思敏

终审：程飞