集成商业智能的LLMs：一个基于大数据的框架，整合了营销优化、财务绩效和审计质量

在营销、财务和审计领域，企业决策依然碎片化，导致预算配置效率低下和风险评估不完整。本研究提出了一个集成的、基于大数据的决策支持框架，统一了大型语言模型（LLMs）、基于关注的营销组合建模和多智能体博弈优化，以协调跨功能决策。架构结合了五个模块：LLM增强的客户细分和客户生命周期价值预测、注意力加权的营销组合建模、多智能体LLM系统用于分级预算优化、基于注意力的Markov多接触归因以及LLM增强的审计质量评估。在一个包含280万客户和1.56亿美元营销支出的大型电商数据集上进行的实证验证表明，营销投资回报率从4.2增加到6.78（相对提高61.4%），财务预测误差（MAPE）从12.8%降至4.7%（降低63.3%），欺诈检测准确性提高29.8%，审计质量指数达到0.951，客户生命周期价值预测准确性从76.4%提高到91.3%。通过在统一且经实证验证的框架内操作化LLMs、注意力机制和博弈推理的融合，本研究既提供了理论上的进展，也提供了可实际部署的工具，以支持数字经济中的集成商业智能。